قاموس الذكاء الاصطناعي

📖

المصطلحات

CSPDarknet53

العمود الفقري المحسّن لـ YOLOv5 الذي يستخدم تقنية شبكة الأجزاء المتقاطعة (Cross Stage Partial Network) لتقليل الحمل الحسابي مع الحفاظ على دقة استخلاص الميزات.

📖

المصطلحات

Focus Layer

طبقة إدخال خاصة بـ YOLOv5 تطبق إعادة ترتيب مكاني ودمج لزيادة الدقة المكانية مع تقليل القنوات، مما يحسن السرعة دون فقدان المعلومات.

📖

المصطلحات

SPP Module

وحدة تجميع الهرم المكاني (Spatial Pyramid Pooling) المدمجة في YOLOv5 لاستخلاص الميزات على مقاييس مكانية مختلفة دون الحاجة إلى مدخلات ذات حجم ثابت، مما يعزز متانة النموذج.

📖

المصطلحات

Mosaic Data Augmentation

تقنية تعزيز البيانات الحصرية لـ YOLO التي تجمع 4 صور في صورة واحدة، مما يجبر النموذج على تعلم اكتشاف الكائنات في سياقات متنوعة ومرئية جزئيًا.

📖

المصطلحات

YOLOv5s/m/l/x

متغيرات حجم نموذج YOLOv5 التي تقدم مقايضات مختلفة بين السرعة والدقة: صغيرة (s)، متوسطة (m)، كبيرة (l)، وكبيرة جدًا (x).

📖

المصطلحات

IoU Loss

دالة خسارة مستخدمة في YOLOv5 تقيس التداخل بين الصناديق المحيطة المتوقعة والحقائق الأرضية، مما يحسن مباشرة مقياس تقييم IoU.

📖

المصطلحات

YOLOv5u

متغير Ultralytics من YOLOv5 يقدم نهجًا خالٍ من المراسي (anchor-free approach) وتحسينات في التقارب، مستبدلاً صناديق المراسي بالتنبؤ المباشر بأبعاد الكائنات.

📖

المصطلحات

TAL (Task-Aligned Learning)

نهج تعلم في إصدارات YOLO الحديثة يهدف إلى مواءمة تصنيف الكائنات وتحديد مواقعها لتحسين هاتين المهمتين الأساسيتين في وقت واحد.

📖

المصطلحات

YOLOX

تطور لـ YOLO يقدم بنية خالية من المراسي (anchor-free)، وتعلمًا مفصولًا (decoupled learning)، وتحسينات في تعزيز البيانات (data augmentations)، متجاوزًا YOLOv5 في العديد من المعايير.

📖

المصطلحات

YOLOv7

نسخة متقدمة من YOLO تقدم طرق إعادة المعايرة (re-parameterization)، وتوسيع النماذج (model scaling)، وبنيات مركبة قابلة للتوسع (compound scalable architectures) لتحقيق أداء متطور (state-of-the-art).

📖

المصطلحات

AP50:95

مقياس تقييم قياسي في YOLO يقيس متوسط الدقة عبر جميع عتبات IoU من 0.5 إلى 0.95، ويمثل الأداء العام للنموذج.

📖

المصطلحات

CSPNet

تقنية الشبكة الجزئية عبر المراحل (Cross Stage Partial Network) تقلل من معلومات التدرج المكررة (gradient duplicate information) في الشبكات العميقة، وتحسن التوازن بين الدقة والسرعة في YOLOv5.

📖

المصطلحات

ELAN

شبكة تجميع الطبقات الفعالة (Efficient Layer Aggregation Network) تم تقديمها في YOLOv7، تتحكم في مسارات التدرج الأقصر والأطول لتحسين التقارب والكفاءة الحسابية.

📖

المصطلحات

RepConv

إعادة معايرة طبقة الالتفاف (Convolutional layer re-parameterization) تسمح بتحويل فروع متعددة إلى التفاف واحد أثناء الاستدلال (inference)، مما يحسن السرعة دون المساس بالأداء.