كشف الضبابية الناتجة عن عدم التركيز من خلال شبكة تلافيفية كاملة ذات تدفق متعدد من الأسفل إلى الأعلى والأسفل مرة أخرى

كشف ضبابية التركيز (DBD) هو عملية فصل المناطق ذات التركيز الجيد عن المناطق غير المركزة في الصورة. وقد حظي هذا المجال باهتمام كبير نظرًا لتطبيقاته الواعدة بشكل ملحوظ. ومن بين التحديات المرتبطة بـ DBD: التمييز الدقيق بين المناطق المتجانسة وكشف المناطق ذات التباين المنخفض في التركيز، بالإضافة إلى كبح التشويش الخلفي. ولحل هذه المشكلات، نقترح شبكة متعددة التدفقات ذات بنية علوية-سفلية-علوية (BTBNet) بالكامل مبنية على التحويلات التلافيفية، وهي المحاولة الأولى لتطوير شبكة عميقة من النهاية إلى النهاية لـ DBD. أولاً، نطور شبكة BTBNet التلافيفية بالكامل لدمج الإشارات من المستوى المنخفض والمعلومات الدلالية من المستوى العالي. ثم، نظرًا لحساسية درجة ضبابية التركيز تجاه المقياس، نقترح شبكات BTBNet متعددة التدفقات التي تعالج الصور المدخلة بمقاييس مختلفة لتحسين أداء كشف ضبابية التركيز. وأخيرًا، نصمم شبكة تجميع وإعادة بناء تكرارية لتحسين تدريجي لخرائط كشف الضبابية السابقة. ولتعزيز الدراسات والتجارب المستقبلية على نماذج DBD، قمنا ببناء قاعدة بيانات جديدة تتكون من 500 صورة صعبة مع تسميات دقيقة لكل بكسل تشير إلى درجة ضبابية التركيز. وأظهرت النتائج التجريبية على قواعد البيانات الحالية والجديدة أن الطريقة المقترحة تحقق أداءً أفضل بشكل ملحوظ مقارنة بخوارزميات الحالة الراهنة.