AI 詞彙表
人工智能完整詞典
200
類別
2,608
子類別
30,011
術語
術語
实例分割
一种检测和界定图像中每个独立对象的技术，为每个实例分配唯一标识符，同时忽略对象的类别。
術語
全景掩码
全景分割中的输出表示，其中每个像素都与一个实例标识符和类别标签相关联，从而形成一个完整的掩码图。
術語
任务融合
一种将多个计算机视觉任务（如语义分割和实例分割）集成到一个统一模型中以优化性能的方法论。
術語
全景混淆矩阵
一种专门用于全景分割的评估工具，用于衡量在语义和实例类别上的分类和实例识别错误。
術語
全景一致性损失
一种损失函数，它惩罚语义分割和实例分割预测之间的不一致性，以确保生成统一且连贯的全景输出。
術語
基于锚框的目标检测
一种检测方法，使用具有不同尺寸和长宽比的预定义锚框来定位和分类图像中的对象。
術語
多头网络
一种神经网络架构，其中多个输出分支（或称“头”）专门用于不同任务，但共享一个共同的特征基础。
術語
共享特征图
在全景分割模型中使用的一种中间表示，作为语义分割和实例分割分支的公共输入。
術語
像素分组
根据像素特征的相似性将像素分组，以在实例分割中形成不同的对象实例的技术。
術語
实时推理
全景分割模型快速生成预测的能力，通常对于自动驾驶或机器人等应用是必需的。
術語
掩码重叠
全景分割中的挑战，其中相同类别或不同类别的实例掩码相互重叠，需要冲突解决策略。
術語
事物和背景标记
概念区分，其中'事物'(things)是可计数的对象，而'背景'(stuff)是无定形的区域，这是全景分割的关键区别。
術語
启发式后处理
在模型预测后应用的一组规则，用于解决歧义并将语义和实例输出融合为最终的全景图。
術語
实例对比学习
使用对比损失来分离不同对象实例的特征的训练方法，提高实例分割的质量。
術語
全景分割网络(Panoptic FPN)
扩展特征金字塔网络(FPN)以统一方式生成语义和实例分割预测的参考架构。
術語
边界质量
测量预测掩码轮廓准确性的评估指标，这是全景分割视觉性能的关键方面。
🔍