Deep MANTA: شبكة خشنة إلى دقيقة لأداء العديد من المهام لتحليل المركبات المشتركة في البعدين الثاني والثالث من صورة أحادية العدسة

في هذا البحث، نقدم منهجية جديدة تُسمى Deep MANTA (Deep Many-Tasks)، وهي مخصصة لتحليل المركبات في صورة معينة لأداء العديد من المهام. تم تقديم شبكة تلافيفية قوية تتيح الكشف عن المركبات وتحديد مواقع أجزائها ووصف مدى رؤيتها وتقدير أبعادها الثلاثية بشكل متزامن. تعتمد هندستها على تقنية اقتراح الأشياء الجديدة من الخشن إلى الدقيق، والتي تحسن عملية الكشف عن المركبات. بالإضافة إلى ذلك، يمكن للشبكة Deep MANTA تحديد مواقع أجزاء المركبة حتى لو كانت هذه الأجزاء غير مرئية. في مرحلة الاستدلال، يتم استخدام مخرجات الشبكة بواسطة خوارزمية تقدير الوضع الفوري والقوية لتقدير ориентация الدقيقة وتوضيح موقع المركبة ثلاثي الأبعاد. نوضح من خلال التجارب أن طريقة عملنا تتفوق على أفضل الأساليب الأحادية العين في مهام الكشف عن المركبات وتقدير ориентation والموقع ثلاثي الأبعاد على معيار KITTI الصعب للغاية.注：在阿拉伯语中，“orientation”通常翻译为“التوجه”，但在特定上下文中，如车辆姿态估计，可以翻译为“ال定向”以保持专业性。因此，根据具体上下文，建议将“orientation”翻译为“ال定向”。以下是修正后的版本：في هذا البحث، نقدم منهجية جديدة تُسمى Deep MANTA (Deep Many-Tasks)، وهي مخصصة لتحليل المركبات في صورة معينة لأداء العديد من المهام. تم تقديم شبكة تلافيفية قوية تتيح الكشف عن المركبات وتحديد مواقع أجزائها ووصف مدى رؤيتها وتقدير أبعادها الثلاثية بشكل متزامن. تعتمد هندستها على تقنية اقتراح الأشياء الجديدة من الخشن إلى الدقيق، والتي تحسن عملية الكشف عن المركبات. بالإضافة إلى ذلك، يمكن للشبكة Deep MANTA تحديد مواقع أجزاء المركبة حتى لو كانت هذه الأجزاء غير مرئية. في مرحلة الاستدلال، يتم استخدام مخرجات الشبكة بواسطة خوارزمية تقدير الوضع الفوري والقوية لتقدير التوجه الدقيق وتوضيح موقع المركبة ثلاثي الأبعاد. نوضح من خلال التجارب أن طريقة عملنا تتفوق على أفضل الأساليب الأحادية العين في مهام الكشف عن المركبات وتقدير التوجه والموقع ثلاثي الأبعاد على معيار KITTI الصعب للغاية.