حظي موضوع تحديد مواضع النصوص والتعرف عليها في صور المشاهد الطبيعية باهتمام متزايد في السنوات الأخيرة، نظرًا للدور المحوري الذي يؤديه في تطبيقات متنوعة مثل القيادة الذاتية والملاحة الذكية ومساعدة المكفوفين وقراءة اللوحات والإعلانات في البيئات الحضرية، غير أن هذا المجال ما يزال يعاني فجوتين واضحتين رصدتهما الدراسة، تتمثل الأولى في تركيز البحوث السابقة على التعرف على النصوص الإنجليزية في حين ظل تمثيل النصوص العربية محدودًا رغم انتشارها الواسع في المشاهد الحضرية للمدن العربية، وتتمثل الثانية في اعتماد أغلب البحوث السابقة مقاربات منفصلة تعالج تحديد مواضع النصوص بمعزل عن التعرف عليها، بدل إطار موحد متكامل يجمع المهمتين في منظومة واحدة شاملة من الطرف إلى الطرف
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى معالجة الفجوتين السابقتين عبر اقتراح مقاربة جديدة ثنائية اللغة تعمل بصورة شاملة على تحديد مواضع النصوص العربية والإنجليزية والتعرف عليها داخل صورة المشهد الطبيعي الواحدة، واعتمدت المقاربة المقترحة في جانب تحديد المواضع على نماذج الشبكات العصبية الالتفافية المدربة مسبقًا، وتحديدًا نموذجي ريس نت وإفيشنت نت في نسخته الثانية، مقترنة بتمثيل النواة الذي يساعد على إبراز مناطق النصوص وفصلها عن الخلفية المحيطة، بينما اعتمدت في جانب التعرف على نماذج الشبكات العصبية المتكررة من نوع الذاكرة الطويلة قصيرة المدى ونسختها ثنائية الاتجاه، مزودة بآلية انتباه تتيح للنموذج التركيز على الأجزاء الأكثر أهمية من تسلسل الحروف أثناء القراءة
ولتعزيز قدرة المنظومة على التعرف على النصوص العربية تحديدًا، دُمج نموذج آرا إلكترا اللغوي العربي ضمن بنية التعرف، بما يضيف فهمًا سياقيًا لخصائص اللغة العربية وتراكيبها، ثم خضعت المقاربة المقترحة للتقييم التجريبي على ثلاث مجموعات بيانات معيارية معروفة في هذا المجال، هي مجموعة إيفارست ومجموعتا مسابقات المؤتمر الدولي لتحليل الوثائق والتعرف عليها لعامي 2017 و2019، وقورن أداؤها بأداء الطرائق السابقة في مهام التعرف على النصوص ذات الاتجاهات المختلفة، بما فيها النصوص الأفقية ومتعددة الاتجاهات والمنحنية
ثانيًا: أبرز النتائج
أظهرت النتائج التجريبية أن النموذج المقترح يحقق أداءً متفوقًا مقارنة بالطرائق السابقة عبر مجموعات البيانات المستخدمة، ولم يقتصر هذا التفوق على التعرف على النصوص ذات الاتجاه الأفقي التي تمثل الحالة الأبسط والأكثر شيوعًا في البحوث السابقة، بل امتد ليشمل التعرف على النصوص متعددة الاتجاهات والنصوص المنحنية باللغتين العربية والإنجليزية داخل صور المشاهد الطبيعية، وهي حالات أكثر صعوبة بسبب تباين زوايا التصوير وانحناء الأسطح التي تظهر عليها النصوص وتداخلها مع عناصر الخلفية، ويعزز هذا الأداء المتوازن عبر اللغتين والاتجاهات من قيمة الإطار الموحد الذي يجمع التحديد والتعرف في منظومة واحدة بدل معالجتهما منفصلين
ثالثًا: دلالات الدراسة وتطبيقاتها
تنبع دلالات هذه الدراسة من كونها تقدم إطارًا عمليًا يعالج النصوص العربية والإنجليزية معًا في المشهد الواحد، وهو ما يلائم البيئات الحضرية في المنطقة العربية التي تتعايش فيها اللغتان على اللوحات والإعلانات وواجهات المحال، كما أن نجاح دمج نموذج لغوي عربي متخصص ضمن بنية التعرف يشير إلى أهمية الموارد اللغوية الخاصة بكل لغة في رفع دقة الأنظمة البصرية، وتفتح النتائج الباب أمام تطبيقات عملية في أنظمة القيادة الذاتية والملاحة الذكية التي تحتاج إلى قراءة اللوحات الإرشادية لحظيًا، وفي الأدوات المساعدة للمكفوفين وضعاف البصر، وفي أرشفة المشاهد الحضرية وتحليلها آليًا على نطاق واسع
وتكتسب معالجة النصوص العربية أهمية خاصة في هذا السياق، فالحروف العربية متصلة بطبيعتها وتتنوع أشكالها بحسب موقعها في الكلمة، وتظهر في المشاهد الحضرية بخطوط وأحجام وألوان متباينة وعلى أسطح مستوية ومنحنية، مما يجعل تحديدها والتعرف عليها أصعب من نظيرتها اللاتينية، ويضاعف من قيمة إطار يعالجها جنبًا إلى جنب مع الإنجليزية في الصورة نفسها، فالمدن العربية الحديثة تعج بلوحات ثنائية اللغة في الطرق والمتاجر والمطارات، وأي نظام رؤية حاسوبية يعجز عن قراءتها يفقد نصف المعلومات النصية المتاحة في المشهد، ومن هنا تمنح إضافة نموذج لغوي عربي متخصص منظومة التعرف قدرة على تصحيح قراءاتها وفق سياق اللغة وتراكيبها لا وفق أشكال الحروف وحدها
وخلاصة القول إن الدراسة قدمت مقاربة شاملة ثنائية اللغة تجمع بين تحديد مواضع النصوص والتعرف عليها في إطار واحد، مستندة إلى الشبكات الالتفافية المدربة مسبقًا والشبكات المتكررة المزودة بالانتباه ونموذج آرا إلكترا اللغوي، وقد أثبتت التجارب على ثلاث مجموعات بيانات معيارية تفوقها في التعرف على النصوص الأفقية ومتعددة الاتجاهات والمنحنية بالعربية والإنجليزية، بما يسد فجوة واضحة في تمثيل اللغة العربية ضمن بحوث قراءة النصوص في المشاهد الطبيعية ويمنح المطورين أساسًا قابلًا للبناء عليه في تطبيقات الرؤية الحاسوبية الموجهة للبيئات العربية
