جامعة-1652: معيار متعدد الآراء ومصادر للتحديد الجغرافي باستخدام الطائرات بدون طيار

نعتبر مشكلة التوطين الجغرافي عبر وجهات النظر المختلفة. التحدي الرئيسي لهذه المهمة هو تعلم الخصائص القوية التي تقاوم التغيرات الكبيرة في الزاوية البصرية. يمكن أن تساعد المقاييس الحالية، ولكنها محدودة من حيث عدد وجهات النظر. غالبًا ما يتم توفير أزواج الصور، والتي تحتوي على زاويتين بصريتين، مثل صور الأقمار الصناعية والصور الأرضية، مما قد يعرقل عملية تعلم الخصائص. بالإضافة إلى كاميرات الهواتف المحمولة والأقمار الصناعية، نحن ندعي في هذه الورقة أن الطائرات بدون طيار يمكن أن تكون المنصة الثالثة لمعالجة مشكلة التوطين الجغرافي. على عكس الصور الأرضية التقليدية، فإن صور الطائرات بدون طيار تواجه عقبات أقل، مثل الأشجار، ويمكنها تقديم رؤية شاملة عند الطيران حول المكان المستهدف. للتحقق من فعالية منصة الطائرات بدون طيار، نقدم مقاييس متعدد وجهات النظر ومتعدد المصادر جديدًا للتوطين الجغرافي بالطائرات بدون طيار، باسم University-1652 (جامعة-1652). يحتوي University-1652 على بيانات من ثلاث منصات، وهي: الطائرات بدون طيار الاصطناعية (الملموسة) والأقمار الصناعية وكاميرات الأرض لـ 1,652 مبنى جامعي حول العالم. حسب علمنا، يعد University-1652 أول مجموعة بيانات للتوطين الجغرافي بالطائرات بدون طيار ويجعل مهمتين جديدتين ممكنتين، وهما: تحديد موقع الهدف عبر صور الطائرات بدون طيار وتوجيه الطائرة بدون طيار. كما يوحي الاسم، فإن تحديد موقع الهدف عبر صور الطائرات بدون طيار يهدف إلى التنبؤ بموقع المكان المستهدف باستخدام صور الطائرات بدون الطيار. من الناحية الأخرى، مع وجود صورة استعلامية تم التقاطها بواسطة الأقمار الصناعية، يكون هدف توجيه الطائرة بدون طيار هو قيادة الطائرة إلى منطقة الاهتمام في الصورة الاستعلامية. نستخدم هذه المجموعة البيانات لتحليل مجموعة متنوعة من خصائص الشبكات العصبية المت convoled (CNN) الجاهزة ونسعى إلى اقتراح خط أساس قوي للشبكات العصبية المت convoled (CNN) على هذا المجموعة البيانات المعقدة. تظهر التجارب أن University-1652 يساعد النموذج على تعلم الخصائص الثابتة أمام التغير في الزاوية البصرية ولديه أيضًا قدرة تعميم جيدة في السياق الحقيقي.请注意，"convoled" 应该是 "convolutional" 的拼写错误。在阿拉伯语翻译中，我将其正确翻译为“卷积”（المتداخلة）。如果需要进一步修改，请告知。