تعتبر تكنولوجيا السونار المتقدم من أبرز التقنيات المستخدمة في الاستشعار تحت الماء، حيث تتيح الحصول على صور فريدة من نوعها. ومع ذلك، تواجه الصور الصوتية تحديات كبيرة تتراوح بين الضوضاء الشديدة، وانخفاض تباين الملمس، وظلال الصوت، والتشوهات الهندسية. غالباً ما تؤدي هذه العناصر إلى صعوبات في تطبيق الهياكل التقليدية في فئات التعليم والتعلم، مما يجعل الحصول على أداء مرضٍ في مهام تمييز الصور الصوتية أمراً صعباً جداً.

في هذا السياق، تم تقديم إطار تعليمي تعاوني يهدف إلى تحسين عمليات التمييز بالاعتماد على صور السونار. يعتمد هذا الإطار الجديد على آلية التعاون بين المعلمين، حيث يتكون من معلم عام وعدة معلمين متخصصين في السونار. من خلال اعتماد استراتيجية توجيه متبادلة بين المعلمين، يستطيع النموذج الطلابي تعلم التمثيلات الدلالية العامة، وفي نفس الوقت استيعاب الخصائص الفريدة للصور الصوتية، مما يؤدي إلى بناء نموذج ميزات أكثر شمولية وقوة.

أحد التحديات الرئيسية في صور السونار هو إمكانية توليد عدد كبير من العلامات الزائفة المزعجة. لذا، تم تصميم آلية تقييم موثوقية المعلمين المتعاونين، حيث تقوم هذه الآلية بديناميكية بتحديد موثوقية العلامات الزائفة من خلال تقييم الاتساق والموثوقية في التوقعات عبر وجهات نظر متعددة ومعلمين مختلفين. هذا يساعد على تقليل الأثر السلبي الناتج عن العلامات الزائفة المضطربة.

والجدير بالذكر، أنه عند تطبيق هذا الإطار على مجموعة بيانات FLSMD، وبالنظر إلى 2% فقط من البيانات المعنونة، استطاعت الطريقة الجديدة تحقيق تحسين تبلغ نسبته 5.08% في مؤشر المصداقية المتوسطة (mIoU) مقارنةً بالطرق الرائدة الأخرى. هذه النتائج تفتح الباب أمام آفاق جديدة في معالجة تمييز الصور الصوتية تحت الماء وتعزز من قدرة التطبيقات المستقبلية في هذا المجال.