قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الشبكة التلافيفية بالكامل (FCN)
بنية شبكة عصبية تلافيفية تحلل الطبقات المتصلة بالكامل بطبقات تلافيفية لتوليد خرائط تجزئة بنفس حجم صورة الإدخال.
ديب لاب
عائلة من نماذج التجزئة الدلالية التي تستخدم الالتواءات المتسعة (atrous) لزيادة مجال الاستقبال دون فقدان الدقة المكانية.
الالتواء الفجوي (الالتواء المتسع)
عملية التفاف تدخل مسافات بين بكسلات النواة لزيادة مجال الاستقبال والتقاط السياق على نطاق أوسع.
شبكة تحليل المشهد الهرمية (PSPNet)
نموذج يدمج معلومات السياق العام على مقاييس مختلفة باستخدام وحدة التجميع الهرمي قبل التنبؤ النهائي.
دقة البكسل
مقياس أداء بسيط يحسب نسبة البكسلات المصنفة بشكل صحيح إلى إجمالي عدد البكسلات في الصورة.
متوسط تقاطع الاتحاد (mIoU)
متوسط IoU المحسوب على جميع فئات التجزئة، مما يوفر تقييماً شاملاً لأداء النموذج.
تفعيل Softmax
دالة تفعيل تُطبق على الطبقة الأخيرة لتحويل درجات الفئة إلى توزيع احتمالي لكل بكسل.
خسارة Dice
دالة خسارة بديلة تعتمد على معامل Dice، وهي فعالة بشكل خاص للتعامل مع عدم توازن الفئات في مهام التجزئة.
وحدة السياق
مكون في الشبكة مصمم لالتقاط المعلومات السياقية بعيدة المدى، وهو أمر ضروري للتجزئة الدلالية الدقيقة.
تحسين الحدود
تقنية أو وحدة إضافية تهدف إلى تحسين دقة حدود الكائنات المجزأة، وهي غالباً نقطة ضعف في الطرق القياسية.
عدم التوازن في الفئات
مشكلة شائعة في التجزئة حيث تشغل بعض الفئات عددًا أقل بكثير من البكسل مقارنة بالفئات الأخرى، مما يتطلب استراتيجيات تدريب متكيفة.
استخراج البكسل الصعب
استراتيجية تدريب تركز على البكسل الصعب تصنيفه (المتنبأ به بشكل خاطئ) لتسريع التقارب وتحسين الأداء.
الغموض الدلالي
تحدٍ حيث يمكن أن ينتمي نفس البكسل إلى عدة فئات متقاربة دلاليًا، مما يجعل التصنيف الفردي مشكلاً.
التجزئة البانورامية
مهمة موحدة تجمع بين التجزئة الدلالية (الفئات) وتجزئة الحالات (الكائنات الفردية) في تنبؤ واحد متسق.