تميمة: جمع الخصائص التلافيفية متعددة المستويات لاكتشاف الأشياء البارزة

شبكات العصبي الكاملة التلافيفية (FCNs) أظهرت أداءً متميزًا في العديد من مشاكل التسمية الكثيفة. أحد أعمدة هذه النجاحات الرئيسية هو استخراج المعلومات ذات الصلة من الخصائص في طبقات التلافيف. ومع ذلك، فإن كيفية تجميع خرائط الخصائص التلافيفية متعددة المستويات بشكل أفضل للكشف عن الأشياء البارزة لم يتم استكشافها بشكل كافٍ. في هذا العمل، نقدم نظام Amulet، وهو إطار عام لتجميع خرائط الخصائص التلافيفية متعددة المستويات للكشف عن الأشياء البارزة. يدمج إطارنا أولاً خرائط الخصائص متعددة المستويات إلى دقة متعددة، مما يجمع بين الدلالات العامة والتفاصيل الدقيقة بشكل متزامن. ثم يتعلم بطريقة تكيفية كيفية دمج هذه خرائط الخصائص في كل دقة ويتوقع خرائط البارزة باستخدام الخصائص المجمعة. وأخيرًا، يتم دمج النتائج المتوقعة بكفاءة لإنتاج خريطة البارزة النهائية. بالإضافة إلى ذلك، لتحقيق الاستدلال الحدودي الدقيق وتعزيز الدلالة، يتم تضمين خرائط الخصائص الحساسة للحافة في الطبقات المنخفضة المستوى والنتائج المتوقعة لخصائص الدقة المنخفضة بشكل متكرر في الإطار التعليمي. من خلال تجميع خرائط الخصائص التلافيفية متعددة المستويات بهذه الطريقة الكفؤة والمرونة، توفر النموذج المقترح للتباين تسميات دقيقة للأجسام البارزة. تُظهر التجارب الشاملة أن طريقتنا تعمل بشكل مفضل مقابل أفضل الأساليب الحديثة من حيث معظم مقاييس التقييم المقارنة.请注意，"Amulet" 是一个专有名词，因此在阿拉伯语中保留了原始形式。其他术语如 "fully convolutional neural networks (FCNs)" 和 "salient object detection" 也使用了通用的阿拉伯语译法，并在首次出现时附上了英文缩写以确保信息完整。