طريقة فعالة في الزمن الحقيقي ودقيقة عالية لتمييز لوحات الإشارات المرورية الصغيرة

بصفتها عنصرًا أساسيًا في نظام المرور، تُقلل الإشارات المرورية من خطر الحوادث من خلال توفير معلومات حيوية حول حالة الطريق للمستخدمين مثل السائقين والمشاة. ومع التقدم السريع في مجال الرؤية الحاسوبية والذكاء الاصطناعي، تم تطبيق أنظمة تمييز الإشارات المرورية في أنظمة المساعدة للسائق المتقدمة والأنظمة ذاتية القيادة، بهدف مساعدة السائقين والمركبات ذاتية القيادة على استقبال المعلومات الطرقية المهمة بدقة. ومع ذلك، تظل مهمة تمييز الإشارات المرورية الصغيرة تحديًا كبيرًا في التطبيقات الواقعية. في هذا المقال، نقترح طريقة فعّالة لتمييز الإشارات المرورية الصغيرة، تُسمى "تمييز الإشارات المرورية ذات الوعي بالحجم الصغير" (Traffic-Signs Recognition Small-Aware)، مستلهمين من إطار العمل المتطور للكشف عن الكائنات YOLOv4 وYOLOv5. بشكل عام، تتمثل المساهمات الأربعة في عملنا في ما يلي: (1) بالنسبة لجزء "الهيكل الأساسي" (Backbone) للنموذج، نُدخل ميزات عالية المستوى لبناء رأس كاشف أكثر فعالية؛ (2) بالنسبة لجزء "العنق" (Neck) للنموذج، نستخدم وحدة "مجال الاستقبال المتقاطع" (Receptive Field Block Cross) لاستخلاص المعلومات السياقية من خرائط الميزات؛ (3) بالنسبة لجزء "الرأس" (Head) للنموذج، نُعدّل شبكة رأس الكاشف لتحسين دقة الكشف عن الإشارات المرورية الصغيرة؛ (4) بالنسبة للمدخلات، نقترح طريقة تحسين البيانات تُسمى "الحذف العشوائي-الانتباه" (Random Erasing-Attention)، والتي تُعزز من عدد العينات الصعبة وتحسّن مقاومة النموذج. أظهرت التجارب الواقعية على مجموعة البيانات الصعبة TT100K تحسنًا كبيرًا في الأداء مقارنةً بأحدث الطرق المطورة. علاوةً على ذلك، تُعد هذه الطريقة فعالة في الزمن الحقيقي، وتفتح آفاقًا واعدة لتطبيقاتها في أنظمة المساعدة المتقدمة للسائق والأنظمة ذاتية القيادة.