قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Semantic Embedding
Représentation vectorielle dense des classes dans un espace sémantique où les relations entre concepts sont préservées, permettant au modèle de comprendre les similarités entre classes jamais vues.
Attribute-Based Classification
Approche où les objets sont décrits par un ensemble d'attributs sémantiques interprétables, permettant la classification de nouvelles classes en combinant ces attributs prédéfinis.
Seen Classes
Ensemble des catégories d'objets utilisées pendant la phase d'entraînement du modèle, pour lesquelles des exemples visuels sont disponibles pour l'apprentissage des représentations.
Unseen Classes
Catégories d'objets absentes des données d'entraînement mais que le modèle doit identifier lors de l'inférence en utilisant uniquement des descriptions sémantiques ou des attributs.
Visual-Semantic Mapping
Fonction d'apprentissage qui projette les caractéristiques visuelles des images dans l'espace sémantique où résident les descriptions textuelles des classes.
Compatibility Function
Fonction mesurant la similarité entre une représentation visuelle et une représentation sémantique, utilisée pour assigner la classe la plus probable à une instance donnée.
Generalized Zero-Shot Learning
Extension du ZSL où le modèle doit classifier à la fois des classes vues et non vues, introduisant un biais de classification vers les classes familières rencontré pendant l'entraînement.
Transductive Zero-Shot Learning
Variante du ZSL où le modèle a accès aux données de test des classes non vues pendant l'entraînement, mais sans leurs étiquettes, permettant un meilleur alignement des espaces.
Inductive Zero-Shot Learning
Approche ZSL classique où le modèle apprend uniquement à partir des classes vues et doit généraliser complètement aux classes non vues sans accès aux données de test.
Cross-Modal Transfer
Transfert de connaissances entre différentes modalités de données, comme du texte vers les images, essentiel pour le ZSL où les descriptions textuelles guident la reconnaissance visuelle.
Semantic Space
Espace vectoriel de haute dimension où les concepts et classes sont représentés, préservant les relations sémantiques et permettant des raisonnements sur des similarités conceptuelles.
Label Embedding
Technique transformant les étiquettes de classes en vecteurs continus dans un espace sémantique, permettant aux modèles de traiter les sorties de classification comme des problèmes de régression.
Feature Projection
Opération mathématique transformant les caractéristiques visuelles extraites des images pour les aligner avec les représentations sémantiques des classes dans un espace commun.
Zero-Shot Domain Adaptation
Combinaison du ZSL et de l'adaptation de domaine où le modèle doit classifier des classes non vues dans un domaine cible différent de celui des données d'entraînement.
Hierarchical Zero-Shot Learning
Approche exploitant la structure hiérarchique des classes pour améliorer la généralisation vers des catégories non vues en utilisant les relations parent-enfant entre concepts.
Generative Zero-Shot Learning
Méthode utilisant des modèles génératifs pour synthétiser des caractéristiques visuelles des classes non vues, transformant le ZSL en problème de classification supervisée classique.