نحو اكتشاف كائنات بارزة بدقة عالية

لقد حققت الطرق المستندة إلى الشبكات العصبية العميقة اختراقًا كبيرًا في اكتشاف الأشياء البارزة. ومع ذلك، فإنها غالبًا ما تكون محدودة بصور الإدخال ذات الدقة المنخفضة (400×400 بكسل أو أقل). لم يبذل جهد كبير لتدريب الشبكات العصبية العميقة على التعامل مباشرة مع اكتشاف الأشياء البارزة في الصور ذات الدقة العالية جدًا. تقدم هذه الورقة البحثية تقدمًا في مجال اكتشاف البارزة بدقة عالية، وتساهم بإنشاء مجموعة بيانات جديدة باسم "مجموعة بيانات الكشف عن الأشياء البارزة بدقة عالية" (High-Resolution Salient Object Detection - HRSOD). حسب علمنا، تعد HRSOD أول مجموعة بيانات للكشف عن البارزة بدقة عالية حتى الآن. كمساهمة أخرى، نقترح أيضًا منهجية جديدة تدمج المعلومات الدلالية العالمية والتفاصيل المحلية ذات الدقة العالية للتعامل مع هذه المهمة الصعبة. وبشكل أكثر تحديدًا، تتكون منهجيتنا من شبكة دلالية عالمية (Global Semantic Network - GSN)، وشبكة تعديل محلية (Local Refinement Network - LRN)، وشبكة دمج عالمي-محلي (Global-Local Fusion Network - GLFN). تقوم GSN باستخراج المعلومات الدلالية العالمية بناءً على صورة كاملة تم تصغيرها. بقيادة نتائج GSN، تركز LRN على بعض المناطق المحلية وتنتج توقعات بدقة عالية بشكل تدريجي. تم اقتراح GLFN أيضًا لتعزيز التوافق المكاني وتحسين الأداء. توضح التجارب أن طريقتنا تتفوق بشكل كبير على الأساليب الرائدة الحالية في مجموعات البيانات الخاصة بالكشف عن البارزة بدقة عالية، وتحقق أداءً مماثلاً أو أفضل منها في المعايير الشائعة الاستخدام للكشف عن البارزة. يمكن الوصول إلى مجموعة البيانات HRSOD عبر الرابط: https://github.com/yi94code/HRSOD.