এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
মাল্টি-স্কেল ডিটেকশন হেড
অবজেক্ট ডিটেক্টরগুলির একটি উপাদান যা বৈশিষ্ট্য পিরামিডের বিভিন্ন স্তরে পূর্বাভাস প্রয়োগ করে, বিভিন্ন আকারের বস্তু সনাক্তকরণ অপ্টিমাইজ করার জন্য প্রতিটি স্কেলের জন্য নির্দিষ্ট স্তর ব্যবহার করে।
অ্যাডাপটিভ অ্যাঙ্কর
একটি কৌশল যেখানে অ্যাঙ্কর বক্সগুলি ডেটাসেটে বস্তুর মাত্রার পরিসংখ্যানের ভিত্তিতে গতিশীলভাবে তৈরি করা হয়, এইভাবে ছোট বস্তু এবং অ্যাঙ্করগুলির মধ্যে সারিবদ্ধতা উন্নত করে।
ফোকাল লস
একটি পরিবর্তিত লস ফাংশন যা সহজে শ্রেণীবদ্ধ করা উদাহরণগুলির অবদান হ্রাস করে এবং কঠিন উদাহরণগুলিতে মনোনিবেশ করে, ছোট বস্তু সনাক্তকরণের অন্তর্নিহিত শ্রেণী ভারসাম্যহীনতা পরিচালনার জন্য বিশেষভাবে কার্যকর।
পাথ অ্যাগ্রিগেশন নেটওয়ার্ক (PANet)
একটি আর্কিটেকচার যা নিম্ন এবং উচ্চ স্তরের মধ্যে শর্টকাট তৈরি করে বৈশিষ্ট্য পিরামিড নেটওয়ার্কে তথ্য প্রবাহ উন্নত করে, ছোট বস্তুগুলির জন্য অবস্থান তথ্য আরও ভালভাবে সংরক্ষণ করে।
ডিটেকশন-গাইডেড সুপার-রেজোলিউশন
একটি পদ্ধতি যা শ্রেণীবিভাগের আগে বৈশিষ্ট্য মানচিত্র বা আগ্রহের অঞ্চলের রেজোলিউশন বৃদ্ধি করে, ছোট বস্তুগুলিকে আরও সনাক্তযোগ্য করতে সুপার-রেজোলিউশন কৌশল ব্যবহার করে।
ফিচার ডাইলেশন
একটি কৌশল যা স্থানিক রেজোলিউশন হারানো ছাড়াই নিউরনের রিসেপ্টিভ ফিল্ড বৃদ্ধি করে, ছোট বস্তুগুলির সঠিক অবস্থান বজায় রাখার সময় তাদের চারপাশের আরও প্রসঙ্গ ক্যাপচার করতে সক্ষম করে।
কিপয়েন্ট স্যাম্পলিং
একটি পদ্ধতি যা একটি ছোট বস্তু অঞ্চলের সবচেয়ে তথ্যপূর্ণ পয়েন্টগুলি থেকে বৈশিষ্ট্যগুলি নির্বাচনীভাবে নমুনা করে, গ্লোবাল পুলিং ব্যবহার করার পরিবর্তে যা গুরুত্বপূর্ণ বিবরণ ডুবিয়ে দিতে পারে।
স্পেসিয়াল অ্যাটেনশন মডিউল
একটি মেকানিজম যা বৈশিষ্ট্য মানচিত্রের বিভিন্ন স্থানিক অঞ্চলের গুরুত্ব ওজন করতে শেখে, নেটওয়ার্কটিকে প্রাসঙ্গিক ছোট বস্তু ধারণকারী এলাকায় ফোকাস করতে সক্ষম করে।
বৈশিষ্ট্য পুনঃশনাক্তকরণ
একটি প্রক্রিয়া যা নিম্ন-স্তরের বৈশিষ্ট্যগুলিকে নেটওয়ার্কের গভীর স্তরে পুনরায় ইনজেক্ট করে, ক্রমাগত ডাউনস্যাম্পলিং অপারেশনের সময় হারিয়ে যাওয়া সূক্ষ্ম বিবরণ পুনরুদ্ধারে সহায়তা করে।
বহুমাত্রিক প্রসঙ্গ
একটি ছোট বস্তুর শ্রেণীবিভাগ উন্নত করার জন্য তার চারপাশের বিভিন্ন স্থানিক স্কেল থেকে প্রাপ্ত প্রাসঙ্গিক তথ্য ব্যবহার করা, বস্তু এবং তার পরিবেশের মধ্যে সম্পর্ক কাজে লাগিয়ে।
ছোট বস্তুর জন্য উপযুক্ত ডেটা অগমেন্টেশন
প্রশিক্ষণ ডেটাসেটে ছোট বস্তুর উপস্থিতি এবং পরিবর্তনশীলতা বাড়ানোর জন্য বিশেষভাবে ডিজাইন করা ইমেজ ট্রান্সফর্মেশন কৌশল, যেমন নির্বাচনী জুম বা বস্তু কপি-পেস্ট।
আকার-ওজনযুক্ত IoU
একটি মূল্যায়ন মেট্রিক যা ছোট বস্তুর সঠিক ভবিষ্যদ্বাণীগুলিকে ইন্টারসেকশন ওভার ইউনিয়ন গণনা করার সময় বেশি ওজন দেয়, তাদের সনাক্তকরণের অসুবিধা এবং গুরুত্ব আরও ভালভাবে প্রতিফলিত করে।
ক্যাসকেড ডিটেকশন হেড
একটি আর্কিটেকচার যেখানে একাধিক ডিটেকশন হেড ক্রমানুসারে স্থাপন করা হয়, প্রতিটি হেড আগেরটির ভবিষ্যদ্বাণীগুলিকে ক্রমবর্ধমান কঠোর IoU থ্রেশহোল্ড দিয়ে পরিমার্জন করে, ছোট বস্তুর মতো কঠিন বস্তুগুলিতে নির্ভুলতা উন্নত করে।
দ্বি-দিকীয় বৈশিষ্ট্য ফিউশন
একটি কৌশল যা উচ্চ-স্তরের (সিম্যান্টিক) এবং নিম্ন-স্তরের (স্থানিক) বৈশিষ্ট্যগুলি উভয় দিকেই একত্রিত করে, যাতে গভীর স্তরগুলি ছোট বস্তুগুলিকে আরও ভালভাবে সনাক্ত করার জন্য সঠিক অবস্থানগত তথ্য পায়।
বৈশিষ্ট্য হাইলাইটিং
একটি পদ্ধতি যা ছোট নকশা বা টেক্সচার দ্বারা সক্রিয় নিউরনের প্রতিক্রিয়া প্রশস্ত করে, পটভূমির শব্দের তুলনায় ছোট বস্তুর বৈশিষ্ট্যগুলিকে আরও বিশিষ্ট করে তোলে।
সনাক্তকরণের জন্য কনট্রাস্টিভ লার্নিং
একটি প্রশিক্ষণ পদ্ধতি যা নেটওয়ার্ককে একই রকম ছোট বস্তুর বৈশিষ্ট্যগুলিকে কাছাকাছি আনা এবং ভিন্ন বস্তু বা পটভূমির বৈশিষ্ট্যগুলিকে দূরে সরানোর শেখায়, তাদের পৃথকীকরণ ক্ষমতা উন্নত করে।