Glossário IA
O dicionário completo da Inteligência Artificial
Transposição de Convolução (Conv2DTranspose)
Operação aprendida que realiza um superamostragem espacial de mapas de características, permitindo reconstruir uma segmentação de alta resolução a partir de representações de baixa resolução.
Conexão de Salto (Skip Connection)
Conexão direta entre camadas de diferentes níveis hierárquicos em uma FCN, fundindo informações semânticas de alta resolução com características contextuais de baixa resolução.
Pooling de Interpolação (Interpolation Pooling)
Técnica de superamostragem não-aprendível que utiliza métodos como o bilinear ou o vizinho mais próximo para aumentar a resolução espacial dos mapas de características.
Perda de Entropia Cruzada por Pixel (Pixel-wise Cross-Entropy)
Função de custo que calcula a entropia cruzada entre as previsões de classe e os rótulos de verdade fundamental para cada pixel individual da imagem.
Fator de Subamostragem (Subsampling Factor)
Razão de redução da resolução espacial entre a entrada e a saída de uma camada de pooling, tipicamente de 2 ou 4, afetando a granularidade da segmentação final.
Campo Receptivo Efetivo (Effective Receptive Field)
Área da imagem de entrada que influencia a ativação de um pixel de saída em uma FCN, expandindo-se progressivamente com a profundidade da rede para capturar o contexto global.
Fusão de Características (Feature Fusion)
Processo de combinação de mapas de características de diferentes escalas espaciais, tipicamente por adição ou concatenação, para melhorar a precisão da segmentação.
Receptividade Espacial (Spatial Receptivity)
Capacidade de uma FCN de preservar informações de localização precisa enquanto captura características semânticas abstratas através de sua arquitetura hierárquica.
Despooling Espacial (Spatial Unpooling)
Operação inversa do pooling que redistribui os valores agregados para suas posições espaciais originais, frequentemente combinada com convoluções para refinar a segmentação.
Convolução Atrous (Atrous Convolution)
Modificação da convolução padrão que insere espaços entre os pesos do kernel, aumentando o campo receptivo sem reduzir a resolução espacial dos mapas de características.
Alinhamento Espacial (Spatial Alignment)
Técnica que garante a correspondência precisa entre as posições dos pixels em mapas de características de diferentes escalas durante a fusão por conexões de salto.
Gradiente de Segmentação (Segmentation Gradient)
Fluxo de retropropagação que calcula como cada peso da FCN influencia o erro de segmentação pixel a pixel, essencial para a otimização end-to-end.
Regularização Espacial (Spatial Regularization)
Restrição adicionada à função de perda para encorajar a coerência espacial das previsões, reduzindo ruídos e artefatos nos mapas de segmentação.
Amostragem de Pixels (Pixel Sampling)
Estratégia de seleção de um subconjunto de pixels para o cálculo da perda, equilibrando classes raras e acelerando o treinamento de FCNs em imagens de alta resolução.
Contexto Semântico (Semantic Context)
Informação relacional entre pixels capturada pelas camadas profundas de uma FCN, permitindo previsões consistentes baseadas na compreensão global da cena.
Pré-treinamento por Classificação (Classification Pretraining)
Estratégia de inicialização dos pesos de uma FCN com uma rede pré-treinada em classificação de imagens, acelerando a convergência e melhorando a generalização.