Ripasso di Vedere.

Un piccolo filtro, per esempio di 3 per 3 pixel, che scorre su tutta l'immagine e si accende dove trova il suo disegno. Una rete fatta di strati di filtri si chiama convoluzionale, in inglese CNN.

La percentuale che il modello dà a una risposta. Dice quanto preferisce quella risposta rispetto alle altre che conosce, non quanto è probabile che abbia ragione.

Quando un modello impara un dettaglio che accompagna la risposta al posto della risposta, per esempio la neve invece del lupo. Sui dati nuovi senza quel dettaglio sbaglia.

Quando una classe ha molti più esempi delle altre. Un modello può sembrare accurato rispondendo sempre la classe più grande, quindi gli errori vanno guardati classe per classe.

Una classe in più con gli esempi di quando l'oggetto non c'è, come il tavolo vuoto o una mano che passa. Dà al modello una risposta giusta anche per quei momenti.

Quando esempi quasi uguali finiscono sia tra quelli per imparare sia tra quelli di prova. Il modello li riconosce e il voto sembra migliore di come andrà davvero.

Cambiare un poco a caso gli esempi durante l'addestramento, per esempio ruotando o schiarendo una foto. Il modello vede più varietà senza che tu debba raccogliere altri dati.

Intersection over union. Quanto si sovrappongono due riquadri, da 0 a 1. Serve a decidere se un riquadro trovato dal modello corrisponde a quello giusto.

Non-maximum suppression. Tra i riquadri che si sovrappongono troppo tiene quello con la confidenza più alta e cancella gli altri, così resta un riquadro per oggetto.

Una segmentazione che separa ogni singolo oggetto con la sua maschera, invece di colorare allo stesso modo tutti gli oggetti della stessa classe.

Un modello che dà a ogni pixel una distanza invece di una classe. Da una foto sola stima cosa sta davanti e cosa dietro, ma non i metri esatti.

Portare i dati su una scala comune prima di darli al modello. Per i punti della mano si mette il polso in zero e si divide per la grandezza della mano, così restano solo le forme.