مُحَوِّلات الميزات الشاملة للسمات المحلية للكشف الفعّال عن المشاة في القيادة الذاتية

تعتمد أنظمة القيادة الذاتية بشكل كبير على وحدة الإدراك الأساسية، التي يجب أن تكون فعّالة وفعّالة من حيث الاستخدام لتمكين اتخاذ قرارات دقيقة في الزمن الحقيقي. ويُعد تجنّب الاصطدامات بالمشاة من الأولويات القصوى في أي نظام للقيادة الذاتية. ولهذا السبب، يُعد اكتشاف المشاة إحدى المكونات الأساسية في وحدات إدراك هذه الأنظمة. تواجه أحدث أنظمة اكتشاف المشاة حاليًا مشكلتين رئيسيتين: أولاً، فإنها تمتلك أزمنة استنتاج طويلة تؤثر سلبًا على كفاءة وحدة الإدراك بأكملها، وثانيًا، فإن أداؤها في حالة المشاة الصغيرة أو المُغطاة جزئيًا أو كليًا يظل ضعيفًا. نُقدّم في هذا العمل معمارية جديدة للكشف عن المشاة تُسمى "مُختَلِطات السمات المكانية المُحَدَّدة" (Localized Semantic Feature Mixers - LSFM)، وهي معمارية خالية من المعايير (anchor-free). وتستعمل LSFM وحدة "تجميع الهرم للبكسل الفائق" (Super Pixel Pyramid Pooling) بدلًا من شبكات الهرم المميّز (Feature Pyramid Networks)، التي تُعد مكلفة من حيث الحوسبة، لتنفيذ ترميز الميزات. علاوةً على ذلك، تُستخدم شبكة الكشف الكثيفة القائمة على MLPMixer كرأس كشف خفيف، مما يقلل من الجهد الحوسي ووقت الاستنتاج مقارنة بالنهج الحالية. ولتعزيز أداء المعمارية المقترحة، نُعدّل ونستخدم تقنية التكامل المختلط (mixup augmentation)، التي تحسّن الأداء بشكل خاص في الحالات التي تكون فيها المشاة صغيرة أو مُغطاة بشدة. وقد قُمنا بمقارنة LSFM مع أحدث الأداءات على مجموعات بيانات معيارية لمشاهد حركة المرور. وحققت LSFM أداءً متميزًا على مجموعات بيانات Caltech وCity Persons وEuro City Persons وTJU-Traffic-Pedestrian، مع تقليل متوسط زمن الاستنتاج بنسبة 55%. وبالإضافة إلى ذلك، تفوقت LSFM على المعيار البشري لأول مرة في تاريخ اكتشاف المشاة. وأخيرًا، أجرينا تقييمًا عبر مجموعات بيانات مختلفة، وقد أثبتت النتائج أن LSFM تُظهر قدرة عالية على التعميم على بيانات غير مرئية سابقًا.