AI 词汇表
人工智能完整词典
200
个类别
2,608
个子类别
30,011
个术语
个术语
R-CNN (基于CNN特征的区域)
一种开创性的两阶段检测算法，首先通过选择性搜索提取候选区域，然后使用预训练的卷积神经网络对每个区域进行分类。
个术语
选择性搜索
一种基于颜色、纹理和尺寸的层次分割方法，通过聚集相似像素生成候选区域建议。
个术语
RoI池化（感兴趣区域池化）
一种神经网络层，将不同大小的候选区域转换为固定大小的输出以供分类器使用，同时保留空间特征。
个术语
RPN（区域建议网络）
一个完全卷积的子网络，在特征图的每个空间位置同时预测候选边界框和对象得分。
个术语
锚框
具有不同大小和宽高比的预定义参考框，被RPN用于标准化边界框预测并加速收敛。
个术语
特征金字塔网络（FPN）
一种通过横向连接和自上而下路径构建多尺度特征金字塔的架构，改善了Faster R-CNN中不同大小物体的检测。
个术语
级联R-CNN
一种多阶段架构，其中检测器按递增的交并比(IoU)阈值顺序训练，逐步优化边界框预测。
个术语
边界框回归
通过学习变换来优化预测边界框坐标的回归任务，以最小化与真实边界框的差距。
个术语
RoIAlign
RoI Pooling 的一种改进，它通过使用精确的双线性采样来避免强制量化，从而更好地保留实例分割的空间对齐。
个术语
Feature Extractor Backbone
一种基础的CNN网络（如ResNet、VGG或EfficientNet），用于从输入图像中提取视觉特征，并在提案和分类阶段之间共享。
个术语
Two-Stage Detector
一种检测范式，它将候选区域的生成与精确的分类和定位显式分离开来，通常以牺牲速度为代价来换取更高的精度。
个术语
Region Proposal Quality
衡量算法生成相关候选区域效果的指标，通过与真实边界框在不同IoU阈值下的召回率进行评估。
个术语
Multi-Scale Training
一种训练策略，使用调整到不同尺寸的图像，以提高检测器对物体尺寸变化的鲁棒性。
个术语
Contextual Reasoning Module
一个对物体及其全局上下文之间关系进行建模以改进检测的组件，通常集成了注意力机制或图机制。
🔍