এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
CSPDarknet53
YOLOv5-এর অপ্টিমাইজড ব্যাকবোন যা ফিচার এক্সট্র্যাকশনের নির্ভুলতা বজায় রাখার সময় কম্পিউটেশনাল লোড কমানোর জন্য ক্রস স্টেজ পার্শিয়াল নেটওয়ার্ক কৌশল ব্যবহার করে।
ফোকাস লেয়ার
YOLOv5-এর নির্দিষ্ট ইনপুট লেয়ার যা স্পেসিয়াল রিজোলিউশন বাড়ানোর জন্য স্পেসিয়াল রি-অ্যারেঞ্জমেন্ট এবং কনক্যাটেনেশন প্রয়োগ করে যখন চ্যানেল কমায়, তথ্য হারানো ছাড়াই গতি উন্নত করে।
এসপিপি মডিউল
YOLOv5-এ অন্তর্ভুক্ত স্পেসিয়াল পিরামিড পুলিং যা নির্দিষ্ট আকারের ইনপুটের প্রয়োজন ছাড়াই বিভিন্ন স্পেসিয়াল স্কেলে ফিচার নিষ্কাশন করে, মডেলের রোবাস্টনেস উন্নত করে।
মোজাইক ডেটা অগমেন্টেশন
YOLO-এর এক্সক্লুসিভ ডেটা অগমেন্টেশন কৌশল যা 4টি ছবিকে একত্রিত করে, মডেলটিকে বিভিন্ন প্রসঙ্গে এবং আংশিকভাবে দৃশ্যমান বস্তু সনাক্ত করতে শেখার জন্য বাধ্য করে।
YOLOv5s/m/l/x
YOLOv5 মডেলের আকারের বৈকল্পিক যা গতি এবং নির্ভুলতার মধ্যে বিভিন্ন ট্রেড-অফ অফার করে: ছোট (s), মাঝারি (m), বড় (l), এবং এক্সট্রা-লার্জ (x)।
আইওইউ লস
YOLOv5-এ ব্যবহৃত লস ফাংশন যা পূর্বাভাসিত বাউন্ডিং বক্স এবং গ্রাউন্ড ট্রুথের মধ্যে ওভারল্যাপ পরিমাপ করে, সরাসরি আইওইু মূল্যায়ন মেট্রিক অপ্টিমাইজ করে।
YOLOv5u
YOLOv5-এর আল্ট্রালাইটিক্স বৈকল্পিক যা অ্যাঙ্কর-ফ্রি অ্যাপ্রোচ এবং কনভারজেন্স উন্নতি প্রবর্তন করে, বস্তুর মাত্রার সরাসরি ভবিষ্যদ্বাণী দিয়ে অ্যাঙ্কর বক্স প্রতিস্থাপন করে।
টিএএল (টাস্ক-অ্যালাইনড লার্নিং)
আধুনিক YOLO বৈকল্পিকগুলিতে লার্নিং অ্যাপ্রোচ যা শ্রেণীবিভাগ এবং বস্তুর লোকালাইজেশন সারিবদ্ধ করে এই দুটি মৌলিক কাজ একই সাথে উন্নত করতে।
YOLOX
YOLO-এর বিবর্তন যা অ্যাঙ্কর-ফ্রি আর্কিটেকচার, ডিকাপল্ড লার্নিং এবং ডেটা অগমেন্টেশনের উন্নতি প্রবর্তন করে, একাধিক বেঞ্চমার্কে YOLOv5 কে ছাড়িয়ে যায়।
YOLOv7
YOLO-এর উন্নত সংস্করণ যা রি-প্যারামিটারাইজেশন পদ্ধতি, মডেল স্কেলিং এবং কম্পাউন্ড স্কেলেবল আর্কিটেকচার প্রবর্তন করে স্টেট-অফ-দ্য-আর্ট পারফরম্যান্স অর্জনের জন্য।
AP50:95
YOLO-তে স্ট্যান্ডার্ড ইভ্যালুয়েশন মেট্রিক যা ০.৫ থেকে ০.৯৫ পর্যন্ত সমস্ত IoU থ্রেশহোল্ডে গড় প্রিসিশন পরিমাপ করে, মডেলের সামগ্রিক পারফরম্যান্স প্রতিনিধিত্ব করে।
CSPNet
ক্রস স্টেজ পার্শিয়াল নেটওয়ার্ক টেকনিক যা গভীর নেটওয়ার্কে গ্রেডিয়েন্ট ডুপ্লিকেট ইনফরমেশন হ্রাস করে, YOLOv5-এ অ্যাকুরেসি এবং স্পিডের মধ্যে ভারসাম্য অপ্টিমাইজ করে।
ELAN
YOLOv7-এ প্রবর্তিত এফিসিয়েন্ট লেয়ার অ্যাগ্রিগেশন নেটওয়ার্ক যা সবচেয়ে ছোট এবং দীর্ঘতম গ্রেডিয়েন্ট পথ নিয়ন্ত্রণ করে কনভারজেন্স এবং কম্পিউটেশনাল এফিসিয়েন্সি উন্নত করে।
RepConv
কনভোলিউশনাল লেয়ার রি-প্যারামিটারাইজেশন যা ইনফারেন্সের সময় একাধিক শাখাকে একটি একক কনভোলিউশনে রূপান্তর করতে দেয়, পারফরম্যান্সের সাথে আপোষ না করে গতি উন্নত করে।