এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
আর-সিএনএন (আর-সিএনএন বৈশিষ্ট্য সহ অঞ্চল)
দুই-পর্যায়ের শনাক্তকরণ অ্যালগরিদম যা প্রথমে সিলেক্টিভ সার্চের মাধ্যমে প্রার্থী অঞ্চলগুলি আহরণ করে, তারপর একটি পূর্ব-প্রশিক্ষিত কনভোলিউশনাল নিউরাল নেটওয়ার্ক দিয়ে প্রতিটি অঞ্চল শ্রেণীবদ্ধ করে।
সিলেক্টিভ সার্চ
ক্রমবর্ধমান বিভাজন পদ্ধতি যা রঙ, টেক্সচার এবং আকারের ভিত্তিতে অনুরূপ পিক্সেলগুলিকে গোষ্ঠীবদ্ধ করে প্রার্থী অঞ্চলের প্রস্তাব তৈরি করে।
আরওআই পুলিং (আগ্রহের অঞ্চল পুলিং)
নিউরাল নেটওয়ার্ক স্তর যা শ্রেণীবদ্ধকারীর জন্য পরিবর্তনশীল আকারের প্রার্থী অঞ্চলগুলিকে একটি নির্দিষ্ট আকারের আউটপুটে রূপান্তর করে, স্থানিক বৈশিষ্ট্যগুলি সংরক্ষণ করে।
আরপিএন (অঞ্চল প্রস্তাব নেটওয়ার্ক)
সম্পূর্ণ কনভোলিউশনাল সাব-নেটওয়ার্ক যা বৈশিষ্ট্য মানচিত্রের প্রতিটি স্থানিক অবস্থানে একই সাথে আবদ্ধ বাক্স প্রার্থী এবং বস্তুর স্কোর ভবিষ্যদ্বাণী করে।
অ্যাঙ্কর বক্স
পূর্বনির্ধারিত রেফারেন্স বক্স যা বিভিন্ন আকার এবং দিক অনুপাত সহ আরপিএন দ্বারা আবদ্ধ বাক্স ভবিষ্যদ্বাণীগুলিকে স্বাভাবিক করতে এবং অভিসারীতা ত্বরান্বিত করতে ব্যবহৃত হয়।
ফিচার পিরামিড নেটওয়ার্ক (এফপিএন)
আর্কিটেকচার যা পার্শ্বীয় এবং উপরে-নিচে সংযোগ সহ মাল্টি-স্কেল বৈশিষ্ট্য পিরামিড তৈরি করে, ফাস্টার আর-সিএনএনে বিভিন্ন আকারের বস্তু শনাক্তকরণ উন্নত করে।
ক্যাসকেড আর-সিএনএন
মাল্টি-স্টেজ আর্কিটেকচার যেখানে ডিটেক্টরগুলি ক্রমবর্ধমান ইন্টারসেকশন ওভার ইউনিয়ন (আইওইউ) থ্রেশহোল্ড সহ অনুক্রমিকভাবে প্রশিক্ষিত হয়, ধীরে ধীরে বাক্স ভবিষ্যদ্বাণীগুলিকে পরিমার্জন করে।
বাউন্ডিং বক্স রিগ্রেশন
রিগ্রেশন কাজ যা গ্রাউন্ড ট্রুথ বক্সের সাথে ব্যবধান কমানোর জন্য রূপান্তর শিখে পূর্বাভাসিত আবদ্ধ বক্সের স্থানাঙ্কগুলিকে পরিমার্জন করে।
RoIAlign
RoI Pooling-এর উন্নতি যা বিলিনিয়ার স্যাম্পলিং ব্যবহার করে জোরপূর্বক কোয়ান্টাইজেশন এড়ায়, ইনস্ট্যান্স সেগমেন্টেশনের জন্য স্থানিক অ্যালাইনমেন্ট আরও ভালভাবে সংরক্ষণ করে।
Feature Extractor Backbone
মূল CNN নেটওয়ার্ক (যেমন ResNet, VGG, বা EfficientNet) যা ইনপুট ইমেজ থেকে ভিজ্যুয়াল ফিচার এক্সট্র্যাক্ট করে, প্রপোজাল এবং ক্লাসিফিকেশন পর্যায়ে শেয়ার করা হয়।
Two-Stage Detector
ডিটেকশন প্যারাডাইম যা স্পষ্টভাবে ক্যান্ডিডেট রিজিওন জেনারেশনকে সঠিক ক্লাসিফিকেশন এবং লোকালাইজেশন থেকে আলাদা করে, সাধারণত গতির বিনিময়ে আরও ভাল নির্ভুলতা প্রদান করে।
Region Proposal Quality
প্রাসঙ্গিক ক্যান্ডিডেট রিজিওন জেনারেট করার জন্য একটি অ্যালগরিদমের কার্যকারিতার পরিমাপ, বিভিন্ন IoU থ্রেশহোল্ডে গ্রাউন্ড ট্রুথ বক্সের সাথে রিকল দ্বারা মূল্যায়ন করা হয়।
Multi-Scale Training
ট্রেনিং কৌশল যা বিভিন্ন স্কেলে রিসাইজ করা ইমেজ ব্যবহার করে, অবজেক্ট সাইজের ভ্যারিয়েশনের বিরুদ্ধে ডিটেক্টরের রোবাস্টনেস উন্নত করে।
Contextual Reasoning Module
কম্পোনেন্ট যা অবজেক্ট এবং তাদের গ্লোবাল কনটেক্সটের মধ্যে সম্পর্ক মডেল করে ডিটেকশন উন্নত করতে, প্রায়শই অ্যাটেনশন বা গ্রাফ মেকানিজম অন্তর্ভুক্ত করে।