🏠 Accueil
基準測試
📊 Tous les Benchmarks 🦖 Dinosaure v1 🦖 Dinosaure v2 ✅ To-Do List Apps 🎨 Pages Libres 🎯 FSACB - Showcase 🌍 Traduction
Modèles
🏆 Top 10 Modèles 🆓 Modèles Gratuits 📋 Tous les Modèles ⚙️ Modes Kilo Code
Ressources
💬 Prompts IA 📖 人工智能詞彙表 🔗 Liens Utiles

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

低光照图像增强

一种预处理技术,通过放大光信号同时最小化噪声来提高弱光场景中物体的可见性,通常通过生成对抗网络(GAN)实现。

📖
術語

抗天气检测

系统在面对雨、雪或雾等天气干扰时保持稳定检测性能的能力,通常通过特定的去噪架构实现。

📖
術語

基于部件的模型

一种检测方法,将物体建模为相互连接的空间部件集合,通过检测可见的子组件来提高对遮挡的鲁棒性,即使整体物体被遮挡也能识别。

📖
術語

多尺度特征融合

结合不同空间分辨率的视觉特征的方法,用于改善大小不一物体的检测以及在低对比度条件下的识别,此时细节难以辨别。

📖
術語

合成数据增强

生成模拟困难条件(雨天、夜晚、雾天)的人工训练图像,以丰富数据集并提高模型鲁棒性,而无需收集相应的真实图像。

📖
術語

对抗训练增强鲁棒性

一种训练过程,模型面对恶意扰动或困难条件下的样本,被迫学习更不变、更鲁棒的特征表示。

📖
術語

热成像融合

将来自热红外传感器的数据与可见光图像集成,实现完全黑暗或透过不透明天气条件下的物体检测。

📖
術語

自监督学习增强鲁棒性

一种学习范式,模型从困难条件下的未标注数据中生成自己的标签,使其能够在没有明确监督的情况下学习鲁棒特征。

📖
術語

遮挡注意机制

使用注意力层,让模型能够选择性地关注被遮挡物体的可见部分,并加权它们对于最终预测的重要性。

📖
術語

恶劣条件下的课程学习

一种训练策略,逐步让模型接触越来越困难的条件,模拟逐步学习以提高最终鲁棒性。

📖
術語

去雾和去雨网络

专门用于在检测步骤前去除雾或雨等视觉伪影的神经网络,作为预处理恢复场景清晰度。

📖
術語

用于小物体的特征金字塔网络

构建高分辨率多尺度特征金字塔的架构,对于在低质量图像中检测小物体或部分可见物体至关重要。

📖
術語

时间一致性建模

从视频序列中整合时间信息,通过利用物体在帧间的一致性来增强在降质单帧图像中的检测。

🔍

搵唔到結果