Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Classification Subnet
Sous-réseau de RetinaNet responsable de prédire la probabilité de présence d'un objet pour chaque ancre, utilisant 4 couches convolutives avec 256 filtres chacune.
Regression Subnet
Sous-réseau parallèle qui prédit les coordonnées de boîtes englobantes précises pour chaque ancre, avec une architecture identique au sous-réseau de classification.
ResNet Backbone
Réseau neuronal résiduel utilisé comme extracteur de caractéristiques principal dans RetinaNet, typiquement ResNet-50 ou ResNet-101 pour extraire des représentations riches.
Alpha Parameter (γ)
Hyperparamètre de focal loss (généralement γ=2) qui contrôle le taux de décroissance de la perte pour les échantillons bien classés, ajustant la focalisation sur les exemples difficiles.
Balanced Focal Loss
Variante de la focal loss qui inclut un paramètre α pour équilibrer le poids entre les classes positives et négatives, optimisant ainsi la détection d'objets rares.
Pyramid Levels
Niveaux de caractéristiques dans FPN (P2 à P7) générés à partir de différentes couches du backbone, chacun capturant des informations à une échelle résolution spécifique.
Box Encoding
Paramétrisation des coordonnées de boîtes englobantes utilisant des offsets par rapport aux ancres plutôt que des coordonnées absolues, stabilisant l'entraînement du réseau.
Smooth L1 Loss
Fonction de perte utilisée pour la régression des boîtes englobantes dans RetinaNet, combinant les avantages de la perte L1 et L2 pour une meilleure robustesse aux outliers.