AI用語集
人工知能の完全辞典
転置畳み込み (Conv2DTranspose)
低解像度の表現から高解像度のセグメンテーションを再構築するために、特徴マップの空間的アップサンプリングを行う学習可能な操作。
スキップ接続 (Skip Connection)
FCN内の異なる階層レベルの層間における直接的な接続であり、高解像度の意味情報と低解像度の文脈的特徴を統合する。
補間プーリング (Interpolation Pooling)
バイリニア（双線形）補間や最近傍法などの手法を用いて、特徴マップの空間解像度を高める学習不可能なアップサンプリング手法。
ピクセルごとのクロスエントロピー損失 (Pixel-wise Cross-Entropy)
画像の各ピクセルに対して、クラスの予測とグランドトゥルース（正解ラベル）の間のクロスエントロピーを計算する損失関数。
ダウンサンプリング係数 (Subsampling Factor)
通常は2または4であり、最終的なセグメンテーションの粒度に影響を与える、プーリング層の入力と出力の間の空間解像度の縮小比率。
実効受容野 (Effective Receptive Field)
FCN内で出力ピクセルの活性化に影響を与える入力画像の領域であり、グローバルな文脈を捉えるためにネットワークの深さに伴って徐々に広がる。
特徴量融合 (Feature Fusion)
セグメンテーションの精度を向上させるために、通常は加算または連結によって、異なる空間スケールの特徴マップを統合するプロセス。
空間受容性 (Spatial Receptivity)
階層的なアーキテクチャを通じて抽象的な意味的特徴を捉えながら、正確な位置情報を保持するFCNの能力。
空間アンプーリング (Spatial Unpooling)
プーリングの逆演算であり、集約された値を元の空間位置に再配布する操作。セグメンテーションを精細化するために、畳み込みと組み合わせて使用されることが多い。
空洞畳み込み (Atrous Convolution)
カーネルの重みの間に空白を挿入することで標準的な畳み込みを修正したもの。特徴マップの空間解像度を下げずに受容野を拡大する。
空間アライメント (Spatial Alignment)
スキップ接続による融合の際、異なるスケールの特徴マップ間でピクセル位置の正確な対応を保証する手法。
セグメンテーション勾配 (Segmentation Gradient)
FCNの各重みがピクセルごとのセグメンテーション誤差にどのように影響するかを計算する逆伝播の流れ。エンドツーエンドの最適化に不可欠。
空間正則化 (Spatial Regularization)
予測の空間的一貫性を促進するために損失関数に追加される制約。セグメンテーションマップにおけるノイズやアーティファクトを低減する。
ピクセルサンプリング (Pixel Sampling)
損失の計算のためにピクセルのサブセットを選択する戦略。レアクラスのバランスを取り、高解像度画像でのFCNの学習を加速させる。
意味的コンテキスト (Semantic Context)
FCNの深層層によって捉えられるピクセル間の関係情報。シーン全体のグローバルな理解に基づいた一貫性のある予測を可能にする。
分類事前学習 (Classification Pretraining)
画像分類で事前学習されたネットワークを使用してFCNの重みを初期化する戦略。収束を加速させ、汎化性能を向上させる。