قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
تجزئة الحالة
مهمة في رؤية الحاسوب تهدف إلى كشف وتحديد كل كائن فردي في صورة، مع التمييز بين الحالات من نفس الفئة باستخدام أقنعة فريدة.
منطقة الاهتمام (RoI) مواءمة
عملية تستخرج ميزات بحجم ثابت من مناطق اهتمام بأحجام متغيرة باستخدام عينة ثنائية الخطوط الدقيقة، وتتجنب أخطاء التكميم في تجميع RoI.
تضمين الحالة
تقنية تتعلم تعيين كل بكسل إلى فضاء تضمين حيث تكون وحدات البكسل من نفس الحالة قريبة وتلك من حالات مختلفة بعيدة، مما يسمح بالفصل بدون إشراف.
دالة فقدان حساسة للحدود
دالة فقدان تعاقب بشدة أخطاء التنبؤ عند حدود الكائنات، مما يحسن دقة القناع ووضوح الحدود في تجزئة الحالة.
كاسكيد ماسك R-CNN
تحسين لـ Mask R-CNN يستخدم سلسلة من رؤوس الكشف بمستويات IoU متزايدة، مما يحسن التنبؤات تدريجياً لدقة أعلى على الكائنات الصعبة.
YOLACT
بنية تجزئة حالة في الوقت الفعلي تولد أقنعة أولية بالتوازي مع كشف الكائنات، ثم تدمجها خطياً لتنبؤات سريعة.
TensorMask
نهج تجزئة حالة يستخدم موترات 4D لتمثيل أقنعة الكائنات، مما يسمح بنمذجة أغنى للهياكل ودقة أفضل من الأقنعة ثنائية الأبعاد التقليدية.
PointRend
وحدة عرض تختار بذكاء نقاطاً على حدود الكائنات لتحسين تنبؤات القناع، مما يعزز جودة التفاصيل دون عبء حسابي كبير.
تجميع فضاء التضمين
طريقة تقسيم الحالات التي تجمع البكسل في فضاء التضمين المكتسب، حيث يتوافق كل مجموعة مع حالة كائن مميزة في الصورة الأصلية.
التقسيم الديناميكي للحالات
نهج تكيفي يضبط دقة القناع وتعقيد المعالجة حسب خصائص كل حالة مكتشفة، محسّناً الموارد الحسابية.
تقييم القناع R-CNN
امتداد لـ Mask R-CNN يتنبأ بدرجة جودة لكل قناع مولد، مما يسمح بتقييم أفضل للثقة في التقسيم وتحسين مقاييس الأداء.
SOLOv2
هيكلية تقسيم حالات بدون مرساة تقسم الصورة إلى شبكات وتتنبأ مباشرة بالأقنعة والفئات لكل خلية، مما يلغي الحاجة لاقتراحات المناطق.
التقسيم التكيفي للحالات
طريقة تضبط ديناميكياً تعقيد النموذج حسب محتوى الصورة، مخصصة المزيد من الموارد للمناطق ذات الحالات المتعددة أو الكائنات المعقدة.
وحدة MaskIoU
وحدة إضافية تتنبأ بـ IoU (التقاطع فوق الاتحاد) بين القناع المتوقع والقناع الفعلي، مقدماً مقياس جودة أكثر دقة لكل حالة مقسمة.
تقسيم الحالات القائم على الاستعلام
نموذج مستلهم من المحولات يستخدم استعلامات قابلة للتعلم لاكتشاف وتقسيم الحالات بشكل متزامن، مما يلغي الخطوات التسلسلية التقليدية.