الأبحاث المرتبطة بالكلمة المفتاحية: شبكة هرمية للميزات
-
نموذج خفيف لاكتشاف الأجسام الصغيرة في صور الطائرات بدون طيار يعتمد على التكامل الدلالي العميق A lightweight small object detection model for UAV images based on deep semantic integration
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)في هذا القسم، يقوم المؤلفون بنقد طرق الكشف عن الأجسام الصغيرة الحالية التي تستخدم بشكل أساسي الكتل المتبقية، والتي تتطلب حسابات كثيفة وغالبًا ما تكون زائدة، مما يعيق تحسين الأداء في الكشف عن الأجسام الصغيرة. للتغلب على هذه القيود، يقترحون شبكة هرمية محسنة للميزات تُسمى شبكة الهرم للميزات L (L-FPN) ويقدمون كاشف أجسام صغير يُدعى…
-
تعزيز تصنيف النفايات الإلكترونية باستخدام نماذج التعلم العميق القابلة للتخصيص المعتمدة على YOLO Advancing e-waste classification with customizable YOLO based deep learning models
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تتناول هذه الورقة البحثية القضية الملحة لإدارة النفايات الإلكترونية (النفايات الإلكترونية) من خلال تقييم ثلاثة نماذج متقدمة لاكتشاف الكائنات—YOLOv5 و YOLOv7 و YOLOv8—تركز على تحسين تصنيف النفايات الإلكترونية لإعادة التدوير وإعادة الاستخدام. باستخدام منهجية “تنظر مرة واحدة فقط” (YOLO)، تسلط الدراسة الضوء على الميزات المعمارية الفريدة لكل نموذج، بما في ذلك العمود الفقري CSPDarknet53 وتقنيات…
-
WMC-RTDETR: نموذج خفيف الوزن للكشف عن أمراض الشاي WMC-RTDETR: a lightweight tea disease detection model
2026 | المؤلف: Yang Zhang وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم ورقة البحث نموذج WMC-RTDETR، وهو إطار عمل خفيف الوزن معزز للكشف عن الآفات والأمراض في مزارع الشاي، مع معالجة التحديات مثل حجب الأهداف المتعددة والخلفيات المعقدة التي تعيق دقة الكشف. من خلال دمج تحويل المويجات، يحسن النموذج استخراج الميزات متعددة المقاييس، بينما يسهل آلية الانتباه الذاتي متعددة الرؤوس متعددة المقاييس دمج الميزات العالمية، مما…