FarSeg++: شبكة علاقة واعية للخلفية للفصل الجيولوجي للأجسام في الصور الفضائية عالية الدقة المكانية
التقسيم الكائني المكاني، وهو مهمة أساسية في رؤية الأرض، يعاني دائمًا من تغير الحجم، وزيادة التباين الداخلي بين الفئات في الخلفية، وانعدام التوازن بين المقدمة والخلفية في صور الاستشعار عن بعد عالية الدقة المكانية (HSR). تركز الطرق الشائعة للتقسيم الدلالي بشكل رئيسي على مشكلة تغير الحجم في السياقات الطبيعية، لكن المشكلتين الأخريين لا تُؤخذان بعين الاعتبار بشكل كافٍ في سياقات المراقبة الأرضية على نطاق واسع. في هذه الورقة، نقترح شبكة علاقة مُدركة للمقدمة (FarSeg++) من منظورين: التمثيل القائم على العلاقات، والتحسين القائم على التحسين، وتمثيل الكائنية القائم على الكائنية، بهدف تخفيف المشكلتين المذكورتين. من منظور العلاقات، يتم تحسين وظيفة التمييز للمقدمة من خلال وحدة العلاقة بين المقدمة والمشهد، التي تعتمد على السياقات المرتبطة بعلاقة الكائن والمشهد. ومن منظور التحسين، نُقدّم تحسينًا مُدرَكًا للمقدمة، يركّز على أمثلة المقدمة والأمثلة الصعبة من الخلفية أثناء التدريب، لتحقيق تحسين متوازن. بالإضافة إلى ذلك، ومن منظور الكائنية، نقترح مُفكّكًا مُدرَكًا للمقدمة، لتحسين تمثيل الكائنية، مما يخفف من مشكلة توقع الكائنية التي تمثل العائق الرئيسي وفقًا لتحليل الحد الأقصى التجريبي. كما نقدّم أيضًا مجموعة بيانات جديدة كبيرة الحجم وعالية الدقة لتصنيف المركبات في البيئات الحضرية، لاختبار فعالية الطريقة المقترحة ودفع تطوير توقع الكائنية إلى الأمام. تشير النتائج التجريبية إلى أن FarSeg++ يتفوّق على أفضل الطرق الحالية للتقسيم الدلالي العام، ويمكنه تحقيق توازن أفضل بين السرعة والدقة.