Glossário IA
O dicionário completo da Inteligência Artificial
FPN (Feature Pyramid Network)
Arquitetura de rede neural convolucional que constrói uma pirâmide de características de alto nível através de um caminho descendente e conexões laterais, melhorando a detecção de objetos em todas as escalas.
PANet (Path Aggregation Network)
Melhoria do FPN que adiciona um caminho ascendente para encurtar o fluxo de informação entre as camadas inferiores e superiores, reforçando a localização das características e a propagação das informações através da rede.
Caminho Descendente (Top-Down Pathway)
Parte de uma FPN que realiza upsampling dos mapas de características de maior resolução a partir de camadas abstratas, permitindo prever objetos menores com características semânticas ricas.
Caminho Ascendente (Bottom-Up Pathway)
Em uma arquitetura como PANet, este caminho reforça a propagação das características de baixo nível para as camadas superiores, melhorando a precisão da localização para objetos de pequeno porte.
NAS-FPN (Neural Architecture Search FPN)
Pirâmide de características cuja estrutura é descoberta automaticamente por uma busca de arquitetura neural, otimizando as conexões entre as escalas para um desempenho máximo na detecção de objetos.
BiFPN (Bidirectional Feature Pyramid Network)
Arquitetura FPN eficiente que utiliza conexões bidirecionais (top-down e bottom-up) e uma fusão ponderada das características para melhorar a precisão enquanto reduz a complexidade computacional.
Fusão Ponderada de Características (Weighted Feature Fusion)
Mecanismo utilizado em arquiteturas como BiFPN onde as contribuições de diferentes mapas de características são ponderadas e aprendíveis, permitindo à rede determinar a importância de cada escala.
Anchor Box Multi-Escala
Utilização de caixas de ancoragem (anchors) de diferentes tamanhos e proporções em cada nível da pirâmide de características, garantindo uma melhor adequação entre as propostas e os objetos de tamanhos variados.
RoIAlign Multi-Escala
Aplicação da operação RoIAlign nas características da pirâmide mais apropriada ao tamanho de uma região de interesse (RoI), garantindo uma extração de características precisa para objetos de todos os tamanhos.
Detecção Sem Âncora Multi-Escala (Anchor-Free Multi-Scale)
Abordagem de detecção que prevê diretamente os pontos-chave ou os centros dos objetos em vários níveis da pirâmide de características, eliminando a necessidade de caixas de ancoragem predefinidas.
Atrous Spatial Pyramid Pooling (ASPP)
Módulo que captura o contexto em várias escalas usando convoluções atrous (com furos) com diferentes taxas de dilatação, frequentemente integrado em arquiteturas de detecção para gerenciar variações de escala.
TridentNet
Arquitetura de detecção que constrói ramos de processamento paralelos, cada um especializado numa faixa de escalas de objetos específica, partilhando os pesos para eficiência computacional.
SF-Net (Scale Fusion Network)
Rede que funde explicitamente as características de diferentes escalas usando mecanismos de atenção para realçar as escalas mais relevantes para cada objeto detetado.
M2Det (Multi-Level Multi-Scale Detector)
Detetor que constrói uma pirâmide de características multi-nível (MLFPN) para aprender representações multi-escala mais ricas e discriminantes, melhorando a deteção de objetos de tamanhos muito diferentes.
Cascade R-CNN Multi-Escala
Extensão do Cascade R-CNN onde cada estágio da cascata opera num nível diferente da pirâmide de características, refinando progressivamente as deteções em escalas cada vez mais precisas.