人工智能与计算机视觉术语表 |Ultralytics

实时推理

探索实时推理的强大功能，实现即时AI预测。了解 Ultralytics YOLO26 如何为边缘设备和机器人技术提供低延迟结果。

探索 AI 推理模型如何超越模式匹配，实现逻辑演绎。了解 Ultralytics YOLO26 和 Ultralytics 平台如何赋能视觉推理。

探索机器学习中召回率的重要性。了解如何衡量和提高 Ultralytics YOLO26 模型的灵敏度，以确保高检测率。

了解如何使用接收者操作特征 (ROC) 曲线评估二元分类器。探索 Ultralytics YOLO26 中的 TPR 与 FPR 权衡。

探索感受野如何定义神经网络的“视觉”范围。了解Ultralytics YOLO26如何优化空间上下文，以有效detect各种尺寸的物体。

探索修正流，一种用于高保真数据创建的高效生成建模技术。了解如何将合成数据与Ultralytics YOLO26模型结合使用。

探索循环神经网络 (RNN) 如何利用记忆处理序列数据。了解 RNN 架构、NLP 应用和 PyTorch 实现。

探索 Reformer 架构，这是一种用于长序列的高效 Transformer 变体。了解 LSH attention 和 RevNets 如何为 AI 研究优化内存。

探索正则化如何防止机器学习中的过拟合。了解如何使用 Ultralytics YOLO26 实施 dropout 和权重衰减以提高模型泛化能力。

探索强化学习 (RL) 的核心概念。了解智能体如何利用反馈掌握任务，并了解 Ultralytics YOLO26 如何为 RL 视觉系统提供支持。

了解基于人类反馈的强化学习 (RLHF) 如何使 AI 与人类价值观对齐。探索其核心组件以及与 Ultralytics YOLO26 的集成。