AI用語集
人工知能の完全辞典
マルチスケール検出ヘッド
オブジェクト検出器のコンポーネントで、特徴量ピラミッドの複数のレベルで予測を適用し、各スケールに特化した層を使用して異なるサイズのオブジェクトの検出を最適化するもの。
適応的アンカー
データセット内のオブジェクトの寸法の統計に基づいてアンカーボックスを動的に生成する手法で、アンカーと小さなオブジェクトの間の整合性を向上させるもの。
フォーカルロス
正しく分類された簡単な例の貢献を減らし、困難な例に焦点を当てる修正された損失関数で、小さなオブジェクトの検出に固有のクラス不均衡を扱うのに特に効果的。
パス集約ネットワーク（PANet）
特徴量ピラミッドネットワークで下位層と上位層間にショートカットを作成し、情報の流れを改善し、小さなオブジェクトの位置情報をよりよく保持するアーキテクチャ。
検出ガイド付き超解像
分類前に特徴マップや関心領域の解像度を上げ、超解像技術を使用して小さなオブジェクトをより識別しやすくするアプローチ。
特徴量拡張
空間解像度を損失することなくニューロンの受容野を拡大する技術で、小さなオブジェクトの周囲のより多くのコンテキストを捉えつつ、その正確な位置を保持することができる。
キーポイントサンプリング
重要な詳細を消す可能性があるグローバルプーリングの代わりに、小さなオブジェクト領域の最も情報量の多い点から特徴量を選択的にサンプリングする手法。
空間アテンションモジュール
特徴マップの異なる空間領域の重要度を重み付けすることを学習するメカニズムで、ネットワークが関連する小さなオブジェクトを含む領域に集中できるようにするもの。
特徴再認識 (Feature Re-identification)
低レベルの特徴をネットワークのより深い層に再注入し、連続的なダウンサンプリング操作中に失われた詳細を回復するのに役立つプロセス。
マルチスケールコンテキスト (Multi-scale Context)
小さなオブジェクトの分類を改善するために、その周囲の異なる空間スケールからの文脈情報を利用し、オブジェクトと環境の関係を活用すること。
小さなオブジェクトに適応したデータ拡張
選択的ズームやオブジェクトのコピーペーストなど、トレーニングセット内の小さなオブジェクトの出現と変動性を増加させるために特別に設計された画像変換技術。
サイズ重み付けIoU (Size-weighted IoU)
Intersection over Union（IoU）の計算時に小さなオブジェクトの正しい予測に重みを付け、それらの検出の難しさと重要性をより良く反映する評価メトリクス。
カスケード検出ヘッド (Cascade Detection Head)
複数の検出ヘッドが順番に配置されるアーキテクチャで、各ヘッドが前のヘッドの予測を厳しくなるIoUしきい値で洗練させ、小さなオブジェクトのような困難なオブジェクトの精度を向上させる。
双方向特徴融合
高レベル（セマンティック）と低レベル（空間）の特徴を双方向で組み合わせる技術で、深い層が正確な位置情報を受け取り、小さなオブジェクトをより良く検出できるようにする。
特徴ハイライト (Feature Highlighting)
小さなパターンやテクスチャによって活性化されたニューロンの応答を増幅させ、背景ノイズに対して小さなオブジェクトの特徴をより目立たせる方法。
検出のためのコントラスト学習
類似の小さなオブジェクトの特徴を近づけ、異なるオブジェクトや背景の特徴を遠ざけるようにネットワークを学習させ、それらの分離可能性を向上させるトレーニングアプローチ。