في عالم الذكاء الاصطناعي، تلعب تقنيات كشف الأجسام دورًا حيويًا، خاصة في الظروف القاسية حيث تتداخل المعلومات بين الصور التقليدية (RGB) والصور الحرارية (IR). في خطوة رائدة، تم تقديم كتلة تثبيت الميزات المفصولة (LDFE) المصممة لتعزيز كفاءة كشف الأجسام في نظام الشبكات العصبية التلافيفية ثنائية المسار (Dual-Stream CNN).

تستمد LDFE قوتها من قدرتها على دمج المعلومات المختلفة بشكل فعّال. حيث تبدأ بتفكيك الميزات إلى مكونات عالمية ومحلية باستخدام هرم لابلاس (Laplacian Pyramid). بعد ذلك، تقوم بإجراء عمليات تصفية ودمج تتبع أنموذجين مختلفين: نموذج تعزيز الفضاء العالمي (GS2E) ونموذج تعزيز التفاعل المحلي (LC2E).

يتميز GS2E بقدرته على احتواء الضوضاء وضمان تفاعلات ثنائية الاتجاه بين الصور RGB وIR، مما يساهم في تحسين دقة الكشف. في حين يعمل LC2E على تقليل الضوضاء في الميزات المحلية ويعزز التفاصيل الدقيقة باستخدام عملية تلافيف ثلاثية.

تُظهر نتائج التجارب على مجموعة من البيانات مثل M3FD وDroneVehicle تحسنًا ملحوظًا في الأداء، حيث تجاوزت هذه التقنية الأنظمة الحالية بمعدل دقة (mAP) بنسبة تصل إلى 6.2%، وهذا يدل على فعالية التصميم الجديد والابتكار في هذا المجال.

إن النجاح الذي حققته LDFE لا يعزز فقط أداء كشف الأجسام ولكن يفتح أيضًا أفقًا جديدًا للبحث والابتكار في مجالات الذكاء الاصطناعي والتعلم العميق.