Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Boîte Englobante Orientée
Une forme de détection d'objet où la boîte de prédiction est définie par son centre, sa largeur, sa hauteur et un angle de rotation, permettant de mieux encadrer des objets allongés ou inclinés.
Angle de Prédiction
La valeur angulaire, généralement en radians ou degrés, prédite par un modèle pour orienter une boîte englobante, essentielle pour la détection d'objets non-axiaux.
Représentation Paramétrique
Une méthode pour décrire une boîte rotative par un ensemble de paramètres (x, y, w, h, θ) au lieu des coordonnées de ses quatre sommets, optimisant les calculs de perte.
Perte de Régression d'Angle
Une fonction de coût spécifique qui pénalise les écarts entre l'angle prédit et l'angle réel de la boîte englobante, souvent basée sur la perte L1 ou L2.
Problème de Périodicité
L'ambiguïté où une boîte orientée par un angle θ et une autre par θ+π représentent la même boîte, ce qui complique la régression d'angle et nécessite des stratégies de codage spécifiques.
Codage Sinus-Cosinus
Une technique pour représenter l'angle d'une boîte rotative en utilisant les valeurs sin(θ) et cos(θ) afin d'éviter le problème de discontinuité à la frontière de π/2.
IoU Rotatif (Rotated IoU)
Une métrique d'évaluation qui calcule l'Intersection sur Union entre deux boîtes englobantes orientées, tenant compte de leur rotation respective pour mesurer la précision de la détection.
Ancre Orientée (Oriented Anchor)
Des boîtes de référence prédéfinies avec différentes tailles, rapports d'aspect et angles, utilisées par les modèles à base d'ancres pour prédire des boîtes rotatives plus précisément.
Détection sans Ancre Orientée
Une approche de détection qui prédit directement les paramètres de la boîte rotative à partir de points clés de l'image, sans utiliser de boîtes d'ancres prédéfinies.
Régression des Cinq Paramètres
Le processus de prédiction simultanée des cinq paramètres définissant une boîte rotative : les coordonnées du centre (x, y), la largeur (w), la hauteur (h) et l'angle de rotation (θ).
NMS Rotatif (Rotated NMS)
Une variante de l'algorithme de Non-Maximum Suppression qui calcule le chevauchement entre des boîtes orientées en utilisant l'IoU rotatif pour éliminer les détections redondantes.
Perte de Focalisation d'Angle
Une fonction de perte avancée qui accorde plus de poids aux échantillons avec des erreurs d'angle mal classées, améliorant la robustesse du modèle pour les objets fortement inclinés.
Détection Multi-Orientation
La capacité d'un modèle à détecter des objets avec des orientations variées au sein d'une même image, un défi clé pour les systèmes de conduite autonome ou d'imagerie aérienne.
Agrégation de Caractéristiques Orientées
Une technique où les caractéristiques extraites d'une région d'intérêt sont alignées ou transformées en fonction de l'orientation prédite avant la classification finale.
Régression des Sommets (Vertex Regression)
Une alternative à la régression des cinq paramètres, qui consiste à prédire directement les coordonnées des quatre sommets de la boîte rotative, offrant une plus grande flexibilité de forme.
Perte de Skewness
Une fonction de perte qui pénalise les boîtes prédites dont l'orientation est incorrecte par rapport à l'axe principal de l'objet, mesurant l'asymétrie de la prédiction.
Calibration d'Angle
Un post-traitement ou une couche de réseau dédiée à affiner les prédictions d'angle pour corriger les erreurs systématiques du modèle, souvent basé sur une régression fine.