Glossário IA
O dicionário completo da Inteligência Artificial
FCOS (Fully Convolutional One-Stage)
Método de detecção totalmente convolucional e sem âncoras que trata a detecção como um problema de predição densa por pixel, utilizando pirâmides de características multi-escala.
CornerNet
Arquitetura inovadora que detecta os cantos superior esquerdo e inferior direito dos objetos usando redes de pontos-chave, e então associa esses pares de cantos para formar caixas delimitadoras.
Predição de Heatmap
Técnica fundamental na detecção sem âncoras onde a rede gera mapas de calor indicando as probabilidades de presença de objetos em cada posição espacial.
Detecção Baseada em Pontos-Chave
Paradigma de detecção que utiliza pontos-chave característicos (cantos, centros, pontos extremos) em vez de caixas de âncora, oferecendo uma representação mais natural e flexível dos objetos.
Representação Gaussiana
Representação de objetos por distribuições gaussianas em mapas de calor, onde o desvio padrão é proporcional ao tamanho do objeto para uma melhor localização.
Detecção de Picos
Processo de extração das posições dos objetos em mapas de calor, identificando os máximos locais que correspondem aos centros ou pontos-chave dos objetos detectados.
Predição Densa
Abordagem onde cada pixel ou ponto da característica produz uma predição, eliminando a necessidade de âncoras predefinidas e permitindo uma predição completa da cena.
Atribuição Centro-a-Canto
Estratégia de emparelhamento que associa os pontos centrais detectados com os cantos correspondentes para formar caixas delimitadoras completas em abordagens híbridas centro-canto.
FoveaBox
Método de detecção sem âncora inspirado no sistema visual humano, prevendo a presença de objetos em diferentes escalas usando uma visão foveal progressiva.
Extreme Points Detection
Técnica que identifica os pontos extremos (superior, inferior, esquerdo, direito) dos objetos para reconstruir precisamente as caixas delimitadoras, particularmente eficaz para objetos alongados.
Center-based Regression
Abordagem onde as dimensões e offsets das caixas são regredidos a partir dos pontos centrais detectados, simplificando o processo de previsão e eliminando os desequilíbrios de amostragem.
Point-Set Abstraction
Técnica inspirada no PointNet aplicada à detecção de objetos, tratando os pontos previstos como um conjunto e usando operações de abstração para agregar informações espaciais.
Token-based Detection
Paradigma moderno que utiliza tokens posicionais para representar objetos num espaço de detecção discreto, eliminando âncoras em favor de representações tokenizadas aprendíveis.
Unified Ground Truth Assignment
Estratégia de atribuição unificada para detecções sem âncora, eliminando hiperparâmetros complexos relacionados aos limiares de IoU e às proporções de aspecto das âncoras.