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
转置卷积 (Conv2DTranspose)
一种学习操作，对特征图进行空间上采样，允许从低分辨率表示重建高分辨率分割。
个术语
跳跃连接 (Skip Connection)
FCN中不同层级之间的直接连接，将高分辨率语义信息与低分辨率上下文特征融合。
个术语
插值池化 (Interpolation Pooling)
使用双线性或最近邻等方法进行上采样的非学习技术，用于增加特征图的空间分辨率。
个术语
像素级交叉熵损失 (Pixel-wise Cross-Entropy)
计算每个像素的类别预测与真实标签之间交叉熵的损失函数。
个术语
下采样因子 (Subsampling Factor)
池化层输入与输出之间空间分辨率的降低比率，通常为2或4，影响最终分割的粒度。
个术语
有效感受野 (Effective Receptive Field)
影响FCN中输出像素激活的输入图像区域，随着网络深度逐渐扩大以捕获全局上下文。
个术语
特征融合 (Feature Fusion)
通过加法或连接等方式组合不同空间尺度的特征图，以提高分割精度。
个术语
空间感受性 (Spatial Receptivity)
FCN通过其分层架构在捕获抽象语义特征的同时保持精确定位信息的能力。
个术语
空间反池化
池化操作的逆操作，将聚合值重新分配到其原始空间位置，通常与卷积结合以细化分割结果。
个术语
空洞卷积
标准卷积的改进，在卷积核权重之间插入间隔，在不降低特征图空间分辨率的情况下增大感受野。
个术语
空间对齐
确保在跳跃连接融合过程中，不同尺度特征图中像素位置精确对应的技术。
个术语
分割梯度
反向传播流，计算FCN中每个权重如何逐像素影响分割误差，对端到端优化至关重要。
个术语
空间正则化
添加到损失函数中的约束，鼓励预测结果的空间一致性，减少分割图中的噪声和伪影。
个术语
像素采样
选择像素子集进行损失计算的策略，平衡稀有类别并加速FCN在高分辨率图像上的训练。
个术语
语义上下文
由FCN深层捕获的像素间关系信息，基于对场景的全局理解实现一致预测。
个术语
分类预训练
使用在图像分类任务上预训练的网络初始化FCN权重的策略，加速收敛并提高泛化能力。
🔍