قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
رأس الكشف متعدد المقاييس
مكون من كواشف الكائنات يطبق التنبؤات على عدة مستويات من هرم الميزات، باستخدام طبقات محددة لكل مقياس بهدف تحسين كشف الكائنات من مختلف الأحجام.
مرساة تكيفية (Adaptive Anchor)
تقنية يتم فيها إنشاء صناديق التثبيت (anchor boxes) ديناميكيًا بناءً على إحصائيات أبعاد الكائنات في مجموعة البيانات، مما يحسن المحاذاة بين المراسي والكائنات الصغيرة.
الفقدان البؤري (Focal Loss)
دالة فقدان معدلة تقلل من مساهمة الأمثلة السهلة المصنفة بشكل صحيح وتركز على الأمثلة الصعبة، وهي فعالة بشكل خاص في التعامل مع عدم توازن الفئات الكامن في كشف الكائنات الصغيرة.
تجميع المسارات المتعددة (Path Aggregation Network - PANet)
بنية تحسّن تدفق المعلومات في شبكات هرم الميزات من خلال إنشاء اختصارات بين الطبقات السفلى والعلوية، مما يحافظ بشكل أفضل على معلومات تحديد موقع الكائنات الصغيرة.
دقة فائقة موجهة بالكشف
نهج يزيد من دقة خرائط الميزات أو مناطق الاهتمام قبل التصنيف، باستخدام تقنيات الدقة الفائقة لجعل الكائنات الصغيرة أكثر تميزًا.
تمدد الميزات (Feature Dilatation)
تقنية تزيد من المجال الاستقبالي للخلايا العصبية دون فقدان الدقة المكانية، مما يسمح بالتقاط المزيد من السياق حول الكائنات الصغيرة مع الحفاظ على تحديد موقعها الدقيق.
أخذ عينات من النقاط الرئيسية (Keypoint Sampling)
طريقة تأخذ عينات انتقائية من خصائص النقاط الأكثر إفادة في منطقة كائن صغيرة، بدلاً من استخدام تجميع عالمي قد يغرق التفاصيل المهمة.
وحدة الانتباه المكاني
آلية تتعلم ترجيح أهمية المناطق المكانية المختلفة في خريطة الميزات، مما يسمح للشبكة بالتركيز على المناطق التي تحتوي على كائنات صغيرة ذات صلة.
إعادة تعريف الميزات (Feature Re-identification)
عملية تعيد حقن ميزات المستوى المنخفض في طبقات أعمق من الشبكة، مما يساعد على استعادة التفاصيل الدقيقة المفقودة أثناء عمليات أخذ العينات المتتالية.
السياق متعدد المقاييس (Multi-scale Context)
استخدام المعلومات السياقية القادمة من مقاييس مكانية مختلفة حول كائن صغير لتحسين تصنيفه، بالاستفادة من العلاقات بين الكائن وبيئته.
زيادة البيانات المناسبة للأجسام الصغيرة
تقنيات تحويل الصور مصممة خصيصًا لزيادة وجود وتنوع الأجسام الصغيرة في مجموعة التدريب، مثل التكبير الانتقائي أو نسخ ولصق الأجسام.
IoU مرجح بالحجم (Size-weighted IoU)
مقياس تقييم يمنح وزنًا أكبر للتنبؤات الصحيحة على الأجسام الصغيرة عند حساب التقاطع على الاتحاد، مما يعكس بشكل أفضل صعوبة وأهمية اكتشافها.
رأس الكشف المتتالي (Cascade Detection Head)
بنية يتم فيها وضع عدة رؤوس كشف في تسلسل، حيث يقوم كل رأس بتحسين تنبؤات الرأس السابق بعتبات IoU أكثر صرامة، مما يحسن الدقة على الأجسام الصعبة مثل الأجسام الصغيرة.
دمج الميزات ثنائي الاتجاه
تقنية تجمع بين ميزات المستوى العالي (دلالية) والمستوى المنخفض (مكانية) في كلا الاتجاهين، بح تتلقى الطبقات العميقة معلومات تحديد دقيقة لاكتشاف الأجسام الصغيرة بشكل أفضل.
إبراز الميزات (Feature Highlighting)
طريقة تضخم استجابات الخلايا العصبية التي تنشطها الأنماط أو الأنسجة الصغيرة، مما يجعل ميزات الأجسام الصغيرة أكثر بروزًا مقارنة بالضوضاء الخلفية.
التعلم التبايني للكشف
نهج تدريب يعلم الشبكة تقريب ميزات الأجسام الصغيرة المتشابهة وإبعاد ميزات الأجسام المختلفة أو الخلفية، مما يحسن قابليتها للفصل.