Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Régression en cascade
Processus itératif où chaque détecteur de la cascade affine les prédictions du détecteur précédent, utilisant des thresholds IoU progressivement plus élevés pour améliorer la précision.
R-CNN (Region-based CNN)
Famille d'architectures de détection d'objets basées sur des régions d'intérêt extraites d'images, combinant des propositions de régions avec des réseaux neuronaux convolutifs pour la classification et localisation.
Seuils de IoU adaptatifs
Ensemble de thresholds IoU croissants (typiquement 0.5, 0.6, 0.7) utilisés dans Cascade R-CNN pour entraîner des détecteurs spécialisés avec différents niveaux de qualité de détection.
Head détecteur
Module de classification et régression placé après le backbone, responsable de prédire la classe des objets et de raffiner les coordonnées des boîtes englobantes pour chaque ROI.
Multi-stage training
Stratégie d'entraînement où les étapes de la cascade sont entraînées séquentiellement, chaque étape utilisant les sorties de l'étape précédente comme entrées pour un raffinement progressif.
IoU-aware loss
Fonction de perte spécialisée intégrant directement la métrique IoU dans l'optimisation, encourageant le modèle à produire des boîtes englobantes avec des localisations plus précises.
Progressive IoU thresholds
Sequence croissante de seuils IoU utilisés dans Cascade R-CNN où chaque étape successive n'entraîne que sur les échantillons avec IoU supérieur au seuil de l'étape précédente.
Contextual reasoning
Capacité du modèle à considérer les relations spatiales et contextuelles entre les objets pour améliorer la précision de détection, particulièrement importante dans les scènes complexes.