الأبحاث ضمن الموضوع : تطبيقات الشبكات العصبية المتقدمة
-
تحليل أداء نماذج “تنظر مرة واحدة فقط” للنشر على أجهزة الحافة الحاسوبية المقيدة في تطبيقات الطائرات بدون طيار
2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Electronics | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقيّم هذه الدراسة أداء نماذج كشف الكائنات، وبالتحديد YOLOv8n و YOLOv8s، التي تم نشرها على أجهزة الحافة ذات الموارد المحدودة والبيئات السحابية للطائرات بدون طيار (UAVs). تركز الدراسة على NVIDIA Jetson Orin Nano و Orin NX و Raspberry Pi 5 (RPI5)، وتحلل مقاييس مثل دقة الكشف، وسرعة الاستدلال، واستهلاك الطاقة، إلى جانب تأثيرات الكوانتيزات بعد…
-
DSIA U-Net: تفاعل عميق ضحل مع آلية الانتباه UNet لصور الأقمار الصناعية للاستشعار عن بعد
2025 | المؤلف: Naga Surekha Jonnala وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تتناول ورقة البحث التحديات المتعلقة بالتجزئة الدلالية في صور الاستشعار عن بعد عالية الدقة، وخاصة عدم كفاءة النماذج الخفيفة الحالية التي غالبًا ما تفشل في الاستفادة الفعالة من المعلومات الهيكلية السطحية والتقاط التفاصيل السياقية العالمية. لمعالجة هذه القيود، يقترح المؤلفون نهجًا جديدًا يدمج آلية تفاعل عميق-سطحي مع وحدة انتباه، مصممة خصيصًا لتعزيز تجزئة المسطحات المائية.…
-
مسح شامل لنماذج كشف الكائنات الخفيفة المعتمدة على التعلم العميق للأجهزة الطرفية
2024 | المؤلف: Payal Mittal | المجلة: Artificial Intelligence Review | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تتناول هذه الدراسة تطوير نماذج كشف الكائنات الخفيفة المعتمدة على التعلم العميق والمُحسّنة للأجهزة الطرفية، استجابةً للطلب المتزايد على نماذج دقيقة وسريعة ومنخفضة الكمون. توفر الدراسة نظرة شاملة على طرق كشف الكائنات الخفيفة الحديثة، موضحةً الهياكل الأساسية المستخدمة عادةً، مثل ShuffleNet و MobileNetV2. تناقش الورقة عمليات التدريب والاستدلال ذات الصلة بتطبيقات التعلم العميق على الأجهزة…
-
طريقة تجميع محسنة لشبكات الأعصاب التلافيفية
2024 | المؤلف: Lei Zhao وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث طبقة تجميع جديدة، تُسمى T-Max-Avg، مصممة لتعزيز استخراج الميزات في الشبكات العصبية التلافيفية (CNNs). تؤدي طرق التجميع التقليدية، مثل التجميع الأقصى والتجميع المتوسط، غالبًا إلى فقدان المعلومات على الرغم من كفاءتها في تقليل الأبعاد المكانية. تُدخل طبقة التجميع T-Max-Avg معلمة عتبة $T$ التي تسمح باختيار أعلى $K$ بكسلات متفاعلة، مما يمكّن من…