AI 詞彙表
人工智能完整詞典
多尺度检测头
目标检测器的一个组件，在特征金字塔的多个层级上应用预测，为每个尺度使用特定层，以优化对不同大小物体的检测。
自适应锚框
一种根据数据集中物体尺寸的统计数据动态生成锚框的技术，从而提高了锚框与小物体之间的对齐。
焦点损失
一种改进的损失函数，它减少了已正确分类的简单样本的贡献，并专注于困难样本，对于处理小物体检测中固有的类别不平衡问题特别有效。
路径聚合网络
一种通过在底层和顶层之间创建捷径来改善特征金字塔网络中信息流的架构，从而更好地保留小物体的定位信息。
检测引导的超分辨率
一种在分类前使用超分辨率技术来提高特征图或感兴趣区域分辨率的方法，从而使小物体更具辨识度。
特征扩张
一种在不损失空间分辨率的情况下增加神经元感受野的技术，从而能够在保留小物体精确定位的同时，捕获其周围更多的上下文信息。
关键点采样
一种选择性地对小物体区域内信息量最大的点进行特征采样的方法，而不是使用可能会淹没重要细节的全局池化。
空间注意力模块
一种学习对特征图不同空间区域的重要性进行加权的机制，使网络能够专注于包含相关小物体的区域。
特征再识别
一个将低层特征重新注入到网络更深层次的过程，有助于恢复在连续下采样操作中丢失的细小细节。
多尺度上下文
利用来自小物体周围不同空间尺度的上下文信息来改善其分类，利用物体与其环境之间的关系。
针对小物体的数据增强
专门设计的图像转换技术，用于增加训练集中小物体的存在和变异性，如选择性缩放或物体复制粘贴。
尺寸加权IoU
一种评估指标，在计算交并比时给予小物体的正确预测更多权重，更好地反映其检测的难度和重要性。
级联检测头
一种架构，其中多个检测头按顺序放置，每个头部用越来越严格的IoU阈值来优化前一个的预测，提高困难物体如小物体的检测精度。
双向特征融合
一种双向结合高层（语义）和低层（空间）特征的技术，使深层网络能够接收精确的位置信息以更好地检测小物体。
特征凸显
一种放大由小模式或纹理激活的神经元响应的方法，使小物体的特征相对于背景噪声更加显著。
对比学习检测
一种训练方法，使网络学习拉近相似小物体的特征，推远不同物体或背景的特征，提高它们的可分离性。