التعرف على أهداف المركبات في صور الرادار ذي الفتحة الاصطناعية في المشاهد المعقدة استنادًا إلى آلية الانتباه المختلطة

مع تطور التعلم العميق في مجال الرؤية الحاسوبية طبقت نماذج الشبكات العصبية الالتفافية وآليات الانتباه على نطاق واسع في التعرف على الأهداف في صور الرادار ذي الفتحة الاصطناعية، لما تتميز به هذه الصور من قدرة على التصوير في مختلف الظروف الجوية وفي الليل والنهار، وهو ما جعلها ركيزة في أنظمة الاستطلاع والرصد الحديثة

غير أن التعرف على الأهداف في مشاهد معقدة تتعدد فيها الخلفيات وتتداخل فيها الأهداف مع عناصر مشوشة يظل مهمة صعبة، إذ تتأثر دقة النماذج بقدرتها على إبراز السمات المميزة لمناطق الاهتمام وكبح السمات غير ذات الصلة ضمن خرائط السمات المستخرجة من الصورة الرادارية

وقد انصب تحسين الانتباه في الشبكات العصبية الالتفافية في بحوث التعرف على أهداف الرادار القائمة على المعلومات المكانية ومعلومات القنوات، لكنها افتقرت إلى بحوث تعالج العلاقة بين المعلومات المكانية ومعلومات القنوات وآلية التعرف التي تربط بينهما، وهي الفجوة التي تتصدى لها هذه الدراسة باقتراح آلية انتباه مختلطة تجمع الأنواع الثلاثة في إطار واحد

وتتنوع استخدامات صور الرادار ذي الفتحة الاصطناعية بين مراقبة حركة المركبات والسفن، وإدارة الكوارث، ورسم الخرائط، والرصد البيئي، وتتطلب هذه الاستخدامات جميعها أنظمة تعرف تلقائي سريعة ودقيقة قادرة على العمل في ظروف تصوير متباينة ومشاهد ميدانية معقدة التكوين

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى رفع معدل التعرف على أهداف المركبات في صور الرادار ذي الفتحة الاصطناعية ذات المشاهد المعقدة، واقترحت لتحقيق ذلك وحدة انتباه هجينة أدخلت عبرها آلية الانتباه المختلط في شبكة موبايل نت الإصدار الثاني، وتراعي هذه الآلية حساب الانتباه المكاني وانتباه القنوات والانتباه المنسق بصورة شاملة ومتكاملة، إذ تدخل خرائط السمات في ترجيح شامل يعزز سمات مناطق الاهتمام بما يرفع قدرة النموذج على تمييز أهداف المركبات عن خلفياتها المعقدة، وتنطلق أهمية هذا التوجه من أن الانتباه المكاني يحدد أين تتركز السمات المهمة في الصورة، بينما يحدد انتباه القنوات أي السمات المستخرجة أكثر دلالة، ويضيف الانتباه المنسق معلومات موضعية دقيقة تساعد على تحديد مواضع الأهداف بدقة أعلى

ثانيًا: أبرز النتائج

النتيجة الأولى: تحققت الدراسة تجريبيًا من تفوق الخوارزمية المقترحة باستخدام مجموعة بيانات إمستار المعيارية في بحوث التعرف على أهداف الرادار، بما يدعم فاعلية آلية الانتباه المختلط في هذه المهمة وفي ظروف مشاهد معقدة تحاكي بيئات التشغيل الواقعية

النتيجة الثانية: أظهرت الدراسة أن الترجيح الشامل لخرائط السمات عبر الانتباه المكاني وانتباه القنوات والانتباه المنسق معًا يعزز سمات مناطق الاهتمام بصورة أتم مما يحققه الاعتماد على أي من هذه الأنواع منفردًا، وهو ما يعالج قصور الأدبيات التي فصلت بين المعلومات المكانية ومعلومات القنوات وأهملت العلاقة بينهما

النتيجة الثالثة: يبين دمج وحدة الانتباه المختلط في شبكة موبايل نت إمكان رفع أداء التعرف على الأهداف ضمن بنى شبكية مدمجة مصممة للعمل بموارد حاسوبية محدودة، بما يوسع فرص نشر هذه الأنظمة على منصات متنوعة

ثالثًا: دلالات الدراسة وتطبيقاتها

تفيد نتائج هذه الدراسة مجالات الاستشعار عن بعد والمراقبة والاستطلاع التي تعتمد على صور الرادار ذي الفتحة الاصطناعية في رصد المركبات وتتبعها، إذ تسهم آلية الانتباه المختلط في رفع دقة التعرف التلقائي واتساقه في المشاهد المزدحمة والمعقدة الخلفيات، ومن شأن خفض الكلفة الحاسوبية للتعرف أن يتيح نشر هذه الأنظمة على منصات جوية وفضائية محدودة الطاقة والموارد

كما تقدم الدراسة للباحثين في الرؤية الحاسوبية مبدأ تصميميًا قابلًا للنقل إلى مهام تعرف أخرى في صور الاستشعار عن بعد، يقوم على الجمع الشامل بين أنواع الانتباه بدل تطوير كل منها بمعزل عن الآخر، ويدعو إلى بحوث لاحقة تستكشف العلاقة بين المعلومات المكانية ومعلومات القنوات وآلية التعرف استكشافًا أعمق وأكثر منهجية

وخلاصة القول إن آلية الانتباه المختلط المقترحة تقدم معالجة متوازنة لقصور قائم في أدبيات التعرف على أهداف الرادار، وقد أثبتت التجارب على مجموعة بيانات إمستار تفوقها، بما يجعلها خيارًا واعدًا لتحسين التعرف على أهداف المركبات في المشاهد المعقدة ويمهد لتطبيقات ميدانية أوسع في الرصد والمتابعة الآلية