قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الالتفاف المتوسع (أو الالتفاف الأتروسي)
عملية التفاف تُدخل فجوات بين عناصر النواة، مما يسمح بزيادة الحقل الاستقبالي دون زيادة عدد المعلمات أو تعقيد الحساب.
معدل التوسع (Dilation Rate)
معلمة في الالتفافات المتوسعة تحدد التباعد بين وحدات البكسل في نواة الالتفاف، وتتحكم مباشرة في زيادة الحقل الاستقبالي.
المشفر-المفكك مع الالتفاف الأتروسي (Encoder-Decoder with Atrous Convolution)
هندسة DeepLabv3+ التي تجمع بين مشفر قوي (مثل ResNet) ومفكك بسيط وفعال لتحسين تنبؤات التجزئة مع الحفاظ على تفاصيل الحواف.
عامل تقليل الدقة (Output Stride)
النسبة بين دقة الصورة المدخلة ودقة خرائط الميزات النهائية؛ غالبًا ما يستخدم DeepLab 'output stride' بقيمة 16 أو 8 للموازنة بين الدقة والسرعة.
ميزات على مستوى الصورة (Image-Level Features)
ميزات شاملة مستخرجة من الصورة بأكملها، غالبًا عبر التجميع الشامل (global pooling)، ومدمجة في وحدة ASPP في DeepLab لتحسين تصنيف فئات السياق.
DeepLabv1
الإصدار الأول من DeepLab الذي قدم استخدام الالتفافات المتوسعة في الشبكات الالتفافية الكاملة (FCN) للتجزئة الدلالية، مما زاد من الحقل الاستقبالي دون فقدان الدقة.
DeepLabv2
إصدار من DeepLab الذي دمج وحدة تجميع الهرم المكاني الأتروسي (ASPP) لالتقاط السياق متعدد المقاييس بفعالية، ليصبح مرجعًا للتجزئة الدلالية.
DeepLabv3
تكرار حسن وحدة ASPP بإضافة التجميع الشامل (global pooling) والتفافات 1x1، واستكشف تطبيق الالتفافات المتوسعة المتتالية لأداء أفضل.
DeepLabv3+
أحدث إصدار رئيسي يضيف وحدة فك ترميز بسيطة ولكنها فعالة إلى بنية DeepLabv3، مما يحسن تنبؤات التجزئة عن طريق دمج الميزات منخفضة المستوى وعالية المستوى.
الحقل العشوائي الشرطي المتصل بالكامل (CRF)
طريقة معالجة لاحقة مستخدمة في الإصدارات المبكرة من DeepLab لتحسين حواف تنبؤات التجزئة عن طريق نمذجة العلاقات بين جميع وحدات البكسل في الصورة.
تكبير العينة بالاستيفاء الثنائي الخطي
تقنية مستخدمة في DeepLab لاستعادة الدقة المكانية لخرائط الميزات بعد الالتفافات المتوسعة، لإنتاج خريطة تجزئة بنفس حجم صورة الإدخال.
تجميع السياق
مبدأ أساسي في DeepLab يهدف إلى تجميع المعلومات السياقية من نطاقات مكانية مختلفة بفضل الالتفافات المتوسعة ووحدة ASPP لتنبؤ أكثر قوة.