تقدم هذه القسم نظرة عامة على التحديات المرتبطة بالكشف عن الأجسام الصغيرة في صور الطائرات بدون طيار، مع تسليط الضوء على قضايا مثل التباين المنخفض، والخلفيات المعقدة، والموارد الحاسوبية المحدودة التي تؤدي إلى معدلات عالية من عدم الكشف ودقة تحديد الموقع الضعيفة. تعاني طرق الكشف التقليدية غالبًا من فقدان المعلومات، وعدم كفاية تفاعل الميزات عبر…

تقدم ورقة البحث نهج ضغط ثنائي المراحل جديد يهدف إلى تحسين نموذج Faster R-CNN لاكتشاف الكائنات في تطبيقات الاستشعار عن بعد، مثل اكتشاف المناطق الحضرية، والزراعة الدقيقة، وتوقع الكوارث. إدراكًا للمتطلبات الكبيرة من حيث الحوسبة والتخزين لنموذج Faster R-CNN، يقترح المؤلفون استراتيجية هجينة تتكون من التدريب الواعي وضغط ما بعد التدريب. تستخدم مرحلة التدريب الواعي…

تقدم هذه الورقة SLF-YOLO، نموذج كشف كائنات خفيف الوزن مصمم للكشف الدقيق والفعال عن عيوب سطح المعدن في البيئات ذات الموارد المحدودة. تشمل الابتكارات الرئيسية وحدة SC_C2f، التي تستخدم آلية بوابة القناة لتعزيز تمثيل الميزات وتنظيم تدفق المعلومات، وهيكل Light-SSF_Neck، الذي يحسن دمج الميزات متعددة المقاييس واستخراج الميزات الشكلية. يعزز إدخال دالة خسارة FIMetal-IoU الأداء…

تقدم ورقة البحث تقنية جديدة لاكتشاف الأجسام (ODT) للصور الملتقطة بواسطة الطائرات بدون طيار، حيث تدمج خوارزميات تحسين الحيتان مع التعلم العميق المعزز لتعزيز اكتشاف الأجسام والبشر في سياقات المراقبة الحضرية. تستخدم الطريقة المقترحة خوارزمية تحسين تستخرج ميزات الصورة بشكل منهجي عبر شبكة بكسل $x \times y$، مع التركيز على تحديد وتصنيف الأجسام من خلال…

تتناول ورقة البحث التحديات المتعلقة بالكشف عن الأجسام تحت الماء، والتي تعيقها عوامل مثل الإضاءة الضعيفة والتشتت المعتمد على الطول الموجي. لتحسين أداء الكشف، يقترح المؤلفون مكونين جديدين: وحدة الترميز الدلالي الجزئي (PSEM) ورأس وزن الأبعاد المنفصل (SDWH). تعزز PSEM دمج الميزات متعددة المقاييس من خلال ترميز المعلومات المحلية للقناة عبر سلسلة من الإضافات البكسلية…