এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
এফপিএন (ফিচার পিরামিড নেটওয়ার্ক)
কনভোলিউশনাল নিউরাল নেটওয়ার্ক আর্কিটেকচার যা একটি টপ-ডাউন পথ এবং ল্যাটেরাল কানেকশনের মাধ্যমে উচ্চ-স্তরের ফিচার পিরামিড তৈরি করে, সব স্কেলে অবজেক্ট ডিটেকশন উন্নত করে।
পিএএনেট (পাথ অ্যাগ্রিগেশন নেটওয়ার্ক)
এফপিএন-এর উন্নত সংস্করণ যা নিম্ন এবং উচ্চ স্তরের মধ্যে তথ্য প্রবাহ সংক্ষিপ্ত করতে একটি বটম-আপ পথ যোগ করে, ফিচার লোকালাইজেশন এবং নেটওয়ার্ক জুড়ে তথ্য প্রসারণ শক্তিশালী করে।
টপ-ডাউন পথ
এফপিএন-এর অংশ যা বিমূর্ত স্তর থেকে উচ্চ-রেজোলিউশন ফিচার ম্যাপগুলিকে আপস্যাম্পল করে, সমৃদ্ধ সেমান্টিক ফিচার সহ ছোট বস্তুগুলির পূর্বাভাস দেওয়ার অনুমতি দেয়।
বটম-আপ পথ
পিএএনেটের মতো আর্কিটেকচারে, এই পথ নিম্ন-স্তরের ফিচারগুলিকে উচ্চ স্তরে প্রসারিত করতে শক্তিশালী করে, ছোট আকারের বস্তুগুলির জন্য লোকালাইজেশন নির্ভুলতা উন্নত করে।
এনএএস-এফপিএন (নিউরাল আর্কিটেকচার সার্চ এফপিএন)
ফিচার পিরামিড যার গঠন স্বয়ংক্রিয়ভাবে নিউরাল আর্কিটেকচার সার্চ দ্বারা আবিষ্কৃত হয়, অবজেক্ট ডিটেকশনে সর্বাধিক কর্মক্ষমতার জন্য স্কেলগুলির মধ্যে সংযোগগুলি অপ্টিমাইজ করে।
বাইএফপিএন (বাইডাইরেকশনাল ফিচার পিরামিড নেটওয়ার্ক)
কার্যকরী এফপিএন আর্কিটেকচার যা বাইডাইরেকশনাল কানেকশন (টপ-ডাউন এবং বটম-আপ) এবং ওয়েটেড ফিচার ফিউশন ব্যবহার করে, কম্পিউটেশনাল জটিলতা হ্রাস করার সময় নির্ভুলতা উন্নত করে।
ওয়েটেড ফিচার ফিউশন
বাইএফপিএনের মতো আর্কিটেকচারে ব্যবহৃত প্রক্রিয়া যেখানে বিভিন্ন ফিচার ম্যাপের অবদান ওজনযুক্ত এবং শেখার যোগ্য, নেটওয়ার্ককে প্রতিটি স্কেলের গুরুত্ব নির্ধারণ করতে দেয়।
মাল্টি-স্কেল অ্যাঙ্কর বক্স
ফিচার পিরামিডের প্রতিটি স্তরে বিভিন্ন আকার এবং অ্যাসপেক্ট রেশিও সহ অ্যাঙ্কর বক্স ব্যবহার, বিভিন্ন আকারের বস্তু এবং প্রস্তাবগুলির মধ্যে আরও ভাল ফিট নিশ্চিত করে।
মাল্টি-স্কেল RoIAlign
একটি রিজিওন অফ ইন্টারেস্ট (RoI) এর আকারের জন্য সবচেয়ে উপযুক্ত ফিচার পিরামিডে RoIAlign অপারেশন প্রয়োগ করা, যাতে সব আকারের অবজেক্টের জন্য সঠিক ফিচার এক্সট্রাকশন নিশ্চিত হয়।
এনকর-ফ্রি মাল্টি-স্কেল ডিটেকশন
একটি ডিটেকশন পদ্ধতি যা ফিচার পিরামিডের একাধিক লেভেলে সরাসরি অবজেক্টের কী পয়েন্ট বা সেন্টার প্রেডিক্ট করে, পূর্বনির্ধারিত অ্যাঙ্কর বক্সের প্রয়োজনীয়তা দূর করে।
এট্রাস স্পেশিয়াল পিরামিড পুলিং (ASPP)
একটি মডিউল যা বিভিন্ন ডাইলেশন রেট সহ এট্রাস কনভোলিউশন ব্যবহার করে একাধিক স্কেলে কনটেক্সট ক্যাপচার করে, স্কেল ভেরিয়েশন হ্যান্ডেল করার জন্য প্রায়ই ডিটেকশন আর্কিটেকচারে ইন্টিগ্রেটেড থাকে।
ট্রাইডেন্টনেট
একটি ডিটেকশন আর্কিটেকচার যা সমান্তরাল প্রসেসিং ব্রাঞ্চ তৈরি করে, যেখানে প্রতিটি ব্রাঞ্চ নির্দিষ্ট অবজেক্ট স্কেল রেঞ্জের জন্য বিশেষায়িত এবং কম্পিউটেশনাল দক্ষতার জন্য ওয়েট শেয়ার করে।
এসএফ-নেট (স্কেল ফিউশন নেটওয়ার্ক)
একটি নেটওয়ার্ক যা স্পষ্টভাবে বিভিন্ন স্কেলের ফিচারগুলিকে অ্যাটেনশন মেকানিজম ব্যবহার করে ফিউজ করে, প্রতিটি ডিটেক্টেড অবজেক্টের জন্য সবচেয়ে প্রাসঙ্গিক স্কেলগুলিকে হাইলাইট করার জন্য।
এম২ডেট (মাল্টি-লেভেল মাল্টি-স্কেল ডিটেক্টর)
একটি ডিটেক্টর যা মাল্টি-লেভেল ফিচার পিরামিড (MLFPN) তৈরি করে আরও সমৃদ্ধ এবং বৈষম্যমূলক মাল্টি-স্কেল রিপ্রেজেন্টেশন শেখার জন্য, খুব ভিন্ন আকারের অবজেক্ট ডিটেকশন উন্নত করে।
ক্যাসকেড আর-সিএনএন মাল্টি-স্কেল
ক্যাসকেড আর-সিএনএন-এর এক্সটেনশন যেখানে ক্যাসকেডের প্রতিটি স্টেজ ফিচার পিরামিডের ভিন্ন লেভেলে অপারেট করে, ক্রমান্বয়ে আরও সঠিক স্কেলে ডিটেকশন রিফাইন করে।