استكشاف الأهمية المكانية من خلال الشبكة الرسومية الهرمية الهجينة للتحديد مرة أخرى للمركبات

تُستخدم الطرق الحالية لتحديد الهوية من جديد للمركبات بشكل شائع عمليات تجميع فضائي (spatial pooling) لتجميع الخرائط المميزة المستخرجة من خلال شبكات أساسية جاهزة (off-the-shelf backbone networks). وتجاهل هذه الطرق استكشاف الأهمية الفضائية للخرائط المميزة، مما يؤدي في النهاية إلى تدهور أداء تحديد هوية المركبات. في هذه الورقة، تم أولًا اقتراح شبكة رسمية فضائية مبتكرة (Spatial Graph Network, SGN) لاستكشاف دقيق للأهمية الفضائية للخرائط المميزة. تعتمد SGN على تجميع عدة رسومات فضائية (Spatial Graphs, SGs)، حيث يتم تعيين عناصر خريطة الميزة كعقد، ويُستخدم العلاقات الجوارية الفضائية لتحديد الحواف بين العقد. أثناء عملية الانتشار في SGN، يتم تجميع كل عقدة مع جيرانها الفضائيين على الرسم البياني إلى الرسم البياني التالي. ثم، يتم إعادة تخصيص كل عقدة مجمعة في الرسم البياني التالي باستخدام معامل قابل للتعلم، بهدف تحديد الأهمية في الموقع المقابل. ثانيًا، تم تصميم شبكة رسمية هرمية جديدة (Pyramidal Graph Network, PGN) لاستكشاف شامل للأهمية الفضائية للخرائط المميزة على مقياس متعدد. تُنظَّم PGN عبر ترتيب عدة شبكات SGN بشكل هرمي، بحيث تُعالج كل شبكة SGN خريطة مميزة بقياس معين. أخيرًا، تم تطوير شبكة رسمية هرمية مختلطة (Hybrid Pyramidal Graph Network, HPGN) من خلال دمج PGN خلف شبكة أساسية مبنية على ResNet-50. أظهرت تجارب واسعة على ثلاث قواعد بيانات كبيرة للمركبات (VeRi776، VehicleID، وVeRi-Wild) أن HPGN المقترحة تتفوق على أحدث الأساليب في مجال تحديد هوية المركبات من جديد.