التعلم شبه المراقب القائم على الاتساق للكشف عن الكائنات

إن إجراء تسمية دقيقة في مجموعة بيانات كبيرة أمر بالغ الأهمية لأداء كشف الكائنات. فبينما تتطلب مهمة كشف الكائنات عددًا كبيرًا من العينات المُسَمّاة لضمان أدائها، فإن وضع المربعات المحيطة (Bounding Boxes) لكل كائن في كل عينة يكون مُستهلكًا للوقت ومرتبطًا بتكاليف عالية. ولتخفيف هذه المشكلة، نقترح طريقة تعليم شبه مُراقبة تعتمد على الاتساق للكشف عن الكائنات (CSD)، وهي طريقة تستخدم قيود الاتساق كأداة لتعزيز الأداء من خلال الاستفادة القصوى من البيانات غير المُسَمّاة المتاحة. وبشكل خاص، يتم تطبيق قيد الاتساق ليس فقط على تصنيف الكائنات، بل أيضًا على تحديد موقعها. كما قمنا بطرح تقنية إزالة الخلفية (BE) لتجنب التأثير السلبي للخلفيات السائدة على أداء الكشف. وقد قُمنا بتقييم الطريقة المقترحة CSD في كلا نوعي كاشفات الكائنات: أحادية المرحلة وثنائية المرحلة، وأظهرت النتائج فعالية طريقتنا.