算法常用术语
-
AI(Artificial Intelligence):人工智能,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学
-
model:指代的是目标函数
-
Algorithm:是求解该目标函数的方法
-
CV(computer vision):计算机视觉
-
VAS(video analysis service):封装后视频算法
-
IAS(image analysis service):封装后图片算法
-
ROI(Region of Interest):机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域
-
P(Positive)和N(Negative):表示模型的判断结果,T(True)和F(False) 表示模型的判断结果是否正确
-
TP(True Positive) :被正确预测的正例.表示真实值为正,同时也被正确的预测为正
-
TN(True Negative) :被正确预测的反例.表示真实值为反例,也被正确的预测为反例
-
FP(False Positive):表示真实值为负例,被错误的预测为正例
-
FN(False Negative):表示真实值为正例,被错误的预测为反例
-
PR曲线(Precision-Recall):PR曲线常被用在信息提取领域,同时当我们的数据集中类别分布不均衡时我们可以用PR曲线代替ROC.PR曲线的横轴代表查全率,实际上就是真正率,纵轴代表查准率,表示预测为正例的样本里实际也为正例的样本所占的比例
-
Accuracy:准确率,算法最直接的识别指标,即模型判断正确的数据(TP+TN)占总数据的比例–Acc=(TP+TN)/(TP+TN+FP+FN),准确率的确可以在一些场合,从某种意义上得到一个分类器是否有效,但它并不总是能有效的评价一个分类器的工作,对于正负样本不均衡的情况下,accuracy作为评判标注并不合适(例如1000数据,正例有10个,如果分类器全部判断为负例,准确率依然有 990/1000 = 0.99)
-
IOU( Intersection over union):指的就是大家常说的交并比,在语义分割中作为标准度量一直被人使用。交并比不仅仅在语义分割中使用,在目标检测等方向也是常用的指标之一。根据公式得: IOU = TP/(TP + FP + FN)
-
Precision: 精确度 = 检测正确的目标数量/(检测正确目标的数量+误检目标的数量)
-
Recall: 召回率 = 检测正确的目标数量/(检测正确的数量+漏检目标的数量)
-
ap(Average precision):平均精准度,简单来说就是对PR曲线上的Precision值求均值。对于pr曲线来说,我们使用积分来进行计算
-
CPU(Central Processing Unit): 是一台计算机的运算核心(Core)和控制核心( Control Unit)
-
GPU(Graphic Processing Unit):做图像和图形相关运算工作的微处理器
-
NPU(unified processor unit):嵌入式神经网络处理器采用“数据驱动并行计算”的架构,特别擅长处理视频、图像类的海量多媒体数据
-
语义分割(semantic segmentation):识别图像中存在的内容以及位置(通过查找属于它的所有像素)
-
软解码:使用CPU进行编码,性能较硬编码低,低码率下质量通常比硬编码要好一点
-
硬解码:由显卡核心GPU来对高清视频进行解码工作,CPU占用率很低,画质效果比软解码略差
-
流媒体:是指将一连串的媒体数据压缩后,经过网上分段发送数据,在网上即时传输影音以供观赏的一种技术与过程,此技术使得数据包得以像流水一样发送