الباحثون المشاركون

د. طارق برهوم – د. بلسم عيد

منشور في

31^st International Conference on Computer Theory and Applications (ICCTA), Alexandria, Egypt, conference proceedings on IEEE Xplore, pages 229-233, 11-13 December 2021.

الملخص

اكتسب تقدير العمق الأحادي من الصور الفردية اهتماماً متزايداً في السنوات الأخيرة، حيث تعد هذه التقنية واحدة من أهم التقنيات في تطوير القيادة الذاتية للمركبات. نظراً لأن البارامترات والسمات الخاصة بالصور الملتقطة داخلياً تختلف عن الصور الملتقطة في الخارج. قدم هذا العمل طريقتين لتحسين تقدير العمق باستخدام الشبكات العصبية الالتفافية. في الطريقة الأولى، تم التعامل مع الصور الداخلية عن طريق تقنية التنبؤ بالقناع باستخدام بنية وحدة فك التشفير (DRN) وباقتراح ثلاث شبكات منفصلة كمقدر عمق وهذه الشبكات هي: شبكة ((ResNet-50 وشبكة (DenseNet-161) بالإضافة إلى شبكةResNet-152) ) في الطريقة الثانية، التي تعتمد على الصور الخارجية، يقدر العمق بالاعتماد على  الشبكات العصبونية الالتفافية بدون استخدام خرائط العمق الأرضية باستخدام تقنية إعادة بناء الصورة حيث تم فحص تناسق التباين بين اليسار واليمين لكل صورة بالإضافة إلى بنية التشفير التلقائي التي تقوم على استخدام نموذج Resnet-18)) أظهرت كلتا الطريقتين المقترحتين أداءً جيداً مقارنة بالدراسات المرجعية.

الكلمات المفتاحية: شبكات عصبونية التفافية – تقدير العمق – القيادة الذاتية – إعادة بناء الصور – معالجة الصور الرقمية.

رابط ملخص البحث

https://ieeexplore.ieee.org/document/9916635