تواجد الصخور المنتشرة على سطح المريخ يشكل تهديدا محتملا لسلامة سير المركبات الجوالة على سطحه، وفي الوقت نفسه، توفر خصائص انتشار الصخور أدلة مهمة لدراسة تطور الجيولوجيا في مناطق الهبوط على المريخ. ومع ذلك، تواجه تحديات كثيرة في تحديد الصخور في صور المركبات الجوالة على سطح المريخ: لا يوجد وضوح في حدود الصخور والخلفية مما يجعل استخراج الأطراف صعبًا، وتشابه في ملامح القوام السطحي يثير الإختلاط، وتندرج ضمن العقبات أيضًا ندرة مجموعة البيانات الحقيقية للصخور على المريخ والتي تعيق تدريب النماذج. لتحقيق تحديد دقيق للصخور في صور المركبات الجوالة على سطح المريخ، تقدم هذه الورقة نموذجًا للتعرف التلقائي على الصخور على أساس شبكة الانتباه الذاتي المعتمدة على التكرار الدوراني، والذي يحقق تقسيم الصور بمستوى بكسلي. يتبنى هذا النموذج معمارية المُشفر-الفك التي تقوم المشفر على شبكة الانتباهات العصبية بعملية استخراج سمات الصورة، ويضمن تضمين نموذج الانتباه الذاتي المحسن لزيادة قدرة النموذج في التحسيس لمعلومات السياق. وتكون المفكوك مسؤولا عن تعيين خصائص الصور المستخرجة من المشفرية إلى الفضاء الصوري لتحقيق تقسيم دقيق. لتحقق أداء النموذج، قامت هذه الورقة بتأثير صور مركبة المريخ Zu Rong، وبناءت مجموعة بيانات Tianwen 1، و شملت التقييم والتحقق لأداء النموذج بمجموعة متعددة من المجموعات البيانات مثل محاكاة مجموعة بن 10,000 و6,000 مارس وصور مركبة المريخ Curiosity على السواحل المنبعثة من العربة. كما قورن هذا النموذج مع عديد من الآليات مثل DeepLab V3+ و Unet++ وSegformer وMarsnet. ولتقييمها، اعتمد متوسط دقة البكسل ومعدل الاسترجاع ومعدل التداخل كدلائل، وأشارت النتائج إلى قدرة النموذج على تحديد الصخور بدقة كبيرة، حيث بلغت الدقة ومعدل التداخل 90% فأكثر في مجموعة البيانات المحاكاة والمدى في المجموعة الحقيقية.

المريخ؛ استخراج الصخور؛ شبكات الإتصال العصبي؛ تحويلات؛ استخراج السمات