AI 詞彙表
人工智能完整詞典
200
類別
2,608
子類別
30,011
術語
術語
低光照检测
优化的计算机视觉技术，用于在光照最少的环境中识别对象，通常使用增强和专门的网络架构。
術語
深度学习图像去噪
使用深度神经网络去除图像中的噪声，同时保留对象检测所需的关键细节的方法。
術語
自适应卡尔曼滤波
动态估计算法，实时调整参数以保持对对象的精确跟踪，尽管环境条件发生变化。
術語
部分遮挡检测
允许识别被其他元素或视野边界部分遮挡的对象的算法方法。
術語
鲁棒对抗性数据增强
通过创建模拟困难条件的训练变体来加强模型的技术，以提高系统韧性。
術語
多光谱融合检测
结合来自不同光谱带（可见光、红外、热成像）的信息，以在退化观测条件下改善检测。
術語
抗噪CNN架构
具有特定机制的卷积神经网络结构设计，以在面对干扰和伪影时保持检测性能。
術語
对比度增强GAN模型
训练用于在保留检测语义的同时提高低光照图像视觉质量的生成对抗网络。
術語
对比学习以提高鲁棒性
通过在不同退化条件下对比物体来学习不变表示的训练方法。
術語
贝叶斯推理的多目标跟踪
概率方法，用于在存在检测中断和模糊性的情况下保持多个对象的连贯轨迹。
術語
用于困难条件的视觉Transformer
基于注意力的架构，经过适配以有效处理视觉退化并保持最佳检测性能。
術語
自适应曝光校准
自动系统，动态调整捕获参数以在多变照明条件下优化图像质量。
術語
自监督学习以提高鲁棒性
无标注训练方法，利用数据的内在特性来开发对退化条件的抗干扰能力。
術語
鲁棒粒子滤波
基于蒙特卡罗采样的跟踪算法，经过适配以在噪声环境和遮挡情况下保持稳定性。
術語
动态重构检测
根据观察到的条件实时调整其检测架构以优化资源和性能的系统。
術語
退化条件下的共识方法
聚合多个专门检测器的预测以克服特定条件下个体弱点的方法。
術語
自适应噪声归一化
预处理技术，动态调整图像统计信息以减少噪声影响，同时保持判别特征。
術語
置信度传播检测
利用空间和时间置信度将可靠检测扩展到受噪声或光照影响而退化的相邻区域的算法。
🔍