এআই গ্লসারি

📖

শব্দ

ক্যাসকেড রিগ্রেশন

একটি পুনরাবৃত্তিমূলক প্রক্রিয়া যেখানে ক্যাসকেডের প্রতিটি ডিটেক্টর পূর্ববর্তী ডিটেক্টরের পূর্বাভাসগুলিকে পরিমার্জন করে, নির্ভুলতা উন্নত করার জন্য ক্রমবর্ধমানভাবে উচ্চতর IoU থ্রেশহোল্ড ব্যবহার করে।

📖

শব্দ

আর-সিএনএন (রিজিওন-বেসড সিএনএন)

ইমেজ থেকে নিষ্কাশিত আগ্রহের অঞ্চলগুলির উপর ভিত্তি করে অবজেক্ট ডিটেকশন আর্কিটেকচারের একটি পরিবার, শ্রেণীবিভাগ এবং লোকালাইজেশনের জন্য আঞ্চলিক প্রস্তাবনাগুলিকে কনভোলিউশনাল নিউরাল নেটওয়ার্কের সাথে একত্রিত করে।

📖

শব্দ

অভিযোজিত IoU থ্রেশহোল্ড

ক্রমবর্ধমান IoU থ্রেশহোল্ডের একটি সেট (সাধারণত ০.৫, ০.৬, ০.৭) যা ক্যাসকেড আর-সিএনএন-এ বিভিন্ন স্তরের ডিটেকশন গুণমান সহ বিশেষায়িত ডিটেক্টরদের প্রশিক্ষণের জন্য ব্যবহৃত হয়।

📖

শব্দ

ডিটেক্টর হেড

ব্যাকবোনের পরে স্থাপন করা শ্রেণীবিভাগ এবং রিগ্রেশন মডিউল, প্রতিটি ROI-এর জন্য অবজেক্টের শ্রেণী ভবিষ্যদ্বাণী করা এবং বাউন্ডিং বক্সের স্থানাঙ্কগুলি পরিমার্জনের দায়িত্বে রয়েছে।

📖

শব্দ

মাল্টি-স্টেজ ট্রেনিং

প্রশিক্ষণের একটি কৌশল যেখানে ক্যাসকেডের ধাপগুলি অনুক্রমিকভাবে প্রশিক্ষিত হয়, প্রতিটি ধাপ পূর্ববর্তী ধাপের আউটপুটগুলিকে ক্রমাগত পরিমার্জনের জন্য ইনপুট হিসাবে ব্যবহার করে।

📖

শব্দ

IoU-সচেতন লস

একটি বিশেষায়িত লস ফাংশন যা অপ্টিমাইজেশনে সরাসরি IoU মেট্রিককে সংহত করে, মডেলটিকে আরও সঠিক লোকালাইজেশন সহ বাউন্ডিং বক্স তৈরি করতে উত্সাহিত করে।

📖

শব্দ

প্রোগ্রেসিভ IoU থ্রেশহোল্ড

ক্রমবর্ধমান IoU থ্রেশহোল্ডের একটি অনুক্রম যা ক্যাসকেড আর-সিএনএন-এ ব্যবহৃত হয় যেখানে প্রতিটি পরবর্তী ধাপ শুধুমাত্র পূর্ববর্তী ধাপের থ্রেশহোল্ডের চেয়ে বেশি IoU সহ নমুনাগুলিতে প্রশিক্ষণ দেয়।

📖

শব্দ

প্রাসঙ্গিক যুক্তি

জটিল দৃশ্যগুলিতে বিশেষভাবে গুরুত্বপূর্ণ, ডিটেকশনের নির্ভুলতা উন্নত করার জন্য অবজেক্টগুলির মধ্যে স্থানিক এবং প্রাসঙ্গিক সম্পর্ক বিবেচনা করার মডেলের ক্ষমতা।