এআই গ্লসারি

📖

শব্দ

ক্লাসিফিকেশন সাবনেট

রেটিনানেটের একটি সাবনেট যা প্রতিটি অ্যাঙ্করের জন্য একটি বস্তুর উপস্থিতির সম্ভাবনা ভবিষ্যদ্বাণী করার দায়িত্বে রয়েছে, প্রতিটিতে ২৫৬টি ফিল্টার সহ ৪টি কনভোলিউশনাল স্তর ব্যবহার করে।

📖

শব্দ

রিগ্রেশন সাবনেট

একটি সমান্তরাল সাবনেট যা প্রতিটি অ্যাঙ্করের জন্য সঠিক বাউন্ডিং বক্সের স্থানাঙ্কগুলি ভবিষ্যদ্বাণী করে, ক্লাসিফিকেশন সাবনেটের সাথে অভিন্ন স্থাপত্য সহ।

📖

শব্দ

রেসনেট ব্যাকবোন

একটি অবশিষ্ট নিউরাল নেটওয়ার্ক যা রেটিনানেটে প্রধান বৈশিষ্ট্য এক্সট্র্যাক্টর হিসাবে ব্যবহৃত হয়, সাধারণত সমৃদ্ধ উপস্থাপনা নিষ্কাশনের জন্য রেসনেট-৫০ বা রেসনেট-১০১।

📖

শব্দ

আলফা প্যারামিটার (γ)

ফোকাল লসের হাইপারপ্যারামিটার (সাধারণত γ=২) যা সঠিকভাবে শ্রেণীবদ্ধ নমুনাগুলির জন্য ক্ষতির হ্রাস হার নিয়ন্ত্রণ করে, কঠিন উদাহরণগুলিতে ফোকাস সামঞ্জস্য করে।

📖

শব্দ

সুষম ফোকাল লস

ফোকাল লসের একটি বৈকল্পিক যা ইতিবাচক এবং নেতিবাচক শ্রেণীর মধ্যে ওজন ভারসাম্য বজায় রাখার জন্য একটি α প্যারামিটার অন্তর্ভুক্ত করে, এইভাবে বিরল বস্তু সনাক্তকরণ অপ্টিমাইজ করে।

📖

শব্দ

পিরামিড স্তর

এফপিএন-এ বৈশিষ্ট্যের স্তর (P2 থেকে P7) ব্যাকবোনের বিভিন্ন স্তর থেকে উৎপন্ন, প্রতিটি একটি নির্দিষ্ট রেজোলিউশন স্কেলে তথ্য ক্যাপচার করে।

📖

শব্দ

বক্স এনকোডিং

পরম স্থানাঙ্কের পরিবর্তে অ্যাঙ্করের সাপেক্ষে অফসেট ব্যবহার করে বাউন্ডিং বক্সের স্থানাঙ্কগুলির প্যারামিটারাইজেশন, নেটওয়ার্কের প্রশিক্ষণ স্থিতিশীল করে।

📖

শব্দ

স্মুথ এল১ লস

রেটিনানেটে বাউন্ডিং বক্স রিগ্রেশনের জন্য ব্যবহৃত ক্ষতি ফাংশন, আউটলায়ারগুলির জন্য আরও ভাল রোবাস্টনেসের জন্য এল১ এবং এল২ লসের সুবিধাগুলি একত্রিত করে।