في عالم تتزايد فيه تعقيدات تقنيات الذكاء الاصطناعي، برزت CamoNAS كحل مبتكر لمشكلة اكتشاف الأجسام المخفية (Camouflaged Object Detection - COD). يتمثل التحدي في هذا المجال في تحديد موقع الأجسام التي تتناغم مع محيطها، مما يجعل عملية التعرف عليها صعبة للغاية بسبب وجود حواف ضعيفة وحدود غير محددة.

يعتمد النموذج التقليدي لاكتشاف الأجسام المخفية على تصميم معماري يدوي ودمج ميزات متعددة المقاييس، وهو ما غالبًا ما يستند إلى حدسيات بدلاً من عمليات البحث المنهجية. ولكن الآن، مع ظهور CamoNAS، أصبح بالإمكان استخدام إطار عمل للخوارزمية يعتمد على البحث في هيكل الشبكة العصبية (Neural Architecture Search - NAS) بشكل ذكي وفعال.

تعمل CamoNAS من خلال البحث التلقائي عن العمليات على مستوى الخلايا ومسارات تخفيض الشبكة، مما يشكل فضاء بحث هرمي مخصص لهذه المهمة. وعلاوة على ذلك، فإن استخدامها لهندسة ثنائية التردد RGB، حيث يكمل التحويل الموجي القابل للتعلم تدفق البيانات المكاني RGB، يُظهر قدرة جديدة على معالجة هذه الأنماط.

تُظهر النتائج أن CamoNAS حقق أداءً رائدًا عبر أربعة معايير لاكتشاف الأجسام المخفية (CAMO، COD10K، NC4K، CHAMELEON). وقد تم إثبات فعالية تكتيك البحث المعماري في تحسين القدرة على الكشف عن الأجسام المختبئة.

للمزيد من التفاصيل، يمكنكم زيارة الرابط الموجود في صفحتنا الرسمية على GitHub.