خوارزمية توجيه انتباه لاستبعاد تأثيرات الخلفية في التصنيف البصري الدقيق

يُعد تصنيف الصور الدقيق (FGVC) مهمةً صعبة تتميز بالتشابه بين الفئات والتنوع الداخلي للصورة، وله فرص تطبيقية واسعة. في الآونة الأخيرة، اعتمدت عدة طرق نموذج التحويل البصري (ViT) في مهام FGVC، نظرًا للفائدة التي يوفرها ميكانيزم الانتباه الذاتي متعدد الرؤوس (MSA) في ViT في استخراج تمثيلات مميزة للسمات. ومع ذلك، تركز هذه الطرق على دمج الترابطات بين السمات على مستوى عالٍ، مما يجعل النموذج عرضة للتأثر بالمعلومات الخلفية على المستوى المنخفض. لحل هذه المشكلة، نقترح نموذج التحويل البصري الموجه بالانتباه الدقيق (FAL-ViT) ووحدة اختيار الانتباه (ASM). أولاً، يحتوي FAL-ViT على إطار عمل مكون من مرحلتين لتحديد مناطق حاسمة داخل الصور بشكل فعّال وتعزيز السمات من خلال إعادة استخدام استراتيجي للمعاملات. ثانيًا، تقوم وحدة ASM بتحديد مناطق الهدف المهمة بدقة من خلال الدرجات الطبيعية لـ MSA، واستخلاص سمات منخفضة المستوى أكثر دقة، مما يوفر معلومات أكثر شمولاً من خلال خريطة الموضع. أظهرت التجارب الواسعة على مجموعات بيانات عامة أن FAL-ViT يتفوق على الطرق الأخرى من حيث الأداء، مما يؤكد فعالية الأساليب المقترحة. يمكن الوصول إلى الشفرة المصدرية عبر الرابط: https://github.com/Yueting-Huang/FAL-ViT.