Glosario IA
El diccionario completo de la Inteligencia Artificial
FCOS (Fully Convolutional One-Stage)
Método de detección totalmente convolucional y sin anclajes que trata la detección como un problema de predicción densa por píxel, utilizando pirámides de características multiescala.
CornerNet
Arquitectura innovadora que detecta las esquinas superior izquierda e inferior derecha de los objetos utilizando redes de puntos clave, y luego asocia estos pares de esquinas para formar cuadros delimitadores.
Heatmap Prediction
Técnica fundamental en la detección sin anclajes donde la red genera mapas de calor que indican las probabilidades de presencia de objetos en cada posición espacial.
Keypoint-based Detection
Paradigma de detección que utiliza puntos clave característicos (esquinas, centros, puntos extremos) en lugar de cuadros de anclaje, ofreciendo una representación más natural y flexible de los objetos.
Gaussian Representation
Representación de objetos mediante distribuciones gaussianas en los mapas de calor, donde la desviación estándar es proporcional al tamaño del objeto para una mejor localización.
Peak Finding
Proceso de extracción de las posiciones de los objetos en los mapas de calor identificando los máximos locales que corresponden a los centros o puntos clave de los objetos detectados.
Dense Prediction
Enfoque donde cada píxel o punto de la característica produce una predicción, eliminando la necesidad de anclajes predefinidos y permitiendo una predicción completa de la escena.
Center-to-Corner Assignment
Estrategia de emparejamiento que asocia los puntos centrales detectados con las esquinas correspondientes para formar cuadros delimitadores completos en los enfoques híbridos centro-esquina.
FoveaBox
Método de detección sin anclaje inspirado en el sistema visual humano, que predice la presencia de objetos a diferentes escalas utilizando una visión foveal progresiva.
Detección de Puntos Extremos
Técnica que identifica los puntos extremos (superior, inferior, izquierdo, derecho) de los objetos para reconstruir con precisión las cajas delimitadoras, particularmente eficaz para objetos alargados.
Regresión Basada en el Centro
Enfoque donde las dimensiones y los desplazamientos de las cajas se regresan a partir de los puntos centrales detectados, simplificando el proceso de predicción y eliminando los desequilibrios de muestreo.
Abstracción de Conjunto de Puntos
Técnica inspirada en PointNet aplicada a la detección de objetos, que trata los puntos predichos como un conjunto y utiliza operaciones de abstracción para agregar la información espacial.
Detección Basada en Tokens
Paradigma moderno que utiliza tokens posicionales para representar objetos en un espacio de detección discreto, eliminando los anclajes en favor de representaciones tokenizadas aprendibles.
Asignación Unificada de Ground Truth
Estrategia de asignación unificada para detecciones sin anclaje, eliminando los hiperparámetros complejos relacionados con los umbrales de IoU y las relaciones de aspecto de los anclajes.