AI-ordlista
Den kompletta ordlistan över AI
Segmentation d'instance
Tâche de vision par ordinateur qui consiste à détecter et délimiter chaque objet individuel dans une image, en distinguant les instances de même classe par des masques uniques.
Region of Interest (RoI) Align
Opération qui extrait des caractéristiques de taille fixe à partir de régions d'intérêt de tailles variables en utilisant un échantillonnage bilinéaire précis, évitant les erreurs de quantification du RoI Pooling.
Instance Embedding
Technique qui apprend à mapper chaque pixel vers un espace d'embedding où les pixels de la même instance sont proches et ceux d'instances différentes sont éloignés, permettant la séparation sans supervision.
Boundary-Aware Loss
Fonction de perte qui pénalise davantage les erreurs de prédiction aux frontières des objets, améliorant la précision du masque et la netteté des contours dans la segmentation d'instance.
Cascade Mask R-CNN
Amélioration de Mask R-CNN utilisant une cascade de têtes de détection avec des seules IoU croissants, affinant progressivement les prédictions pour une précision supérieure sur les objets difficiles.
YOLACT
Architecture de segmentation d'instance en temps réel qui génère des masques prototypes en parallèle avec la détection d'objets, puis les combine linéairement pour des prédictions rapides.
TensorMask
Approche de segmentation d'instance utilisant des tenseurs 4D pour représenter les masques d'objets, permettant une modélisation plus riche des structures et une meilleure précision que les masques 2D traditionnels.
PointRend
Module de rendu qui échantillonne intelligemment des points sur les frontières des objets pour affiner les prédictions de masque, améliorant la qualité des détails sans surcoût computationnel significatif.
Embedding Space Clustering
Méthode de segmentation d'instance qui regroupe les pixels dans un espace d'embedding appris, où chaque cluster correspond à une instance d'objet distincte dans l'image originale.
Dynamic Instance Segmentation
Approche adaptative qui ajuste la résolution du masque et la complexité du traitement en fonction des caractéristiques de chaque instance détectée, optimisant les ressources computationnelles.
Mask Scoring R-CNN
Extension de Mask R-CNN qui prédit un score de qualité pour chaque masque généré, permettant de mieux évaluer la confiance dans la segmentation et d'améliorer les métriques de performance.
SOLOv2
Architecture de segmentation d'instance sans ancre qui divise l'image en grilles et prédit directement les masques et catégories pour chaque cellule, éliminant le besoin de propositions de régions.
Adaptive Instance Segmentation
Méthode qui ajuste dynamiquement la complexité du modèle en fonction du contenu de l'image, allouant plus de ressources aux régions avec de nombreuses instances ou des objets complexes.
MaskIoU Head
Module additionnel qui prédit l'IoU (Intersection over Union) entre le masque prédit et le masque réel, fournissant une mesure de qualité plus précise pour chaque instance segmentée.
Query-Based Instance Segmentation
Paradigme inspiré des transformers qui utilise des requêtes apprenables pour détecter et segmenter simultanément les instances, éliminant les étapes séquentielles traditionnelles.