تخصيص تسمية ديناميكي يراعي الفئة مع اقتراح موجه عالي الجودة

تُعد الكائنات في الصور الجوية غالبًا مُدمجة في خلفيات معقدة وتُظهر اتجاهات عشوائية. عند استخدام المربعات المحيطة الموجهة (OBB) لتمثيل الكائنات ذات الاتجاهات العشوائية، قد يؤدي التكرار في الزوايا إلى انقطاع في قيم التRegression التصنيفية عند الحدود، مما يُسبب تقلبات مفاجئة في دالة الخسارة. لحل هذه المشكلة، تم تقديم تمثيل OBB مبني على المستوى المركب ضمن إطار الكشف الموجه، مع اقتراح دالة خسارة مثلثية. علاوةً على ذلك، وباستغلال المعرفة السابقة بالبيئات الخلفية المعقدة والاختلافات الكبيرة بين الكائنات الكبيرة في الصور الجوية، تم بناء رأس RPN من نوع Conformer لتقدير معلومات الزاوية. تُولّد دالة الخسارة المقترحة والرأس المُعدّل من نوع Conformer اقتراحات موجهة عالية الجودة بشكل مشترك. كما تم اقتراح آلية تخصيص التسميات الديناميكية المعتمدة على التغذية الراجعة للتصنيف، لمعالجة القيود الناتجة عن الاعتماد الوحيد على معامل IoU في تسمية الاقتراحات. تُحسّن هذه الطريقة اختيار العينات السلبية لتصبح أكثر تمثيلاً، وتحافظ على الاتساق بين ميزات التصنيف والانحدار. أُجريت تجارب على أربع مجموعات بيانات واقعية للكشف الموجه، وأظهرت النتائج أداءً متفوقًا في كشف الكائنات الموجهة، مع تقليل التكاليف المطلوبة للضبط المعلمي والوقت. وبشكل خاص، تم تحقيق معدلات دقة متوسطة موزونة (mAP) قدرها 82.02% و71.99% و69.87% و98.77% على مجموعات بيانات DOTA-v1.0 وDOTA-v1.5 وDIOR-R وHRSC2016 على التوالي.