من أجل تحسين دقة تقسيم الصور الدلالية باستخدام طرق التعلم العميق في مشاهد الشوارع المعقدة، يقترح هذا البحث شبكة تقسيم دلالي لمشاهد الشوارع (MDFNet) تعتمد على شبكة PointRend وتدمج الميزات متعددة الأبعاد (Multi-Dimensional Features، MDF). أولاً، من خلال بناء وحدة تعزيز منطقة الهدف لتحسين شبكة استخراج الميزات الفرعية، يتم تحسين خرائط الميزات الوسيطة بشكل تكيفي في كل كتلة تلافيفية من الشبكة العميقة، مما يعزز استخراج المعلومات الدقيقة للميزات متعددة الأبعاد لمشاهد الشوارع المعقدة؛ بعد ذلك، عند دمج الميزات، تم إدخال شبكة هرمية للميزات، حيث تُستخدم نوى تلافيفية مختلفة لمعالجة مشاهد الشوارع بأحجام متعددة، مما يسمح بالحصول بشكل أكثر شمولية على ميزات أهداف مختلفة بدقة مختلفة؛ وأخيرًا، تُستخدم رأسا فك تشفير مزدوجان لاستعادة تفاصيل الصورة بشكل أكثر دقة، للحصول على نتائج تصنيف لكل بكسل. تظهر النتائج التجريبية أن الشبكة المقترحة تحقق دقة تقسيم أعلى في مجموعة بيانات Cityscapes المعقدة مقارنة بشبكات تقسيم أخرى مثل DeepLabV3 وSegFormer، حيث بلغ المتوسط التداخلي 80.11%، بزيادة تزيد عن 3.51% مقارنة بالشبكات الأخرى، مما يعزز فهم مشاهد الشوارع المعقدة.

تقسيم دلالي;تعزيز منطقة الهدف;آلية الانتباه;شبكة هرمية للميزات;ميزات متعددة الأبعاد