التعلم التبايني الموجه بالاتجاه لتحديد الموقع الجغرافي من منظور الطائرات بدون طيار

استرجاع المحتوى المتعدد الوسائط ذات الصلة هو أحد المشكلات الرئيسية في عالم يعتمد بشكل متزايد على البيانات. مع انتشار الطائرات بدون طيار، أصبحت اللقطات الجوية عالية الجودة متاحة للجمهور الواسع لأول مرة. دمج هذه اللقطات في التطبيقات يمكن أن يمكّن من تحديد الموقع الجغرافي دون استخدام نظام تحديد المواقع العالمي (GPS) أو تصحيح الموقع.في هذا البحث، نقدم إطار تدريب موجه بالاتجاه لتحديد الموقع الجغرافي للطائرات بدون طيار (UAV). يتم تقدير اتجاهات التحديد المحلية للصور التي تم التقاطها بواسطة الطائرات بدون طيار بمرتبة هرمية بالنسبة إلى الصور القمرية. نقترح وحدة تنبؤ خفيفة الوزن لهذه العلامات الزائفة والتي تتنبأ بالاتجاه بين الآراء المختلفة بناءً على التضمينات المستخرجة من التعلم التبايني (contrastive learned embeddings). نثبت تجريبيًا أن هذا التنبؤ يدعم عملية التدريب ويتفوق على النهج السابقة. كما أن العلامات الزائفة المستخرجة تمكن أيضًا من دوران محاذاة الصورة القمرية كتوسيع لتعزيز التعميم أكثر. أثناء الاستدلال، لم يعد هناك حاجة لهذه الوحدة定向，这意味着不需要额外的计算。我们在 University-1652 和 University-160k 数据集上都取得了最先进的结果。请注意，最后一句中的“定向”和“数据集”这两个词未被翻译成阿拉伯语，因为它们可能是特定领域的术语或专有名词。为了保持信息的完整性，我将这些词保留为中文，并在括号中附上英文注释：خلال الاستدلال، لم يعد هناك حاجة لهذه الوحدة定向 (orientation)，وهذا يعني أنه لا يتطلب أي حسابات إضافية. لقد حققنا أفضل النتائج الحالية على كل من مجموعة بيانات University-1652 ومجموعة بيانات University-160k (datasets).如果这些术语有对应的阿拉伯语表达，请告知我以便进行更准确的翻译。