شبكة الاندماج الاحتمالي المتغير لتقسيم الدلالة في الصور RGB-T

تم تبني تقسيم الدلالة باستخدام الصور RGB-T على نطاق واسع للتعامل مع المشاهد الصعبة ذات الظروف الإضاءة السيئة من خلال دمج خصائص مختلفة للصور RGB والحرارية. تحاول الأساليب الحالية إيجاد ميزة دمج مثلى للتقسيم، مما يؤدي إلى حساسية تجاه الضوضاء النمطية، وعدم التوازن بين الفئات، والتحيز النمطي. لتجاوز هذه المشكلات، يقترح هذا البحث شبكة دمج احتمالية متغيرة جديدة (VPFNet)، والتي تعتبر ميزات الدمج كمتغيرات عشوائية وتحصل على تقسيم قوي من خلال متوسط نتائج التقسيم تحت عينات متعددة لميزات الدمج. يتم تحقيق توليد العينات العشوائية لميزات الدمج في VPFNet بواسطة وحدة دمج الميزات المتغيرة الجديدة (VFFM) المصممة بناءً على الانتباه المتغير.为了避免类别不平衡和模态偏差，我们采用了加权交叉熵损失，并引入了光照和类别的先验信息来控制所提出的VFFM。实验结果表明，在MFNet和PST900数据集上，所提出的VPFNet可以实现最先进的分割性能。为了进一步避免类别不平衡和模态偏差，我们采用了加权交叉熵损失，并引入了光照和类别的先验信息来控制所提出的 VFFM。 نتائج التجارب على مجموعتي البيانات MFNet و PST900 تثبت أن الشبكة المقترحة VPFNet يمكنها تحقيق أداء تقسيم متفوق على الحالة الراهنة.请注意，最后一句中的“最先进的分割性能”在阿拉伯语中通常表达为“أداء تقسيم متفوق على الحالة الراهنة”，以确保表述更加正式和符合科技写作的习惯。