Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Convolution Dilatée (ou Atrous Convolution)
Opération de convolution qui insère des espaces entre les éléments du noyau, permettant d'augmenter le champ récepteur sans augmenter le nombre de paramètres ni la complexité de calcul.
Taux de Dilatation (Dilation Rate)
Paramètre des convolutions dilatées qui définit l'espacement entre les pixels du noyau de convolution, contrôlant directement l'augmentation du champ récepteur.
Encoder-Decoder avec Atrous Convolution
Architecture de DeepLabv3+ qui combine un encodeur puissant (ex: ResNet) avec un décodeur simple et efficace pour affiner les prédictions de segmentation tout en préservant les détails des bords.
Facteur de Réduction de Résolution (Output Stride)
Rapport entre la résolution de l'image d'entrée et celle des cartes de caractéristiques finales; DeepLab utilise souvent un 'output stride' de 16 ou 8 pour équilibrer précision et vitesse.
Image-Level Features
Caractéristiques globales extraites de l'image entière, souvent via du pooling global, et intégrées dans le module ASPP de DeepLab pour améliorer la classification des classes de contexte.
DeepLabv1
Première version de DeepLab qui a introduit l'utilisation de convolutions dilatées dans des réseaux fully convolutionnels (FCN) pour la segmentation sémantique, augmentant le champ récepteur sans perte de résolution.
DeepLabv2
Version de DeepLab qui a intégré le module Atrous Spatial Pyramid Pooling (ASPP) pour capturer efficacement le contexte multi-échelle, devenant une référence pour la segmentation sémantique.
DeepLabv3
Itération qui a amélioré le module ASPP en ajoutant du pooling global et des convolutions 1x1, et a exploré l'application de convolutions dilatées en cascade pour une meilleure performance.
DeepLabv3+
Dernière version majeure qui ajoute un décodeur simple mais efficace à l'architecture de DeepLabv3, affinant les prédictions de segmentation en fusionnant des caractéristiques bas-niveau et haut-niveau.
Fully Connected Conditional Random Field (CRF)
Méthode de post-traitement utilisée dans les premières versions de DeepLab pour affiner les bords des prédictions de segmentation en modélisant les relations entre tous les pixels de l'image.
Upsampling par Bilinear Interpolation
Technique utilisée dans DeepLab pour restaurer la résolution spatiale des cartes de caractéristiques après les convolutions dilatées, afin de produire une carte de segmentation de la même taille que l'image d'entrée.
Contextual Aggregation
Principe fondamental de DeepLab visant à agréger les informations contextuelles de différentes portées spatiales grâce aux convolutions dilatées et au module ASPP pour une prédiction plus robuste.