Glossario Computer Vision

Trasformazione affine. Trasformazione che preserva linee parallele tramite rotazione, scala, traslazione e taglio.

Riquadro di ancoraggio. Riquadro predefinito di forma e dimensione fissa usato come riferimento nel rilevamento.

Pooling medio. Riduce le feature map sostituendo ogni regione con la media dei suoi valori.

Rete dorsale. Rete convoluzionale di base che estrae le caratteristiche riutilizzate dai vari task.

Sottrazione dello sfondo. Isola gli oggetti in movimento rimuovendo lo sfondo statico di una scena.

Sacco di parole visive. Rappresentazione che descrive un'immagine come frequenza di caratteristiche locali raggruppate.

Filtro bilaterale. Filtro che riduce il rumore preservando i bordi, pesando i pixel per vicinanza e somiglianza.

Interpolazione bilineare. Metodo che stima il valore di un pixel mediando i quattro pixel vicini, usato nel ridimensionamento.

Aggiustamento dei fasci. Ottimizzazione che affina insieme punti 3D e parametri di camera minimizzando l'errore di proiezione.

Calibrazione della camera. Stima i parametri interni dell'obiettivo per correggere distorsioni e misurare la scena.

Rilevatore di Canny. Algoritmo multi-fase che individua bordi netti con soppressione e doppia soglia.

Sbilanciamento delle classi. Situazione in cui alcune categorie sono molto più rare di altre nei dati.

Token di classe. Vettore speciale aggiunto in un ViT che raccoglie l'informazione per la classificazione finale.

Allineamento testo-immagine. Modello che apprende rappresentazioni condivise di immagini e descrizioni testuali.

Chiusura morfologica. Dilatazione seguita da erosione, utile per colmare piccoli buchi negli oggetti.

Istogramma dei colori. Distribuzione delle frequenze dei colori in un'immagine, usata per descriverla.

Soglia di confidenza. Valore minimo di sicurezza sotto il quale una predizione viene scartata.

Matrice di confusione. Tabella che confronta classi predette e reali per analizzare gli errori del modello.

Componenti connesse. Etichettatura di regioni di pixel contigui appartenenti allo stesso oggetto.

Rilevamento di contorni. Individua le curve continue che delimitano gli oggetti in un'immagine binaria.

Rete convoluzionale moderna. Architettura che aggiorna le CNN classiche ispirandosi ai vincenti trasformer.

Convoluzione. Operazione che fa scorrere un kernel sull'immagine per estrarre caratteristiche locali.

Annotazione dei dati. Processo di etichettatura manuale di immagini per creare dati di addestramento.

Stima della profondità. Calcola la distanza di ogni punto della scena dalla telecamera a partire da una o più immagini.

Convoluzione separabile in profondità. Scompone la convoluzione per ridurre calcolo e parametri, usata in reti leggere.

Rilevamento con trasformer. Modello end-to-end che vede il rilevamento come predizione diretta di insiemi di oggetti.

Coefficiente di Dice. Metrica di segmentazione che misura la sovrapposizione tra maschera predetta e reale.

Convoluzione dilatata. Convoluzione con kernel espanso che amplia il campo recettivo senza aumentare i parametri.

Dilatazione. Operazione morfologica che ingrandisce gli oggetti aggiungendo pixel ai loro bordi.

Mappa di disparità. Rappresenta lo spostamento tra pixel corrispondenti in una coppia stereo, legato alla profondità.

Rete bilanciata. Architettura che scala in modo coordinato profondità, larghezza e risoluzione.

Geometria epipolare. Descrive le relazioni geometriche tra due viste della stessa scena.

Erosione. Operazione morfologica che assottiglia gli oggetti rimuovendo i pixel sui bordi.

Matrice essenziale. Versione calibrata della matrice fondamentale, lega due viste con camera nota.

Parametri estrinseci. Posizione e orientamento della camera rispetto al mondo.

R-CNN accelerato. Versione che condivide il calcolo convoluzionale su tutta l'immagine per velocizzare il rilevamento.

Rilevatore a due stadi. Introduce una rete di proposta di regioni integrata, eliminando i metodi esterni lenti.

Mappa di caratteristiche. Output di un filtro convoluzionale che evidenzia dove appare una certa caratteristica.

Corrispondenza di caratteristiche. Associazione di punti chiave tra immagini diverse confrontandone i descrittori.

Rete a piramide di caratteristiche. Struttura che combina feature a più scale per rilevare oggetti di dimensioni diverse.

Focal loss. Funzione di perdita che riduce il peso degli esempi facili per concentrarsi su quelli difficili.

Differenza tra fotogrammi. Rileva movimento confrontando pixel di fotogrammi consecutivi.

Matrice fondamentale. Matrice che descrive la relazione epipolare tra due immagini non calibrate.

Sfocatura gaussiana. Filtro che attenua dettagli e rumore mediando i pixel secondo una distribuzione gaussiana.

Piramide gaussiana. Piramide ottenuta sfocando e sottocampionando ripetutamente l'immagine.

Tecnica di rappresentazione e rendering di scene 3D che modella la geometria con milioni di piccole gaussiane colorate anziché con una rete neurale implicita. Consente ricostruzioni fotorealistiche e rendering in tempo reale, ponendosi come alternativa efficiente ai campi di radianza neurali.

Segmentazione interattiva. Metodo che separa primo piano e sfondo a partire da un riquadro fornito dall'utente.

Grad-CAM. Tecnica che evidenzia le regioni dell'immagine più rilevanti per la decisione di una rete.

Maschera di riferimento. Segmentazione corretta annotata a mano usata per valutare le predizioni.

Selezione dei negativi difficili. Tecnica che addestra il modello sugli esempi di sfondo più ingannevoli.

Rilevatore di angoli. Algoritmo che individua punti dove l'intensità varia in più direzioni.

Mappa di calore. Rappresentazione a colori dell'intensità di un valore su una superficie, usata per pose e attenzione.

Equalizzazione dell'istogramma. Tecnica che ridistribuisce le intensità per migliorare il contrasto dell'immagine.

Istogramma dei gradienti. Descrittore che riassume le direzioni dei gradienti locali, usato per riconoscere forme.

Omografia. Trasformazione che mappa punti tra due piani, usata per allineare immagini complanari.

Trasformata di Hough. Metodo che individua forme geometriche come rette e cerchi votando in uno spazio di parametri.

Spazio colore HSV. Modello che descrive il colore tramite tonalità, saturazione e valore di luminosità.

Momenti di Hu. Set di sette descrittori invarianti a traslazione, scala e rotazione per riconoscere forme.

Classificazione di immagini. Task che assegna a un'intera immagine una sola etichetta tra categorie predefinite.

Riduzione del rumore. Rimuove disturbi e granulosità da un'immagine preservandone i dettagli reali.

Gradiente di immagine. Vettore che indica direzione e intensità della variazione di luminosità in un punto.

Kernel di immagine. Piccola matrice di pesi applicata in convoluzione per filtrare o trasformare un'immagine.

Processo che stima per ogni pixel un valore di opacità continuo per separare con precisione un soggetto dallo sfondo, includendo dettagli fini come capelli e bordi sfumati. Diversamente dalla segmentazione binaria, produce una maschera alfa adatta a compositing realistici.

Momenti dell'immagine. Misure statistiche di una regione usate per calcolarne area, centroide e orientamento.

Piramide di immagini. Serie di versioni della stessa immagine a risoluzioni decrescenti, usata per analisi multiscala.

Allineamento di immagini. Sovrappone due o più immagini della stessa scena in un sistema di coordinate comune.

Recupero di immagini. Cerca in un archivio le immagini più simili a una query visiva data.

Modulo Inception. Architettura che applica filtri di dimensioni diverse in parallelo nello stesso livello.

Ricostruzione di aree mancanti. Riempie regioni rovinate o rimosse di un'immagine in modo coerente con il contesto.

Segmentazione di istanze. Identifica e separa singoli oggetti distinti della stessa classe, mascherandoli pixel per pixel.

Perdita IoU. Funzione di costo che ottimizza direttamente la sovrapposizione tra riquadri predetti e reali.

Parametri intrinseci. Caratteristiche interne della camera come lunghezza focale e centro ottico.

Intersezione su unione. Metrica che misura la sovrapposizione tra riquadro predetto e riquadro reale.

Filtro di Kalman. Algoritmo che stima e predice lo stato di un oggetto in movimento riducendo il rumore.

Rilevamento di punti chiave. Localizza punti caratteristici di un oggetto, come articolazioni del corpo o tratti del volto.

Operatore laplaciano. Filtro basato sulla derivata seconda che evidenzia bordi e zone di rapida variazione.

Piramide laplaciana. Rappresentazione che memorizza i dettagli persi tra i livelli di una piramide gaussiana.

Distorsione dell'obiettivo. Deformazione geometrica introdotta dall'ottica, come l'effetto barile o cuscinetto.

LiDAR. Sensore che misura distanze con impulsi laser per produrre nuvole di punti 3D.

Precisione media. Metrica principale del rilevamento, media delle precisioni su classi e soglie di sovrapposizione.

Rilevatore con maschere. Estende Faster R-CNN aggiungendo un ramo che produce maschere di segmentazione per ogni istanza.

Pooling massimo. Riduce le feature map mantenendo il valore più alto di ogni regione.

Precisione media globale. Sintesi delle prestazioni di rilevamento mediando la precisione su tutte le classi.

Filtro mediano. Filtro che sostituisce ogni pixel con il valore mediano dei vicini, efficace contro il rumore impulsivo.

Mesh poligonale. Rappresentazione 3D di superfici tramite vertici, spigoli e facce.

Rete per dispositivi mobili. Architettura leggera ottimizzata per girare su smartphone e dispositivi embedded.

Operazioni morfologiche. Trasformazioni come erosione e dilatazione che modificano la forma di regioni binarie.

Interpolazione al vicino più prossimo. Ridimensiona copiando il valore del pixel più vicino, veloce ma a blocchi.

Campi di radianza neurali. Modello che ricostruisce scene 3D fotorealistiche da immagini per sintetizzare nuove viste.

Soppressione dei non massimi. Tecnica che elimina i riquadri ridondanti mantenendo solo quello con confidenza maggiore.

Inseguimento di oggetti. Segue la posizione di uno o più oggetti attraverso i fotogrammi di un video.

Rilevamento di oggetti capace di riconoscere categorie non presenti nel set di addestramento, descritte tramite testo in linguaggio naturale. Sfruttando spazi di rappresentazione condivisi fra immagini e parole, generalizza a nuove classi senza richiedere annotazioni dedicate.

Apertura morfologica. Erosione seguita da dilatazione, utile per rimuovere piccoli disturbi.

Pipeline OCR. Sequenza di passi che individua, ritaglia e riconosce il testo presente in un'immagine.

Flusso ottico. Stima il movimento apparente di pixel tra fotogrammi successivi di un video.

Flusso ottico di Lucas-Kanade. Metodo che stima il movimento di piccoli intorni di pixel assumendolo localmente costante.

Descrittore efficiente. Combinazione veloce e libera da brevetti di rilevatore di angoli e descrittore binario.

Sogliatura di Otsu. Metodo che sceglie automaticamente la soglia ottimale massimizzando la separazione tra classi.

Riempimento. Aggiunta di pixel ai bordi dell'immagine per controllare la dimensione dell'output convoluzionale.

Metrica per la segmentazione panottica che valuta in un unico numero sia il riconoscimento corretto delle istanze sia la qualità della loro sovrapposizione con la verità di riferimento. Combina una componente di riconoscimento e una di accuratezza della segmentazione.

Segmentazione panottica. Unisce segmentazione semantica e di istanze etichettando ogni pixel sia per classe sia per istanza.

Embedding di patch. Conversione delle porzioni di immagine in vettori numerici per i Vision Transformer.

Trasformazione prospettica. Modifica un'immagine per correggere o simulare il punto di vista.

Fotogrammetria. Tecnica che ricostruisce misure e modelli 3D a partire da fotografie.

Modello di camera stenopeica. Modello geometrico ideale che proietta i punti 3D attraverso un singolo foro.

Pixel. Unità minima di un'immagine digitale, definita da una posizione e un valore di colore.

Nuvola di punti. Insieme di punti 3D che rappresenta la superficie di oggetti o scene nello spazio.

Sottocampionamento. Operazione che riduce la dimensione delle feature map aggregando valori vicini.

Codifica posizionale. Informazione aggiunta agli input per indicare la posizione spaziale delle patch.

Curva precisione-richiamo. Grafico che mostra il compromesso tra precisione e capacità di trovare tutti gli oggetti.

Rapporto segnale-rumore di picco. Metrica che misura la qualità di un'immagine ricostruita rispetto all'originale.

Rilevatore a regioni. Architettura che propone regioni candidate e le classifica con una rete convoluzionale.

Stima robusta. Algoritmo che adatta un modello ai dati ignorando i valori anomali tramite campionamento casuale.

Campo recettivo. Porzione dell'immagine di ingresso che influenza un singolo valore in una feature map.

Rettifica stereo. Allinea due immagini in modo che i punti corrispondenti stiano sulla stessa riga.

Crescita di regioni. Segmentazione che parte da pixel seme e aggrega i vicini simili.

Regione di interesse. Porzione dell'immagine selezionata per l'analisi mirata.

Rete di proposta regioni. Componente che genera rapidamente riquadri candidati dove cercare oggetti.

Rete residua. Architettura con connessioni di salto che permette di addestrare reti molto profonde.

Rilevatore one-stage. Modello che usa la focal loss per gestire lo sbilanciamento tra sfondo e oggetti.

Canale RGB. Una delle tre componenti rosso, verde e blu che insieme formano un'immagine a colori.

Allineamento di regione. Versione precisa del ROI pooling che evita arrotondamenti, usata in Mask R-CNN.

Pooling di regione. Operazione che estrae feature di dimensione fissa da regioni candidate di varia grandezza.

Mappa di salienza. Visualizzazione delle aree dell'immagine che attirano l'attenzione o influenzano la predizione.

Segmentazione universale. Modello che produce maschere di qualsiasi oggetto partendo da prompt come punti o riquadri.

Auto-attenzione. Meccanismo che mette in relazione ogni elemento dell'input con tutti gli altri.

Segmentazione semantica. Assegna a ogni pixel dell'immagine la classe dell'oggetto a cui appartiene, senza distinguere istanze.

Caratteristiche invarianti. Algoritmo che estrae punti chiave robusti a scala e rotazione per il matching tra immagini.

Superpixel SLIC. Algoritmo efficiente che genera superpixel regolari raggruppando pixel per colore e posizione.

Operatore di Sobel. Filtro che evidenzia i bordi calcolando il gradiente di intensità lungo gli assi.

Rilevatore single-shot. Predice oggetti e classi in un unico passaggio usando feature map a più scale.

Similarità strutturale. Metrica che valuta la qualità percepita confrontando struttura, luminanza e contrasto.

Visione stereoscopica. Stima la profondità confrontando due immagini riprese da punti di vista diversi.

Passo. Numero di pixel di cui il kernel si sposta a ogni applicazione durante la convoluzione.

Struttura dal movimento. Ricostruisce geometria 3D e posizioni della camera da una sequenza di immagini.

Aumento di risoluzione. Ricostruisce un'immagine ad alta risoluzione a partire da una versione a bassa risoluzione.

Superpixel. Raggruppamento di pixel adiacenti e simili che semplifica l'immagine in regioni coerenti.

Caratteristiche accelerate. Versione più veloce di SIFT che approssima i calcoli per estrarre descrittori robusti.

Trasformer a finestre. Vision Transformer gerarchico che calcola l'attenzione su finestre locali scorrevoli.

Confronto con modello. Tecnica che cerca in un'immagine la posizione che meglio corrisponde a un'immagine campione.

Rilevamento del testo. Localizzazione delle aree contenenti testo all'interno di un'immagine.

Sogliatura. Converte un'immagine in binaria separando i pixel sopra e sotto un valore di intensità.

Accuratezza top-5. Metrica che considera corretta una predizione se la classe giusta è tra le prime cinque proposte.

Convoluzione trasposta. Operazione che aumenta la risoluzione delle feature map, usata nei decoder.

Triangolazione. Determina la posizione 3D di un punto incrociando le sue proiezioni in più viste.

Rete a U per segmentazione. Architettura con percorso di compressione ed espansione e connessioni skip, nata in ambito medico.

Rete VGG. Architettura profonda e regolare basata su piccoli kernel convoluzionali impilati.

Trasformer per immagini. Architettura che divide l'immagine in patch e le elabora con meccanismi di attenzione.

Modello che elabora congiuntamente immagini e testo in uno spazio di rappresentazione comune, abilitando compiti come descrizione di immagini, risposta a domande visive e ricerca cross-modale. Apprende le associazioni fra contenuti visivi e linguaggio da grandi corpora accoppiati.

Odometria visiva. Stima il movimento della camera analizzando la sequenza di immagini riprese.

Rendering volumetrico. Tecnica che genera immagini accumulando colore e densità lungo i raggi nello spazio.

Voxel. Equivalente tridimensionale del pixel, rappresenta un valore in una griglia di volume.

Spartiacque. Algoritmo di segmentazione che tratta l'immagine come un rilievo e separa le regioni come bacini.

Rilevatore in tempo reale. Famiglia di modelli che individua oggetti in un solo passaggio sulla rete, molto veloce.

Spazio colore YUV. Modello che separa la luminanza dalle informazioni di crominanza, usato nei video.