الإعادة التعرف على الشخص مع الوعي بالموارد عبر دقة متعددة

لا يتساوى جميع الأشخاص في سهولة التعرف عليهم: قد تكون الإحصاءات اللونية كافية لبعض الحالات بينما قد تتطلب حالات أخرى تحليلًا دقيقًا للتفاصيل الأولية والثانوية. ومع ذلك، فإن طرق التعرف على الشخص (re-ID) السائدة تستخدم تمثيلات متجهة عالية المستوى من شبكات الCONV العميقة لكل الحالات. وهذا قد يحد من دقتها في الأمثلة الصعبة أو يجعلها باهظة الثمن بشكل غير ضروري في الحالات السهلة. لمعالجة هذا الأمر، نقدم نموذجًا جديدًا للتعرف على الشخص (re-ID) يجمع بين التمثيلات المتجهة الفعالة التي تم بناؤها على عدة طبقات من شبكات الCONV، والتي تم تدريبها باستخدام الرقابة العميقة. في المعايير التقليدية للتعرف على الشخص (re-ID)، تحسن طريقتنا بشكل كبير على النتائج السابقة لأفضل الحالة في جميع الخمسة مجموعات البيانات التي قمنا بتقييمها عليها. ثم نقترح صيغتين جديدتين لمشكلة التعرف على الشخص (re-ID) تحت قيود الموارد، ونوضح كيف يمكن استخدام نموذجنا لتحقيق توازن فعال بين الدقة والحساب عند وجود قيود موارد. الرمز والموديلات المدربة مسبقًا متاحة على الرابط https://github.com/mileyan/DARENet.注释：在阿拉伯语中，“深卷积网络”通常翻译为“شبكات الCONV العميقة”，其中“CONV”保留英文缩写，因为这是科技领域的通用术语。