تعزيز الحواف للاعتراف برسومات تخطيطية على نطاق واسع دون الحاجة إلى الرسومات التخطيطية

يهدف هذا العمل إلى توسيع نطاق مهمة تصنيف الرسومات التخطيطية إلى عدد كبير من الفئات. جمع الرسومات التخطيطية للتدريب هو عملية بطيئة ومملة، وقد حالت حتى الآن دون أي محاولات لتوسيع نطاق التعرف على الرسومات التخطيطية على نطاق واسع. نتجاوز نقص بيانات التدريب للرسومات التخطيطية من خلال استغلال مجموعات صور طبيعية مصنفة والتي تكون أسهل في الحصول عليها. لجسر الفجوة بين المجالين، نقدم تقنية تحسين جديدة مصممة خصيصًا لمهمة التعلم للتعرف على الرسومات التخطيطية من مجموعة تدريب تحتوي على صور طبيعية.تم تقديم العشوائية في معلمات الكشف عن الحواف واختيار الحواف. يتم تحويل الصور الطبيعية إلى مجال شبه جديد يُسمى "الحواف النحيفة الثنائية العشوائية" (rBTE)، والذي يستخدم كمجال تدريب بدلاً من الصور الطبيعية. تم إثبات قدرة التوسع من خلال تدريب أنظمة الشبكات العصبية الم convoled (CNN) للتعرف على الرسومات التخطيطية في أكثر من 2.5 مرة عدد الفئات المستخدمة سابقًا. لهذا الغرض، تم بناء مجموعة بيانات تحتوي على صور طبيعية من 874 فئة من خلال دمج عدد من أشهر مجموعات البيانات في رؤية الكمبيوتر. تم اختيار الفئات لتكون مناسبة للتعرف على الرسومات التخطيطية. لتقدير الأداء، تم جمع مجموعة فرعية تتضمن 393 فئة تحتوي على رسومات تخطيطية أيضًا.