الأبحاث المرتبطة بالكلمة المفتاحية: كشف الكائنات
-
الكشف عن السحب تحت إشراف ضعيف يجمع بين الميزات الطيفية والشبكة العميقة متعددة المقاييس
Weakly supervised cloud detection combining spectral features and multi-scale deep network2026 | المؤلف: Shaocong Zhu وآخرون | المجلة: GIScience & Remote Sensing | المجال: علوم الغلاف الجوي (Atmospheric Science)في هذه الدراسة، يقدم المؤلفون طريقة للكشف عن السحب تحت إشراف ضعيف تُسمى SpecMCD، والتي تدمج الميزات الطيفية مع شبكة عميقة على مستوى المشهد متعددة المقاييس لتعزيز دقة أقنعة السحب على مستوى البكسل. تتناول الطريقة التحديات التي تطرحها السحب الرقيقة وعينات التدريب ذات الجودة المنخفضة من خلال استخدام إطار تدريب تدريجي يستفيد من مجموعة بيانات…
-
رسم بياني تشخيصي آلي قائم على التعلم العميق في الأشعة السينية البانورامية: مقارنة بين YOLOv11 و YOLOv12
Deep Learning–Based Automated Diagnostic Charting on Panoramic Radiography: Comparison of YOLOv11 and YOLOv122026 | المؤلف: Onur Mutlu وآخرون | المجلة: Odontology | المجال: جراحة الفم (Oral Surgery)تستقصي الدراسة فعالية اثنين من هياكل التعلم العميق المتقدمة، YOLOv11 و YOLOv12، للكشف التلقائي عن 13 حالة سنية في الأشعة السينية البانورامية، بهدف تحسين سير العمل السريري وتقليل التباين في التشخيص. تم استخدام مجموعة بيانات هجينة مكونة من 2,297 صورة، وتم تقييم مقاييس الأداء من خلال متوسط الدقة (mAP@0.5)، والدقة، والاسترجاع، ودرجة F1 على كل…
-
الدمج المتأخر عبر مجموعات البيانات لنماذج الكاميرا–LiDAR والرادار للكشف عن الأجسام
Cross-dataset late fusion of Camera–LiDAR and radar models for object detection2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم هذه الورقة البحثية إطار عمل متأخر للتكامل المودولي يدمج بفعالية بين كاميرا، LiDAR، ورادار لتصنيف الأجسام في تطبيقات القيادة الذاتية. بدلاً من استخدام هياكل دمج معقدة من البداية إلى النهاية، يقوم المؤلفون بتدريب شبكتين عصبيتين خفيفتين بشكل مستقل: شبكة عصبية تلافيفية (CNN) لكاميرا + LiDAR باستخدام مجموعة بيانات KITTI ومصنف قائم على وحدة متكررة…
-
خوارزمية كشف الكائنات خفيفة الوزن للكشف عن أضرار الثوم
Garlic-YOLO-DD: a lightweight object detection algorithm for garlic damage detection2026 | المؤلف: Yun Gao وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم هذه البحث Garlic-YOLO-DD، وهو خوارزمية خفيفة الوزن للكشف عن الأجسام ذات المرحلة الواحدة مصممة لاكتشاف أضرار الثوم في البيئات ذات الموارد المحدودة. بناءً على إطار عمل YOLOv11n، تعالج النموذج التعقيد الحسابي العالي والبارامترات المفرطة من خلال دمج وحدة ADown لخفض العينة، والتي تقلل بشكل كبير من عدد البارامترات والحمل الحسابي. بالإضافة إلى ذلك، يعزز…