في ظل تفشي جائحة COVID-19، أصبح ارتداء الأقنعة جزءًا من حياتنا اليومية، مما أثر بشكل كبير على فاعلية أنظمة التعرف على الوجوه التقليدية. فالتحديات التي تواجه هذه الأنظمة، مثل الاعتماد على عتبات ثابتة لا تتناسب مع الوضع الحالي، كانت واضحة بشكل خاص بالبيئات الحساسة أمنيًا. ولكن، يأتي نموذج PLGSA-Transformer ليكون بمثابة الجسر بين هذه العوائق والحلول المبتكرة.

يقدم نموذج PLGSA-Transformer إطار عمل متقدم يسمح بالتعرف على الوجوه سواء كانت مغطاة بأقنعة أو لا. يقوم النموذج بتوظيف تقنية جديدة تُعرف باسم Periocular Landmark-Guided Spatial Attention (PLGSA)، حيث تستخدم هذه التقنية معالم MediaPipe لإنشاء خرائط حرارية Gaussian تُركز على مناطق العين والحاجب والجبهة، مما يعزز فعالية التعرف على الملامح المتبقية.

علاوة على ذلك، يحتوي النموذج على فرع هجين يجمع بين الشبكات العصبية التلافيفية (CNNs) وTransformer، حيث تتم معالجة الخرائط المميزة مع نموذج التحقق الذاتي المتعدد الرؤوس، مما يساعد على فهم الاعتمادات بين المناطق المختلفة.

من خلال الاعتماد على عتبة متجاوبة مع درجة التغطية، يعمل نموذج Occlusion-Adaptive Cosine Threshold (OACT) على زيادة عتبة المطابقة بما يتناسب مع شدة التغطية المتوقعة، مما يضمن دقة أعلى في التعرف.

تم تقييم أداء النموذج على 858 صورة، حيث حقق دقة مذهلة تصل إلى 97.22%، متفوقًا على نماذج سابقة مثل VGG-16. هذه النتائج تؤكد أن دمج الهندسة المحيطة بالعين في عملية الانتباه، مع استخدام نماذج Transformer، يمثل حلاً متينًا وقابلًا للتطوير لمشكلة التعرف على الوجوه المقنعة.

الخطوة القادمة هي تطبيق هذه التقنية في بيئات واقعية لمزيد من التطوير والتحسين. فهل نحن على أعتاب حقبة جديدة في عالم الذكاء الاصطناعي؟