الدمج القائم على الثقة باستخدام نظرية ديمبستر-شافر للكشف عن المشاة في الصور متعددة الطيف

كشف المشاة متعدد الطيف هو مهمة مهمة وقيّمة في العديد من التطبيقات، حيث يمكنه تقديم نتائج دقيقة وموثوقة للكشف عن المشاة من خلال استخدام المعلومات البصرية المكملة المستمدة من الصور الملونة والصور الحرارية. ومع ذلك، يواجه هذا المجال تحديين مفتوحين وصعبين: الأول، كيفية دمج المعلومات متعددة الطيف بشكل فعّال وديناميكي وفقًا لثقة كل منظومة (موداليتي)، والثاني، كيفية إنتاج نتيجة تنبؤ موثوقة. في هذه الورقة، نقترح طريقة جديدة تُسمى "كشف المشاة متعدد الطيف المستندة إلى الثقة" (CMPD)، والتي تتعلم تمثيلات متعددة الطيف بشكل مرن في آنٍ واحد، مع إنتاج نتيجة موثوقة مصحوبة بتقدير للثقة. وبشكل خاص، نقترح استراتيجية دمج كثيفة لاستخراج تمثيلات متعددة المستويات متعددة الطيف على مستوى الميزات. ثم، نستخدم شبكة فرعية إضافية لتقدير ديناميكي لثقة الكشف لكل موداليتي. وأخيرًا، نُدخل قاعدة ديمبستر للدمج لدمج نتائج الفروع المختلفة وفقًا للثقة المصححة. تُظهر الطريقة المقترحة (CMPD) فعالية كبيرة في دمج المعلومات متعددة الموداليات، كما تُقدّم نتائج تنبؤ موثوقة. وتوحي النتائج التجريبية الواسعة بفعالية خوارزميتنا مقارنة بالأساليب الرائدة في مجالها.