الأبحاث المرتبطة بالكلمة المفتاحية: صندوق الحد الأدنى المحيط
-
YOLO-LS: إطار عمل جديد للتعلم العميق لتجزئة أورام الدماغ في التصوير بالرنين المغناطيسي
2026 | المؤلف: Jinghui Chen وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)تقدم البحث YOLO-LS، وهو إطار متقدم لاكتشاف وتقسيم أورام الدماغ في صور الرنين المغناطيسي، حيث يتناول التحديات المتعلقة بالتنوع العالي في خصائص الأورام وقيود التوصيف اليدوي. يعتمد النموذج المقترح على بنية YOLO11n-seg ويقدم ثلاثة ابتكارات رئيسية: دمج ShuffleNet V1 كهيكل خفيف الوزن لتقليل التعقيد الحسابي، وآلية DySample الديناميكية لزيادة التفاصيل الدقيقة، ووحدة C3k2-PoolingFormer لتحسين دمج…
-
تقييم شامل لأداء كشف الغزلان القائم على YOLO على الأجهزة الطرفية
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Electronics | المجال: علم البيئة (Ecology)تتناول هذه الدراسة الخسائر الاقتصادية الكبيرة في الزراعة الأمريكية الناتجة عن دخول الغزلان، والتي تصل إلى مئات الملايين من الدولارات سنويًا. لقد أثبتت استراتيجيات التخفيف التقليدية عدم كفايتها، مما يبرز الحاجة إلى حلول ذكية ومستقلة للكشف عن الغزلان والردع عنها في الوقت الحقيقي. تملأ هذه الدراسة فجوة حاسمة في الأدبيات من خلال تقديم مجموعة بيانات…
-
بناء والتحقق من نظام متعدد الوظائف مدعوم بالذكاء الاصطناعي للتعرف على إصابات الضغط
2026 | المؤلف: Zhenni Wang وآخرون | المجلة: Frontiers in Physiology | المجال: العلاج الوظيفي (Occupational Therapy)تتناول هذه الدراسة الزيادة المتزايدة في حالات إصابات الضغط (PIs) بسبب شيخوخة السكان من خلال تطوير نموذج ذكاء اصطناعي، PI-3DAS، يعتمد على شبكة YOLOv11 العصبية. يهدف النموذج إلى تعزيز التعرف المبكر والتصنيف الدقيق لإصابات الضغط، متجاوزًا قيود التقييمات اليدوية التقليدية التي تعتمد على الحكم السريري الذاتي. تم استخدام مجموعة بيانات تضم 1,815 صورة لإصابات الضغط،…
-
MDI-YOLO نموذج دمج الميزات متعدد الأبعاد القائم على المحولات والشبكات العصبية التلافيفية للكشف عن الأجسام الصغيرة
2026 | المؤلف: Hong Shi وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم البحث نموذج MDI-YOLO، وهو إطار خفيف الوزن لاكتشاف الأجسام الصغيرة مصمم لتعزيز دقة الاكتشاف في صور الطائرات بدون طيار والاستشعار عن بعد، مع معالجة التحديات مثل حجم الهدف الصغير، وتداخل الخلفية، والاحتجاب. يدمج النموذج نهج دمج الميزات متعددة الأبعاد يجمع بين تقنيات Transformer وCNN من خلال هيكل جديد يسمى C2f-Multi-Head Self-Attention-Convolutional Gated Linear Unit-Convolutional…
-
TomatoGuard-YOLO: طريقة جديدة وفعالة لاكتشاف أمراض الطماطم
2025 | المؤلف: Xuewei Wang وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم البحث TomatoGuard-YOLO، وهو إطار متقدم للكشف مصمم لمعالجة التحديات المتعلقة بالكشف عن الأمراض في الطماطم، والتي تؤثر بشكل كبير على المحصول والجودة. يعتمد هذا الإطار على بنية YOLOv10 المحسنة ويقدم ابتكارات رئيسية: وحدة البقايا المقلوبة متعددة المسارات (MPIRU) لتحسين استخراج الميزات متعددة المقاييس وإطار التركيز الديناميكي (DFAF) للتركيز التكيفي على المناطق ذات الصلة بالأمراض.…