تدمج هذه المقالة تقنيات الكشف العام ومطابقة مكتبة النماذج الأولية، واقترحت إطارًا للكشف بالتكيف الميداني استنادًا إلى تمثيل بصري ذاتي الإشراف. تستخدم هذه الطريقة ميزات التدريب المسبق لـDINOv3 للمطابقة والاختيار، مما يمكّن من تحديد وتمييز المركبات المستهدفة في ظل وجود عينات تعليم قليلة ودون الحاجة إلى تعديل دقيق. أولاً، تم بناء وحدة تعزيز بيانات تكوين متعدد الزوايا لإنشاء عينات بزوايا متعددة لمواءمة مشاهد المراقبة العلوية وتعويض فقدان الزوايا عبر مجالات مختلفة. ثم، تم تصميم طريقة تجمع بين التجميع بين الفئات ومطابقة النماذج الأولية، من خلال خوارزميات التجميع لاستخراج أنماط البيانات، وبناء مكتبة نماذج أولية حقيقية متعددة الأشكال لحل مشكلة التفاوت الكبير داخل الفئة؛ وبناءً على ذلك تم إدخال تمثيلات مشتركة كلية ومحلية، وربط التفاصيل الدلالية والملمسية عبر مستويات الشبكة المختلفة لتحقيق تمييز دقيق للمركبات المستهدفة. تُظهر التجارب أن هذه الطريقة تتغلب بفعالية على تدهور قدرة الكشف الناتج عن تحوّل مجال الزوايا في ظروف العينات القليلة؛ مقارنةً بالطرق التقليدية، تحسّنت معدل الاستدعاء بشكل ملحوظ مع تقليل كبير في الإنذارات الكاذبة الناتجة عن المركبات غير المستهدفة، مما يُثبت فعالية ومرونة هذا الإطار في مشاهد مراقبة المركبات الخاصة.

مركبات النقل الخاصة;نموذج بصري ذاتي الإشراف;كشف بالتكيف الميداني