هندسة التباعد التسلسلي والبقايا رونغ-كيتا لاستشعار الصورة المضغوطة

في السنوات الأخيرة، ساهمت الشبكات العصبية العميقة (DNN) بشكل كبير في تطوير الاستشعار المضغوط (CS)، وحققت جودة عالية في إعادة البناء وسرعة تفوق بكثير الطرق التقليدية للاستشعار المضغوط. ومع ذلك، لا يزال هناك العديد من المشكلات التي تتطلب استكشافًا إضافيًا قبل أن تصبح هذه التقنية عملية بدرجة كافية. تتمثل المشكلتان الرئيسيتان في مجال الاستشعار المضغوط في تحقيق عينات فعّالة للبيانات، وفي إعادة بناء صور ذات جودة عالية. ولحل هاتين المشكلتين، تقدم هذه الورقة شبكة استشعار مضغوط متعددة الطبقات باستخدام طريقة رونغ-كوتا (RK-CCSNet). في مرحلة الاستشعار، تُطبّق RK-CCSNet وحدة التConvolution التسلسلية (SCM) لتقليص القياسات تدريجيًا من خلال سلسلة من مرشحات الت convolution. وفي مرحلة إعادة البناء، تُنشئ RK-CCSNet وحدة جديدة تُسمى "وحدة رونغ-كوتا المُدرَّبة" (LRKB)، مبنية على أسس طرق رونغ-كوتا الشهيرة، وتعيد صياغة عملية إعادة بناء الصور كنظام ديناميكي منفصل. في النهاية، تُظهر RK-CCSNet أداءً من الدرجة الأولى على معايير مُؤثرة مقارنةً بالأساليب الأساسية المُتَّبعة، وجميع الشيفرات المصدرية متاحة عبر الرابط: https://github.com/rkteddy/RK-CCSNet.