TRACER: شبكة تتبع الأشياء البارزة بمساعدة انتباه متطرف

الدراسات الحالية في مجال اكتشاف الأشياء البارزة (SOD) تركز على استخراج الأشياء المميزة باستخدام معلومات الحواف وجمع الخصائص متعددة المستويات لتحسين أداء SOD. لتحقيق أداء مرضٍ، تعتمد هذه الطرق على معلومات حواف دقيقة ومعدلة وتناقض متعدد المستويات منخفض. ومع ذلك، لا يمكن تحقيق زيادة الأداء وكفاءة الحساب في آن واحد، مما دفعنا إلى دراسة عدم الكفاءة في الهياكل الترميزية-التفكيكية القائمة لتجنب هذا التنازل. نقترح استخدام TRACER، وهو نظام يكتشف الأشياء البارزة ذات الحواف الصريحة من خلال دمج وحدات تتبع مرشدة بالانتباه. نستخدم وحدة انتباه حواف مقنعة في نهاية الترميز الأول باستخدام تحويل فورييه السريع لنشر معلومات الحواف الدقيقة والمعدلة إلى عمليات استخراج الخصائص اللاحقة. في مرحلة جمع المعلومات متعددة المستويات، تقوم وحدة الانتباه الموحدة بتحديد المعلومات الفضائية الهامة والقنوات التكميلية. لتحسين أداء التفكيك وكفاءة الحساب، نقلل من استخدام كتل التفكيك باستخدام وحدة انتباه الأشياء. تقوم هذه الوحدة باستخراج الأشياء غير المكتشفة ومعلومات الحواف من القنوات والتمثيلات الفضائية المعدلة. بعد ذلك، نقترح دالة خسارة كثافة البكسل التكيفية للتعامل مع البكسل النسبي الأكثر أهمية على عكس الدوال التقليدية التي تعامل جميع البكسل بشكل متساوٍ. عند المقارنة مع 13 طريقة قائمة، يظهر أن TRACER يحقق أفضل الأداء في خمس قواعد بيانات مرجعية. لقد أطلقنا TRACER على الرابط https://github.com/Karel911/TRACER.请注意，这里的人名 "Karel911" 是用户名，通常在阿拉伯语中也会保留其原始形式。如果你有具体的名字需要翻译，请提供更多信息。