مُكتشف ومُميّز للنقاط الأساسية شبه المُراقبة للتطابق في صور الشبكية

بالنسبة لتوافق صور الشبكية (RIM)، نقترح "SuperRetina"، أول طريقة تعمل من البداية إلى النهاية مع كاشف نقاط مميزة ووصف مُدرَّب جماعيًا. يتم تدريب SuperRetina بطريقة شبه مراقبة مبتكرة. تُستخدم مجموعة صغيرة من الصور (تقريبًا 100 صورة) غير مُعلَّمة بالكامل لتدريب الشبكة على اكتشاف نقاط المميزة على الشبكة الوعائية. ولتقليل مشكلة عدم اكتمال التصنيف اليدوي، نقترح تقنية "توسيع نقاط المميزة التدريجي" لتعزيز تسمية نقاط المميزة في كل دورة تدريب. وباستخدام خسارة ثلاثية محسّنة تعتمد على نقاط المميزة كخسارة وصفية، تُنتج SuperRetina وصفات عالية التمييز بحجم الصورة الكاملة. وقد أثبتت تجارب واسعة على عدة مجموعات بيانات واقعية إمكانية تطبيق SuperRetina. حتى مع استبدال التصنيف اليدوي بالتصنيف التلقائي، مما يجعل عملية التدريب خالية تمامًا من التسمية اليدوية، تُظهر SuperRetina أداءً مُرضيًا مقارنةً بعدة قواعد قوية في مهام تتوافق صور الشبكية، وهما: تطابق الصور (Image Registration) وتوثيق الهوية (Identity Verification). وسيتم إتاحة SuperRetina مفتوحة المصدر.