Glossário IA
O dicionário completo da Inteligência Artificial
R-CNN (Regions with CNN features)
Algoritmo pioneiro de detecção em duas etapas que primeiro extrai regiões candidatas via Selective Search e depois classifica cada região com uma rede neural convolucional pré-treinada.
Selective Search
Método de segmentação hierárquica que gera propostas de regiões candidatas agrupando pixels semelhantes com base na cor, textura e tamanho.
RoI Pooling (Region of Interest Pooling)
Camada de rede neural que transforma regiões candidatas de tamanhos variáveis em uma saída de tamanho fixo para o classificador, preservando as características espaciais.
RPN (Region Proposal Network)
Sub-rede totalmente convolucional que prevê simultaneamente as caixas delimitadoras candidatas e as pontuações de objeto em cada posição espacial do mapa de características.
Anchor Boxes
Caixas de referência predefinidas com diferentes tamanhos e proporções de aspecto usadas pelo RPN para normalizar as previsões de caixas delimitadoras e acelerar a convergência.
Feature Pyramid Network (FPN)
Arquitetura que constrói uma pirâmide de características multi-escala com caminhos laterais e de cima para baixo, melhorando a detecção de objetos de diferentes tamanhos no Faster R-CNN.
Cascade R-CNN
Arquitetura multi-estágio onde os detectores são treinados sequencialmente com limiares de Intersection over Union (IoU) crescentes, refinando progressivamente as previsões de caixas.
Bounding Box Regression
Tarefa de regressão que refina as coordenadas das caixas delimitadoras previstas, aprendendo transformações para minimizar a diferença com as caixas de verdade fundamental.
RoIAlign
Melhoria do RoI Pooling que evita a quantização forçada usando amostragem bilinear precisa, preservando melhor o alinhamento espacial para a segmentação de instâncias.
Backbone Extrator de Características
Rede CNN base (como ResNet, VGG, ou EfficientNet) que extrai as características visuais da imagem de entrada, compartilhada entre as etapas de proposta e classificação.
Detector de Duas Etapas
Paradigma de detecção que separa explicitamente a geração de regiões candidatas da classificação e localização precisas, geralmente oferecendo melhor precisão em detrimento da velocidade.
Qualidade da Proposta de Região
Medida da eficácia de um algoritmo na geração de regiões candidatas relevantes, avaliada pelo recall em diferentes limiares de IoU com as caixas de verdade fundamental.
Treinamento Multi-Escala
Estratégia de treinamento que utiliza imagens redimensionadas em diferentes escalas para melhorar a robustez do detector diante das variações de tamanho dos objetos.
Módulo de Raciocínio Contextual
Componente que modela as relações entre objetos e seu contexto global para melhorar a detecção, frequentemente integrando mecanismos de atenção ou de grafos.