AI 용어집
인공지능 완전 사전
Centerness Prediction
Branche de prédiction dans FCOS qui évalue la centralité d'un point prédit par rapport au centre de l'objet, permettant d'améliorer la qualité des détections et de supprimer les doublons.
Multi-level Detection
Stratégie de FCOS utilisant différents niveaux de la pyramide de caractéristiques pour détecter des objets en fonction de leur taille, améliorant la détection sur plusieurs échelles.
Positive/Negative Samples
Classification des emplacements sur la carte de caractéristiques comme contenant des objets (positifs) ou non (négatifs), basée sur leur appartenance aux boîtes englobantes de vérité terrain.
Level-specific Regression
Technique de FCOS utilisant des niveaux différents de la pyramide pour régresser des boîtes de tailles spécifiques, évitant les prédictions instables pour les objets très grands ou très petits.
Threshold-based Assignment
Règle d'assignation dans FCOS où un emplacement est considéré comme positif si sa distance aux bords est inférieure à un seuil spécifique, évitant les ambigüités d'assignation.
Center-ness Branch
Sous-réseau spécialisé de FCOS qui prédit un score de centralité pour chaque prédiction, utilisant un modèle de supervision indirect basé sur les distances aux bords de la boîte.