كشف إشارات المرور في الإضاءة المنخفضة: خوارزمية محسنة تدمج تحسين الإضاءة في نموذج يولو

يعد كشف إشارات المرور بدقة عالية ركيزة أساسية في أنظمة القيادة الذاتية ومساعدة السائق، غير أن ظروف الإضاءة المنخفضة ليلًا أو في الأنفاق والطقس الغائم تفرض صعوبات كبيرة على خوارزميات الكشف، إذ تضعف إضاءة الصور ويتدنى تباينها وتتزايد الضوضاء فيها فتضيع الملامح الدقيقة لأهداف الإشارات الصغيرة نسبيًا، وتعالج الحلول التقليدية هذه المشكلة بمرحلة معالجة مسبقة منفصلة لتحسين الصور قبل إدخالها إلى شبكة الكشف، وهو فصل يحد من التكامل بين تحسين الصورة ومهمة الكشف ذاتها ويمنع ضبط التحسين وفق ما تحتاجه الشبكة فعلًا

وتقترح هذه الدراسة خوارزمية كشف محسنة تدمج تحسين الإضاءة داخل بنية نموذج الكشف نفسه بحيث يتعلم التحسين والكشف معًا من الطرف إلى الطرف، بما يهم الباحثين العرب في الرؤية الحاسوبية والمركبات الذكية وطلاب الدراسات العليا العاملين على كشف الأهداف الصغيرة في الظروف البصرية الصعبة، إذ تقدم الدراسة نموذجًا للتصميم المتوازن للوحدات المتعددة داخل شبكات الكشف الحديثة بدل إضافة وحدات متفرقة دون تنسيق

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى معالجة صعوبات كشف إشارات المرور في البيئات منخفضة الإضاءة عبر خوارزمية محسنة أطلق عليها آر آي دي دبليو يولو مبنية على نموذج يولو 11 إن، وتضمنت التحسينات تضمين شبكة ريتينكس فورمر وحدة أمامية قابلة للتدريب في الطبقة الأولى من العمود الفقري للنموذج تؤدي تحسينًا فوريًا للصور أثناء الانتشار الأمامي دون معالجة مسبقة منفصلة وتُحدث أوزانها من الطرف إلى الطرف مع شبكة الكشف اللاحقة بما يحسن السطوع والتباين ويكبح الضوضاء ويقوي استخراج سمات أهداف الإشارات، ودمج كتلة دمج سمات انتباهي تكراري في بنية دمج السمات لتمكين تجميع تقديري متعدد المستويات، واستبدال مشغل أخذ عينات صاعد ديناميكي يتعلم إحداثيات الإزاحة بطرق الاستيفاء التقليدية حفاظًا على المعلومات الدقيقة، واعتماد دالة خسارة وايز آي أو يو بدل دالة خسارة التقاطع الكامل على الاتحاد مستفيدة من أوزان تدرج معدلة ديناميكيًا لكبح تداخل العينات منخفضة الجودة وتعزيز أداء تحديد مواضع الصناديق المحيطة

ثانيًا: أبرز النتائج

1، ارتفعت دقة الكشف بمقدار 15.2 نقطة مئوية مقارنة بنموذج يولو 11 إن الأساس

2، ارتفع الاستدعاء بمقدار 6.2 نقطة مئوية مقارنة بالنموذج الأساس، بما يعني التقاط نسبة أكبر من الإشارات الموجودة فعلًا في الصور

3، ارتفع متوسط الدقة المتوسطة عند عتبة تداخل قدرها 0.50 بمقدار 11.0 نقطة مئوية مقارنة بالنموذج الأساس

ثالثًا: دلالات الدراسة وتطبيقاتها

تقدم الدراسة حلًا عمليًا ممكنًا لكشف إشارات المرور في ظروف الإضاءة المنخفضة، وتؤكد أهمية التصميم المتوازن للوحدات عند تحسين شبكات الكشف بدل التركيز على وحدة واحدة، كما تشدد على المناقشة الصريحة للقيود الحالية بوصفها جزءًا من قيمة العمل العلمي، ويمكن توظيف هذا النهج في أنظمة مساعدة السائق والمركبات ذاتية القيادة العاملة ليلًا وفي البيئات الحضرية عربية المناخ حيث تتباين ظروف الإضاءة والغبار، كما تصلح وحداته التكاملية للتعميم على مهام كشف أخرى في صور ضعيفة الجودة

ويعكس هذا التصميم اتجاهًا متناميًا في بحوث الرؤية الحاسوبية نحو معالجة تدهور جودة الصور داخل الشبكة ذاتها بدل تركه لمراحل خارجية منفصلة، إذ يتيح التدريب المشترك من الطرف إلى الطرف لوحدة التحسين أن تتعلم إنتاج صور تخدم أهداف الكشف تحديدًا لا مجرد صور أجمل بصريًا للعين البشرية، فقد تختلف ملامح التحسين المفيدة للخوارزمية عن تلك المفيدة للمشاهدة، ومن هنا تنبع قيمة ربط التحسين بمهمة الكشف ربطًا عضويًا عبر التدرجات المشتركة أثناء التدريب

وخلاصة القول إن هذه الدراسة تعالج تحدي كشف إشارات المرور في الإضاءة المنخفضة بخوارزمية تدمج تحسين الإضاءة القابل للتدريب ودمج السمات الانتباهي وأخذ العينات الديناميكي ودالة خسارة محسنة في بنية واحدة متكاملة، محققة مكاسب واضحة في الدقة والاستدعاء ومتوسط الدقة مقارنة بالنموذج الأساس، بما يجعلها مرجعًا تطبيقيًا مفيدًا للباحثين العرب في الرؤية الحاسوبية وأنظمة النقل الذكي