التحويل الهوخي العميق للكشف عن الخطوط الدلالية

نركّز على مهمة أساسية تتمثل في كشف الهياكل الخطية ذات المعنى، والمعروفة بـ"الخط الشامل"، في المشاهد الطبيعية. وقد اعتُبرت هذه المشكلة في العديد من الطرق السابقة حالة خاصة من كشف الكائنات، حيث تم تعديل مُكتشفات الكائنات الحالية لتناسب كشف الخطوط الشاملة. ومع ذلك، فإن هذه الطرق تتجاهل الخصائص المتأصلة في الخطوط، مما يؤدي إلى أداء غير مثالي. إذ إن الخطوط تمتلك خصائص هندسية أبسط بكثير مقارنة بالكائنات المعقدة، وبالتالي يمكن تمثيلها بشكل مكثف باستخدام عدد قليل من引数. وللاستفادة الأفضل من خصائص الخطوط، نُدخل في هذه الورقة تقنية تحويل هوف الكلاسيكية إلى التمثيلات المُتعلّمة بعمق، ونُقدّم إطار عمل تعليم مُباشر (one-shot end-to-end) للكشف عن الخطوط. من خلال تمثيل الخطوط باستخدام الميل والانحراف، نُطبّق تحويل هوف لتحويل التمثيلات العميقة إلى المجال المعلمي، حيث نُجري كشف الخطوط. وبشكل خاص، نُجمّع الميزات على طول الخطوط المرشحة في مستوى خريطة الميزات، ثم نُعيّن الميزات المجمعة إلى المواقع المقابلة في المجال المعلمي. وبذلك، تُحوّل مشكلة كشف الخطوط الشاملة في المجال المكاني إلى مشكلة تحديد نقاط فردية في المجال المعلمي، مما يجعل خطوات ما بعد المعالجة، مثل إزالة القصوى غير المثالية (non-maximal suppression)، أكثر كفاءة. علاوةً على ذلك، يُسهّل منهجنا استخراج ميزات سياقية للخطوط، مثل الميزات الواقعة على الخطوط القريبة من خط معين، والتي تُعدّ حاسمة للكشف الدقيق عن الخطوط. بالإضافة إلى المنهج المقترح، قمنا بتصميم مقياس تقييم لتقييم جودة كشف الخطوط، وبناء مجموعة بيانات كبيرة الحجم لمهام كشف الخطوط. وتوحي النتائج التجريبية على مجموعة البيانات التي اقترحناها، وكذلك على مجموعة بيانات عامة أخرى، بتفوّق منهجنا على البدائل المتطورة السابقة.