एआई शब्दावली

📖

शब्द

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.

📖

शब्द

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.

📖

शब्द

ResNet Backbone

Réseau neuronal résiduel utilisé comme extracteur de caractéristiques principal dans RetinaNet, typiquement ResNet-50 ou ResNet-101 pour extraire des représentations riches.

📖

शब्द

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.

📖

शब्द

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.

📖

शब्द

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.

📖

शब्द

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.

📖

शब्द

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.