AI 詞彙表

📖

術語

SSD (单次多盒检测器)

一种目标检测架构，通过在具有不同分辨率的特征图上使用多尺度的默认锚框来消除区域提议，从而实现快速而准确的检测。

📖

術語

锚框

一组具有特定高度和宽度的预定义框，用作预测对象边界框的参考，可以加速收敛并提高一步式检测器的精度。

📖

術語

RetinaNet

一种一步式检测架构，引入Focal Loss损失函数来解决背景和前景类别之间的极端不平衡问题，达到与两步式模型相当的性能。

📖

術語

检测效率

评估检测精度和推理速度之间权衡的性能指标，通常以给定的平均精度(mAP)下的每秒帧数(FPS)来表示。

📖

術語

特征图

由卷积神经网络层提取的特征的空间表示，其中每个点对应于输入图像的一个区域，并编码用于检测的语义信息。

📖

術語

感受野

影响特征图中特定神经元的输入图像区域，其大小随网络深度增加，对于检测不同尺度的对象至关重要。

📖

術語

密集检测

在特征图的每个空间位置预测对象的检测策略，与稀疏方法相反，可以实现更全面的检测，但需要有效管理冗余预测。

📖

術語

多尺度

同时处理不同空间分辨率特征的检测方法，以提高对各种大小对象的检测效果，通常通过特征金字塔或并行分支实现。

📖

術語

置信度分数

模型预测的概率值，表示边界框包含特定类别对象的确定程度，用于过滤和评估检测结果。

📖

術語

感兴趣区域

模型专注于检测或分类的图像特定区域，在单阶段检测器中由特征网格上的预测隐式定义。

📖

術語

主干网络

预训练的卷积神经网络（如ResNet、VGG或Darknet），用作检测架构中的主要特征提取器，提供基本的视觉表示。

📖

術語

检测头

单阶段检测器的最终模块，它接收主干网络提取的特征，并为每个网格位置预测边界框、类别和置信度分数。

📖

術語

框偏移

相对于预定义锚框的偏移预测，用于细化对象定位，表示预测与锚框之间在坐标(x, y)和尺寸（宽度、高度）上的差异。