في المشاهد المكتظة، يُعد التغطية الجزئية لجسم المشاة وتفاوت مقاييسهم من الأسباب الرئيسية لانخفاض دقة كشف المشاة. نظرًا لأن منطقة رأس المشاة أقل تعرضًا للتغطية، يمكن استخدامها لمساعدة الكشف. لذلك، قامت هذه الورقة بتحسين خوارزمية Faster R-CNN واقترحت خوارزمية كشف المشاة متعددة المقاييس تعتمد على دمج معلومات الرأس والمعلومات الشاملة. أولاً، تم تصميم شبكة استخراج ميزات متعددة المقاييس ذات آلية انتباه إحداثي متكررة لدمج معلومات ميزات متعددة المقاييس الغنية والدقيقة، وتعزيز حساسية الشبكة لمواقع المشاة ذات المقاييس الصغيرة. ثم، باستخدام شبكة اقتراح المناطق، يتم توليد أطر اقتراح للرأس والمشاة بالكامل، ويتم بناء فرعين كشف للرأس والكلي لإجراء الكشف الموحد. أخيرًا، تم اقتراح خوارزمية تثبيط عدم الأقصى الموحدة التكيفية لتجنب تثبيط أطر الكشف المتداخلة بشدة بشكل مفرط، وتنقية أطر الكشف الخاطئة الناتجة عن الفرعين، مما يعزز دقة كشف المشاة بشكل إضافي. تظهر النتائج التجريبية أن الخوارزمية المقترحة حسنت الدقة المتوسطة بمقدار 2.9% على مجموعة بيانات CrowdHuman مقارنة بالخوارزمية الأساسية، وخفضت معدل الفقد اللوغاريتمي بمقدار 4%. كما خفضت معدل الفقد اللوغاريتمي بمقدار 2.4% و2.2% على مجموعتي فرعية ذات مقاييس صغيرة في مجموعة بيانات TJU-DHD-pedestrian، مما يثبت فعالية الخوارزمية في المشاهد المكتظة.

كشف المشاة;الكشف الموحد;دمج ميزات متعددة المقاييس;آلية الانتباه;تحسين المعالجة اللاحقة