Glosario IA
El diccionario completo de la Inteligencia Artificial
Caja Delimitante Orientada
Una forma de detección de objetos donde la caja de predicción se define por su centro, su ancho, su altura y un ángulo de rotación, permitiendo enmarcar mejor objetos alargados o inclinados.
Ángulo de Predicción
El valor angular, generalmente en radianes o grados, predicho por un modelo para orientar una caja delimitante, esencial para la detección de objetos no axiales.
Representación Paramétrica
Un método para describir una caja rotativa mediante un conjunto de parámetros (x, y, w, h, θ) en lugar de las coordenadas de sus cuatro vértices, optimizando los cálculos de pérdida.
Pérdida de Regresión de Ángulo
Una función de coste específica que penaliza las desviaciones entre el ángulo predicho y el ángulo real de la caja delimitante, a menudo basada en la pérdida L1 o L2.
Problema de Periodicidad
La ambigüedad donde una caja orientada por un ángulo θ y otra por θ+π representan la misma caja, lo que complica la regresión del ángulo y requiere estrategias de codificación específicas.
Codificación Seno-Coseno
Una técnica para representar el ángulo de una caja rotativa utilizando los valores sin(θ) y cos(θ) para evitar el problema de discontinuidad en la frontera de π/2.
IoU Rotativo (Rotated IoU)
Una métrica de evaluación que calcula la Intersección sobre Unión entre dos cajas delimitantes orientadas, teniendo en cuenta su rotación respectiva para medir la precisión de la detección.
Ancla Orientada (Oriented Anchor)
Cajas de referencia predefinidas con diferentes tamaños, relaciones de aspecto y ángulos, utilizadas por los modelos basados en anclas para predecir cajas rotativas con mayor precisión.
Detección Orientada sin Anclajes
Un enfoque de detección que predice directamente los parámetros del cuadro rotativo a partir de puntos clave de la imagen, sin utilizar cuadros de anclaje predefinidos.
Regresión de los Cinco Parámetros
El proceso de predicción simultánea de los cinco parámetros que definen un cuadro rotativo: las coordenadas del centro (x, y), el ancho (w), la altura (h) y el ángulo de rotación (θ).
NMS Rotativo (Rotated NMS)
Una variante del algoritmo de Supresión de No Máximos que calcula la superposición entre cuadros orientados utilizando el IoU rotativo para eliminar las detecciones redundantes.
Pérdida de Enfoque de Ángulo
Una función de pérdida avanzada que da más peso a las muestras con errores de ángulo mal clasificados, mejorando la robustez del modelo para objetos fuertemente inclinados.
Detección Multi-Orientación
La capacidad de un modelo para detectar objetos con orientaciones variadas dentro de una misma imagen, un desafío clave para los sistemas de conducción autónoma o imágenes aéreas.
Agregación de Características Orientadas
Una técnica donde las características extraídas de una región de interés se alinean o transforman en función de la orientación predicha antes de la clasificación final.
Regresión de Vértices (Vertex Regression)
Una alternativa a la regresión de los cinco parámetros, que consiste en predecir directamente las coordenadas de los cuatro vértices del cuadro rotativo, ofreciendo una mayor flexibilidad de forma.
Pérdida de Asimetría (Skewness Loss)
Una función de pérdida que penaliza los cuadros predichos cuya orientación es incorrecta con respecto al eje principal del objeto, midiendo la asimetría de la predicción.
Calibración de Ángulo
Un posprocesamiento o una capa de red dedicada a refinar las predicciones de ángulo para corregir los errores sistemáticos del modelo, a menudo basado en una regresión fina.