إعداد

 

أ.صهيب بكور د. محمود موسى

 

ملخص البحث

نماذج التجزئة العميقة هي من الأساليب الفعالة لاستكشاف التشابه على نطاق واسع. وعلى الرغم من فعاليتها، إلا أن معظم تلك النماذج الحالية لا تستفيد من بنية التسلسل الهرمي الطبيعي للصور خلال التدريب. يقدّم هذا البحث نموذجاً جديداً يعتمد على التعلم العميق للاستفادة من البنية التسلسلية الهرمية لسرعة التعرف على الأماكن على نطاق واسع.

تعتمد الطريقة المقترحة على تجميع الميزات المستخرجة من الصور باستخدام شبكة عصبونيةCNN  مدربة مسبقاً. إن المفهوم الرئيس لهذا النموذج يتمثل في تمثيل البيانات على مساحة منخفضة الأبعاد، حيث يتم تعيين كل بيانات إلى متجه ثنائي في عمليتين أساسيتين. الخطوة الأولى تشمل تقسيم البيانات إلى عناقيد على مستوى واحد، بينما تقوم الخطوة الثانية بإنشاء شبكة عصبونية فرعية خاصة بكل عنقود وإنشاء جدول التجزئة الذي يسهل الوصول إلى الصور المشابهة عبر مقارنة المتجهات المحددة (مفاتيح التجزئة). ثم يتم إنشاء جدول التجزئة عن طريق تمرير هذه الميزات عبر شبكتين عصبونيتين. الشبكة الأولى تستخدم لتوليد المفتاح الرئيس، بينما تستخدم الشبكة الثانية لتوليد المفتاح الثانوي. ويتم معالجة المجلدات أيضاً بوساطة الطريقة التي يتعامل بها نظام التشغيل لتخزين العناقيد المنشأة.

هذا النموذج المقترح يقدم طريقة فعالة تحتفظ بالتشابه الهرمي للتسلسل الكامل، وذلك لاسترجاع الصور على نطاق واسع. يتم توزيع العمليات الحسابية الضخمة بين مكونات النظام بهدف زيادة كفاءة الحوسبة والتخزين، وتقليل العبء على الذاكرة وزمن الاستجابة لاستعراض النتائج المطلوبة بشكل أسرع مقارنة بالأبحاث السابقة.

تم اختبار النموذج المقترح على خمس مجموعات بيانات معيارية وهي Nordland وGardens Point وBerlin Kudamm وBerlin A-100 وBerlin Halenseestrasse. وأظهر النموذج المقترح تحسيناً بنسبة تقدر بحوالي 16.85% في قيمة AUC-ROC مقارنة بالنموذج Region-VLAD N:400, V256   للتعرف على الأماكن المرئية على نطاق واسع.

كلمات مفتاحية: VPR, ResNet-18, CNN, Hierarchy Hashing, Hashing

شارك هذا البحث!

عن المجلة

مجلة علمية ربعية مُحكّمة، تصدر باللغة العربية عن جامعة حلب في المناطق المحررة، تختص بنشر البحوث العلمية والدراسات الأكاديمية في مختلف التخصصات، تتوافر فيها شروط البحث العلمي في الإحاطة والاستقصاء ومنهج البحث العلمي وخطواته.

أحدث المقالات

اقرأ المزيد