🏠 Inicio
Pruebas de rendimiento
📊 Todos los benchmarks 🦖 Dinosaurio v1 🦖 Dinosaurio v2 ✅ Aplicaciones To-Do List 🎨 Páginas libres creativas 🎯 FSACB - Showcase definitivo 🌍 Benchmark de traducción
Modelos
🏆 Top 10 modelos 🆓 Modelos gratuitos 📋 Todos los modelos ⚙️ Kilo Code
Recursos
💬 Biblioteca de prompts 📖 Glosario de IA 🔗 Enlaces útiles

Glosario IA

El diccionario completo de la Inteligencia Artificial

231
categorías
2.999
subcategorías
35.535
términos
📖
términos

Conexiones de Omisión (Skip Connections)

Enlaces directos que omiten una o más capas de la red, permitiendo preservar la información espacial fina en el codificador y transferirla al decodificador.

📖
términos

Relleno 'Espejo' (Mirror Padding)

Técnica de relleno de bordes de imagen mediante reflexión de píxeles, utilizada en U-Net para evitar la pérdida de información en los bordes durante las convoluciones sin relleno.

📖
términos

Pérdida de Dice (Dice Loss)

Función de costo basada en el coeficiente de Dice, optimizada para problemas de segmentación desequilibrados midiendo la superposición entre predicción y verdad de terreno.

📖
términos

Segmentación Multiclase

Extensión de U-Net para predecir simultáneamente múltiples clases de objetos, utilizando una capa de salida con activación softmax y codificación one-hot de las etiquetas.

📖
términos

U-Net++ (U-Net Anidado)

Variante mejorada de U-Net que introduce conexiones de omisión anidadas y bloques de reducción de dimensión, reduciendo el gradiente de fuga y mejorando la fusión de características.

📖
términos

U-Net de Atención

Arquitectura U-Net aumentada con mecanismos de atención que ponderan las características de las conexiones de omisión, permitiendo al modelo concentrarse en las estructuras más relevantes.

📖
términos

Tasa de Superposición de Intersección sobre Unión (IoU)

Métrica de evaluación que mide la relación entre la intersección y la unión de las máscaras de segmentación predichas y reales, estándar para evaluar el rendimiento de U-Net.

📖
términos

Bloque Convolutivo

Unidad básica de U-Net compuesta por dos convoluciones 3x3 sucesivas con activación ReLU y normalización por lotes, seguidas de una operación de pooling en el codificador.

🔍

No se encontraron resultados