قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التحويل الالتفافي (Conv2DTranspose)
عملية مُتعلَّمة تُجري زيادة في حجم العينات المكانية لخرائط الميزات، مما يسمح بإعادة بناء تجزئة عالية الدقة من تمثيلات منخفضة الدقة.
وصلة التخطي (Skip Connection)
اتصال مباشر بين طبقات ذات مستويات هرمية مختلفة في شبكة FCN، يدمج معلومات دلالية عالية الدقة مع ميزات سياقية منخفضة الدقة.
تجميع الاستيفاء (Interpolation Pooling)
تقنية زيادة حجم العينات غير المُتعلَّمة تستخدم طرقًا مثل الاستيفاء الثنائي الخطي أو أقرب جار لزيادة الدقة المكانية لخرائط الميزات.
خسارة الانتروبيا المتقاطعة لكل بكسل (Pixel-wise Cross-Entropy)
دالة تكلفة تحسب الانتروبيا المتقاطعة بين تنبؤات الفئة وتسميات الحقيقة الأرضية لكل بكسل فردي في الصورة.
عامل التخفيض (Subsampling Factor)
نسبة تقليل الدقة المكانية بين مدخلات ومخرجات طبقة التجميع، عادةً ما تكون 2 أو 4، وتؤثر على دقة التجزئة النهائية.
الحقل الاستقبالي الفعال (Effective Receptive Field)
المنطقة في الصورة المدخلة التي تؤثر على تنشيط بكسل الإخراج في شبكة FCN، وتتسع تدريجياً مع عمق الشبكة لالتقاط السياق العام.
دمج الميزات (Feature Fusion)
عملية دمج خرائط الميزات من مقاييس مكانية مختلفة، عادةً عن طريق الإضافة أو الربط، لتحسين دقة التجزئة.
الاستقبالية المكانية (Spatial Receptivity)
قدرة شبكة FCN على الحفاظ على معلومات الموقع الدقيقة مع التقاط ميزات دلالية مجردة من خلال بنيتها الهرمية.
فك التجميع المكاني (Spatial Unpooling)
عملية عكسية للتجميع تعيد توزيع القيم المجمعة إلى مواقعها المكانية الأصلية، وغالبًا ما تُدمج مع الالتفافات لتحسين التجزئة.
التفاف متسع (Atrous Convolution)
تعديل للالتفاف القياسي يُدخل مسافات بين أوزان النواة، مما يزيد من المجال الاستقبالي دون تقليل الدقة المكانية لخرائط الميزات.
المحاذاة المكانية (Spatial Alignment)
تقنية تضمن التطابق الدقيق بين مواضع البكسل في خرائط الميزات ذات المقاييس المختلفة عند الدمج عبر وصلات التخطي.
تدرج التجزئة (Segmentation Gradient)
تدفق الانتشار العكسي الذي يحسب كيف يؤثر كل وزن في الشبكة الالتفافية الكاملة (FCN) على خطأ التجزئة بكسلًا ببكسل، وهو ضروري للتحسين الشامل.
التنظيم المكاني (Spatial Regularization)
قيد إضافي لدالة الخسارة لتشجيع الاتساق المكاني للتنبؤات، مما يقلل الضوضاء والتشوهات في خرائط التجزئة.
أخذ عينات البكسل (Pixel Sampling)
استراتيجية لاختيار مجموعة فرعية من البكسلات لحساب الخسارة، مما يوازن بين الفئات النادرة ويسرع تدريب الشبكات الالتفافية الكاملة (FCN) على الصور عالية الدقة.
السياق الدلالي (Semantic Context)
معلومات العلاقة بين البكسلات التي تلتقطها الطبقات العميقة لشبكة FCN، مما يسمح بتنبؤات متسقة بناءً على الفهم الشامل للمشهد.
التدريب المسبق بالتصنيف (Classification Pretraining)
استراتيجية لتهيئة أوزان شبكة FCN باستخدام شبكة مدربة مسبقًا على تصنيف الصور، مما يسرع التقارب ويحسن التعميم.