الأبحاث المرتبطة بالكلمة المفتاحية: كشف الكائنات

تحليل مقارن للكاشفات السابقة YOLO وكاشف YOLOv26s للكشف عن الأسلحة في المراقبة بالفيديو في الوقت الحقيقي

2026 | المؤلف: Carlos Julio Fierro Silva وآخرون | المجلة: Frontiers in Computer Science | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

يقدم هذا القسم من ورقة البحث تقييمًا شاملاً لكاشفات الأجسام المعتمدة على YOLO خفيفة الوزن لاكتشاف الأسلحة في الوقت الحقيقي في مراقبة الفيديو، مع التركيز على نموذج YOLOv26s الذي تم تقديمه حديثًا. تقارن الدراسة بين YOLOv26s والنسخ المعروفة (YOLOv8s، YOLOv9s، YOLOv10s، وYOLOv11s) في ظروف نشر حقيقية باستخدام NVIDIA Jetson Nano. يركز التقييم على زمن الاستجابة…
تحسين الصور تحت الماء وتصنيف المشاهد المعتمد على GAN باستخدام التعلم الانتقالي

2026 | المؤلف: Amani Homoud وآخرون | المجلة: PLoS ONE | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

تقدم هذه الورقة البحثية تحليلًا استكشافيًا لتقنيات تحليل الفيديو تحت الماء تهدف إلى تحسين جودة الصورة وتحسين تصنيف الأنواع البحرية. تبدأ المنهجية بمعالجة التحديات التي تطرحها البيئات تحت الماء، مثل انخفاض شدة الضوء وتشويه الألوان، مما يعيق الكشف الدقيق عن الأجسام. يستخدم المؤلفون خوارزمية العالم الرمادي (GW) لتحسين الصورة الأولية، تليها تحليل مقارن لتقنية توازن…
نموذج خفيف الوزن LMW-YOLO لاكتشاف الأجسام الصغيرة في صور الاستشعار عن بعد

2026 | المؤلف: Yubin Qiu وآخرون | المجلة: Scientific Reports | المجال: تكنولوجيا الإعلام (Media Technology)

تقدم ورقة البحث LMW-YOLO، وهي شبكة كشف كائنات خفيفة الوزن وعالية الدقة مصممة خصيصًا لصور الاستشعار عن بعد، حيث تعالج التحديات مثل اختلافات المقياس، والخلفيات المعقدة، والتوزيعات الكثيفة للكائنات الصغيرة. الشبكة مبنية على قاعدة YOLO11n وتدمج استراتيجية تصميم حساسة للسياق (CSD) جديدة لتحسين استخراج الميزات عبر مراحل الشبكة المختلفة. تشمل الابتكارات الرئيسية وحدة تجميع السياق…
دراسة حول خوارزمية الكشف عن الأجسام متعددة الأنماط المدمجة بين الأشعة تحت الحمراء والمرئية بناءً على عنق الزجاجة المعلوماتية بين الأنماط والتحول الحد الأدنى من التكرار

2026 | المؤلف: Weiyan Tan وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

تقدم ورقة البحث إطارًا جديدًا للكشف عن الأجسام متعددة الأنماط في الأشعة تحت الحمراء والمرئية، مع معالجة تحديات كبيرة مثل تقليل تكرار الأنماط ومحاذاة الميزات. يدمج الإطار المقترح بين اختناق المعلومات عبر الأنماط (CIB) وتحويل الحد الأدنى من التكرار (MRT). يستخدم وحدة CIB مسارًا للضغط والتفكيك وإعادة البناء لتعزيز الاتساق عبر الأنماط من خلال الحفاظ…
الكشف عن السحب تحت إشراف ضعيف يجمع بين الميزات الطيفية والشبكة العميقة متعددة المقاييس

2026 | 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…
رأس كشف واعٍ للشذوذ للكشف عن الأهداف الصغيرة بالأشعة تحت الحمراء بشكل اقتصادي وموثوق

2026 | المؤلف: Alina Ciocarlan وآخرون | المجلة: Engineering Applications of Artificial Intelligence | المجال: هندسة الطيران والفضاء (Aerospace Engineering)

تقدم ورقة البحث Anomaly-Aware YOLO (AA-YOLO)، وهو نهج جديد مصمم لتعزيز اكتشاف الأهداف الصغيرة في الأشعة تحت الحمراء (IRSTD) في التطبيقات الدفاعية. تكافح طرق اكتشاف الأجسام التقليدية مع معدلات إنذار كاذب عالية بسبب الخلفيات المعقدة وأحجام الأهداف الصغيرة. يتناول AA-YOLO هذه المشكلة من خلال دمج آلية اكتشاف الشذوذ الإحصائي في رأس الكشف لشبكات YOLO، مما…
رسم بياني تشخيصي آلي قائم على التعلم العميق في الأشعة السينية البانورامية: مقارنة بين YOLOv11 و YOLOv12

2026 | 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…
إطار عمل خفيف الوزن وقابل للتوسع للتعلم العميق لاكتشاف أمراض أوراق البطاطس في الوقت الحقيقي

2026 | المؤلف: G. Bhavani وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

تقدم البحث كاشف الصناديق المتعددة المعزز (EF-SSD)، وهو إطار عمل قائم على الذكاء الاصطناعي مصمم للكشف الدقيق والفعال عن أمراض أوراق البطاطس، التي تشكل مخاطر كبيرة على الأمن الغذائي. يستخدم EF-SSD هرم ميزات متعدد المقاييس مكون من 10 طبقات وآليات انتباه Squeeze-and-Excitation (SE) لتعزيز الكشف عن الآفات الصغيرة وغير المنتظمة والم occluded جزئيًا في الصور…
شبكة دمج ميزات VGG-ResNet الهجينة لاكتشاف الأجسام في صور السونار الجانبي

2026 | المؤلف: Venkata Lakshmi Keerthi K وآخرون | المجلة: International Journal of Emerging Research in Engineering Science and Management | المجال: علم المحيطات (Oceanography)

تقدم ورقة البحث شبكة عصبية تلافيفية هجينة (CNN) مصممة لاكتشاف الأجسام في صور السونار الجانبي، والتي تعتبر تحديًا بطبيعتها بسبب مستويات الضوضاء العالية، والدقة المكانية المحدودة، والهياكل المعقدة في قاع البحر. يدمج النموذج نقاط القوة في استخراج الميزات من VGG-16 و ResNet-50 من خلال دمج الميزات، مما يعزز تمييز الأهداف. للتخفيف من المشكلات المتعلقة بندرة…
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…