एआई शब्दावली

📖

शब्द

FCOS (Fully Convolutional One-Stage)

Méthode de détection entièrement convolutive et sans ancrage traitant la détection comme un problème de prédiction dense par pixel, utilisant des pyramides de caractéristiques multi-échelles.

📖

शब्द

CornerNet

Architecture innovante détectant les coins supérieur gauche et inférieur droit des objets à l'aide de réseaux de points clés, puis associant ces paires de corners pour former des boîtes englobantes.

📖

शब्द

Heatmap Prediction

Technique fondamentale dans la détection sans ancrage où le réseau génère des cartes de chaleur indiquant les probabilités de présence d'objets à chaque position spatiale.

📖

शब्द

Keypoint-based Detection

Paradigme de détection utilisant des points clés caractéristiques (coins, centres, points extrêmes) au lieu de boîtes d'ancrage, offrant une représentation plus naturelle et flexible des objets.

📖

शब्द

Gaussian Representation

Représentation des objets par des distributions gaussiennes dans les cartes de chaleur, où l'écart-type est proportionnel à la taille de l'objet pour une meilleure localisation.

📖

शब्द

Peak Finding

Processus d'extraction des positions des objets dans les cartes de chaleur en identifiant les maxima locaux qui correspondent aux centres ou points clés des objets détectés.

📖

शब्द

Dense Prediction

Approche où chaque pixel ou point de la caractéristique produit une prédiction, éliminant le besoin d'ancres prédéfinies et permettant une prédiction complète de la scène.

📖

शब्द

Center-to-Corner Assignment

Stratégie d'appariement associant les points centraux détectés avec les coins correspondants pour former des boîtes englobantes complètes dans les approches hybrides center-corner.

📖

शब्द

FoveaBox

Méthode de détection sans ancrage inspirée du système visuel humain, prédisant la présence d'objets à différentes échelles en utilisant une vision fovéale progressive.

📖

शब्द

Extreme Points Detection

Technique identifiant les points extrêmes (haut, bas, gauche, droite) des objets pour reconstruire précisément les boîtes englobantes, particulièrement efficace pour les objets allongés.

📖

शब्द

Center-based Regression

Approche où les dimensions et offsets des boîtes sont régrettés à partir des points centraux détectés, simplifiant le processus de prédiction et éliminant les déséquilibres d'échantillonnage.

📖

शब्द

Point-Set Abstraction

Technique inspirée de PointNet appliquée à la détection d'objets, traitant les points prédits comme un ensemble et utilisant des opérations d'abstraction pour agréger les informations spatiales.

📖

शब्द

Token-based Detection

Paradigme moderne utilisant des tokens positionnels pour représenter les objets dans un espace de détection discret, éliminant les ancres au profit de représentations tokenisées apprenables.

📖

शब्द

Unified Ground Truth Assignment

Stratégie d'assignement unifiée pour les détections sans ancrage, éliminant les hyperparamètres complexes liés aux IoU thresholds et aux ratios d'aspect des ancres.