Glosario IA
El diccionario completo de la Inteligencia Artificial
R-CNN (Regiones con características CNN)
Algoritmo pionnero de detección en dos etapas que extrae primero regiones candidatas mediante Búsqueda Selectiva, luego clasifica cada región con una red neuronal convolucional preentrenada.
Búsqueda Selectiva
Método de segmentación jerárquica que genera propuestas de regiones candidatas agrupando píxeles similares basado en color, textura y tamaño.
RoI Pooling (Agrupación de Región de Interés)
Capa de red neuronal que transforma regiones candidatas de tamaños variables en una salida de tamaño fijo para el clasificador, preservando las características espaciales.
RPN (Red de Propuestas de Región)
Subred completamente convolucional que predice simultáneamente cajas delimitadoras candidatas y puntuaciones de objeto en cada posición espacial del mapa de características.
Cajas de Anclaje
Cajas de referencia predefinidas con diferentes tamaños y relaciones de aspecto utilizadas por el RPN para normalizar las predicciones de cajas delimitadoras y acelerar la convergencia.
Red Pirámide de Características (FPN)
Arquitectura que construye una pirámide de características multi-escala con conexiones laterales y de arriba hacia abajo, mejorando la detección de objetos a diferentes tamaños en Faster R-CNN.
Cascade R-CNN
Arquitectura de múltiples etapas donde los detectores se entrenan secuencialmente con umbrales de Intersección sobre Unión (IoU) crecientes, refinando progresivamente las predicciones de cajas.
Regresión de Caja Delimitadora
Tarea de regresión que refina las coordenadas de las cajas delimitadoras predichas aprendiendo transformaciones para minimizar la diferencia con las cajas de verdad terreno.
RoIAlign
Mejora de RoI Pooling que evita la cuantificación forzada utilizando un muestreo bilineal preciso, preservando mejor la alineación espacial para la segmentación de instancia.
Extractor de Características Backbone
Red CNN base (como ResNet, VGG o EfficientNet) que extrae las características visuales de la imagen de entrada, compartida entre las etapas de propuesta y clasificación.
Detector de Dos Etapas
Paradigma de detección que separa explícitamente la generación de regiones candidatas de la clasificación y localización precisas, ofreciendo generalmente mayor precisión a expensas de la velocidad.
Calidad de Propuesta de Región
Medida de la efectividad de un algoritmo para generar regiones candidatas relevantes, evaluada por el recuerdo en diferentes umbrales de IoU con las cajas de verdad terrenal.
Entrenamiento Multi-Escala
Estrategia de entrenamiento que utiliza imágenes redimensionadas a diferentes escalas para mejorar la robustez del detector frente a variaciones de tamaño de objetos.
Módulo de Razonamiento Contextual
Componente que modela las relaciones entre objetos y su contexto global para mejorar la detección, integrando a menudo mecanismos de atención o grafos.