لمعالجة مشكلة انخفاض المتانة في التعرف على المواقع البصرية بسبب تغيرات البيئة مثل الطقس والفصول والإضاءة، تم اقتراح آلية انتباه متعددة الأبعاد لتحسين متانة وصفة ميزات التعرف على المواقع البصرية - آلية الانتباه الديناميكي الشامل المتوازي (POD-Attention). لتحقيق استطلاع ديناميكي دقيق للنواة الالتفافية عبر جميع الأبعاد، وتعزيز قدرة شبكة استخراج الميزات على استخراج وتعلم الميزات الثابتة مثل المباني، تم تضمين انتباه تكميلي عبر جميع أبعاد النواة الالتفافية (قنوات الإدخال والإخراج، الفضاء الالتفافي وعدد الأنوية) باستخدام كتلة الالتفاف الديناميكية الشاملة. دمج تلافيف 1×1، وحدة Skip Squeeze-and-Excitation (SSE) وكتلة الالتفاف الديناميكية الشاملة بشكل متوازي لا يزيد فقط من سرعة استخراج الميزات بشكل فعال، بل يوسع أيضًا المجال الاستقبالي لشبكة التعرف على المواقع البصرية، مما يعزز دقة التعرف على المواقع. أظهرت التجارب على مجموعات البيانات العامة أن طريقة التعرف على المواقع البصرية القائمة على تجميع الميزات VGG16 و Patch-NetVLAD، المحسنة باستخدام آلية انتباه POD، حسنت مؤشر Recall@1 بنسبة 9.7٪ و1.8٪ على مجموعتي بيانات Nordland و Mapillary Street-Level Sequences على التوالي، مما يثبت فعالية آلية انتباه POD في تحسين أداء الشبكة وفعالية طريقة التعرف على المواقع البصرية المقترحة.

التعرف على المواقع البصرية;متانة البيئة;التعلم العميق;آلية الانتباه الديناميكي الشامل المتوازي;استراتيجية متوازية