Глоссарий ИИ
Полный словарь искусственного интеллекта
Segmentation Interactive
Processus de segmentation d'image où un utilisateur guide l'algorithme en fournissant des indications, comme des clics ou des traits, pour affiner les résultats en temps réel.
Clics Positifs et Négatifs
Méthode d'annotation où l'utilisateur clique sur les pixels appartenant à l'objet d'intérêt (positifs) et sur ceux de l'arrière-plan (négatifs) pour contraindre le modèle de segmentation.
Scribbles (Gribouillis)
Annotations sous forme de traits grossiers dessinés par l'utilisateur sur une image pour indiquer les régions de premier plan et d'arrière-plan, servant de contraintes pour l'algorithme.
Propagation de Graines
Technique où des points de départ (graines) fournis par l'utilisateur sont utilisés pour propager une étiquette de segmentation aux pixels voisins selon des critères de similarité.
GrabCut
Algorithme de segmentation interactif basé sur les coupes de graphes (graph cuts) qui utilise un modèle de mélange de Gaussiennes pour modéliser les couleurs de premier plan et d'arrière-plan.
Segmentation par Croissance de Régions (Region Growing)
Méthode itérative qui part d'un ou plusieurs points de départ (graines) et ajoute les pixels voisins qui satisfont un critère d'homogénéité, souvent défini par l'utilisateur.
Watershed Interactif
Application de l'algorithme de watershed (ligne de partage des eaux) où les marqueurs, définissant les bassins versants, sont placés manuellement par l'utilisateur pour contrôler la sur-segmentation.
Raffinement par Boîtes Englobantes (Bounding Box Refinement)
Technique où l'utilisateur dessine une boîte englobante autour de l'objet, et l'algorithme affine la segmentation à l'intérieur de cette boîte, souvent utilisée comme première étape rapide.
Deep Extreme Cut (DEXTR)
Метод интерактивной сегментации на основе глубокого обучения, который использует четыре крайние точки (верхняя, нижняя, левая, правая) объекта для генерации точной сегментации.
Основы Активного Обучения (Active Learning)
Принцип, согласно которому алгоритм определяет зоны неопределённости и запрашивает вмешательство пользователя только для этих регионов, оптимизируя тем самым усилия по аннотации.
Коррекция Маски
Итерационный процесс, в ходе которого пользователь может добавлять или удалять области из исходной маски сегментации, часто с помощью кликов, для повышения точности конечного результата.
Сегментация на основе Примеров (Example-based Segmentation)
Подход, при котором пользователь предоставляет примеры пикселей, принадлежащих целевому классу, а алгоритм сегментирует остальную часть изображения, находя похожие пиксели по таким характеристикам, как цвет или текстура.
Взвешенная Пользователем Функция Потерь
В методах оптимизации — функция потерь, в которой члены, связанные с пользовательскими ограничениями, получают высокий вес, заставляя решение строго соблюдать предоставленные указания.
Интерактивная Многомасштабная Сегментация
Стратегия, которая выполняет первоначальную сегментацию на версии изображения с низким разрешением для скорости выполнения, а затем уточняет результаты на более высоких разрешениях, используя те же пользовательские ограничения.
Модель Внешнего Вида
Статистическая модель (например, смесь гауссиан, гистограмма) характеристик цвета или текстуры области, построенная на основе пользовательских аннотаций для управления сегментацией.
Редактирование Границ (Boundary Editing)
Специализированные интерактивные инструменты, которые позволяют пользователю напрямую манипулировать контурами маски сегментации, например, вытягивая/проталкивая границу или добавляя контрольные точки.