4.0 KiB
4.0 KiB
Глоссарий модуля 10
- Anchor — шаблонный bounding box, относительно которого модель предсказывает смещение.
- AP/mAP — площадь под precision-recall curve для класса / среднее AP по классам и заданным IoU.
- Augmentation — случайное семантически допустимое преобразование обучающего примера и его разметки.
- Backbone — часть модели, извлекающая карту визуальных признаков.
- Batch latency — время обработки батча; не равно latency одного запроса.
- Bounding box — прямоугольник, локализующий объект.
- Depthwise convolution — отдельная пространственная свёртка каждого входного канала.
- Detection — предсказание классов и местоположений экземпляров объектов.
- Dilation — расстояние между элементами ядра свёртки.
- Domain shift — различие распределений исходных и целевых данных.
- Encoder/decoder — части dense-модели, соответственно сжимающие признаки и восстанавливающие разрешение.
- Feature Pyramid Network — многомасштабное объединение карт признаков.
- Fine-tuning — продолжение обучения предобученных параметров на целевой задаче.
- FLOPs/MACs — теоретические оценки арифметических операций; не прямое измерение времени.
- Global average pooling — усреднение каждого канала по всем пространственным позициям.
- ImageNet pretraining — предварительное обучение весов на ImageNet.
- Instance segmentation — отдельная пиксельная маска каждого экземпляра.
- IoU (Jaccard) — отношение площади пересечения областей к площади объединения.
- Latency — задержка одного запроса; p95 — значение, быстрее которого завершились 95% запросов.
- NMS — удаление дублирующих boxes по score и IoU.
- Padding — дополнение границ входа перед свёрткой.
- Panoptic segmentation — совместная семантическая и экземплярная разметка пикселей.
- Pooling — локальное агрегирование значений с уменьшением или сохранением разрешения.
- Receptive field — область исходного входа, способная повлиять на элемент признаков.
- Residual/skip connection — короткая ветвь, добавляющая вход блока к изученной поправке.
- Semantic segmentation — классификация каждого пикселя без разделения экземпляров одного класса.
- Stride — шаг перемещения ядра по входу.
- Transfer learning — перенос представления или параметров из исходной задачи в целевую.
- Свёртка/Cross-correlation — применение общего локального ядра ко всем позициям.
- Throughput — число обработанных объектов или запросов в единицу времени.