Glosarium AI
Kamus lengkap Kecerdasan Buatan
Suivi d'objets (Object Tracking)
Processus informatique qui consiste à localiser un objet spécifique au sein d'une séquence vidéo et à suivre sa trajectoire d'une image à l'autre en temps réel ou en différé.
Modèle de détection (Detection Model)
Algorithme, souvent basé sur un réseau de neurones convolutifs, utilisé pour identifier et délimiter la présence d'objets d'intérêt dans la première image d'une séquence vidéo.
Modèle d'apparence (Appearance Model)
Représentation mathématique ou visuelle des caractéristiques uniques d'un objet (couleur, texture, forme) utilisée pour le différencier de son environnement et le retrouver dans les images suivantes.
Modèle de mouvement (Motion Model)
Modèle prédictif qui estime la position future d'un objet en se basant sur sa vitesse, son accélération et sa trajectoire passée, réduisant ainsi l'espace de recherche.
Filtre de Kalman
Algorithme récursif qui estime l'état d'un système dynamique (comme la position et la vitesse d'un objet) à partir d'une série de mesures bruitées sur plusieurs images successives.
Dérive (Drift)
Phénomène où le modèle de suivi accumule des erreurs au fil du temps, provoquant une déviation progressive de la boîte englobante par rapport à la position réelle de l'objet.
Occlusion
Situation où l'objet suivi est temporairement masqué, partiellement ou totalement, par un autre élément de la scène, ce qui complique sa localisation et son suivi.
Ré-identification (Re-identification)
Tâche consistant à reconnaître un objet spécifique après une période d'absence ou d'occlusion prolongée, souvent en se basant sur des caractéristiques d'apparence robustes.
Suivi par détection (Tracking-by-Detection)
Paradigme de suivi où un détecteur d'objets est exécuté sur chaque image, puis les détections successives sont associées pour former des trajectoires continues.
Suivi par corrélation (Correlation Tracking)
Approche de suivi qui recherche la région de l'image suivante ayant la plus grande similarité (corrélation) avec un modèle de l'objet établi dans l'image précédente.
MOSSE (Minimum Output Sum of Squared Error)
Un algorithme de suivi rapide basé sur les filtres de corrélation dans le domaine fréquentiel, qui apprend un filtre optimal pour discriminer l'objet de l'arrière-plan.
KCF (Kernelized Correlation Filters)
Amélioration des filtres de corrélation qui utilise le truc des noyaux (kernel trick) pour introduire de la non-linéarité, augmentant ainsi la robustesse du suivi face aux changements d'apparence.
Deep Learning Tracking
Catégorie de méthodes de suivi qui utilisent des réseaux de neurones profonds pour extraire des caractéristiques d'apparence puissantes et modéliser le mouvement de manière plus complexe.
Siamese Network Tracking
Approche de suivi qui entraîne un réseau de neurones siamois à calculer une similarité entre un modèle d'objet (template) et une région candidate dans la nouvelle image.
Métrique de suivi (Tracking Metric)
Indicateur quantitatif, tel que la précision de centre (Center Precision) ou le taux de succès de chevauchement (Overlap Success), utilisé pour évaluer la performance d'un algorithme de suivi.
MOT (Multiple Object Tracking)
Extension du suivi d'objets qui vise à suivre simultanément plusieurs objets distincts dans une même scène, en gérant leurs interactions et leurs identités respectives.
Assignation de données (Data Association)
Problème central en MOT qui consiste à associer les détections de la frame actuelle aux trajectoires existantes des objets suivis, souvent résolu par des algorithmes comme le Hungarian.
Tracklet
Fragment de trajectoire d'un objet, constitué d'une séquence de détections ou de positions consécutives, qui peut ensuite être fusionné avec d'autres pour former une trajectoire complète.