قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Carte de Segmentation (Segmentation Map)
Sortie d'un modèle de segmentation, représentée comme une image de même taille que l'entrée où chaque pixel est coloré ou étiqueté selon la classe sémantique prédite.
Convolution Atrous (Dilated Convolution)
Opération de convolution qui insère des espaces entre les pixels du noyau, permettant d'augmenter le champ de réception des neurones et de capturer le contexte à plus grande échelle sans augmenter le coût computationnel.
ASPP (Atrous Spatial Pyramid Pooling)
Module qui applique des convolutions atrous avec différents taux de dilatation en parallèle pour capturer des caractéristiques multi-échelles, essentiel pour segmenter des objets de tailles variées.
Perte de Croisement d'Entropie (Cross-Entropy Loss)
Fonction de perte standard pour les tâches de classification, y compris la segmentation sémantique, qui mesure la divergence entre la distribution de probabilité prédite et la distribution réelle des étiquettes de classe.
Perte de Dice (Dice Loss)
Fonction de perte dérivée du coefficient de Dice, optimisée pour maximiser la superposition entre la prédiction et la vérité terrain, particulièrement efficace pour gérer les déséquilibres de classes.
Fonction de Puce (Softmax)
Fonction d'activation appliquée sur la dernière couche d'un réseau de segmentation pour convertir les scores de classe (logits) en une distribution de probabilité sur les classes pour chaque pixel.
Chemin Encodeur-Décodeur
Structure d'architecture où l'encodeur réduit la dimension spatiale tout en extrayant des caractéristiques de haut niveau, et le décodeur reconstruit la résolution spatiale pour générer la carte de segmentation finale.
Classes 'Stuff' vs 'Thing'
Distinction conceptuelle où les classes 'stuff' (ex: ciel, route) sont des régions amorphes sans forme définie, et les classes 'thing' (ex: voitures, personnes) sont des objets dénombrables avec des instances distinctes.