An Object Detection Model based on Augmented Reality for Iraqi Archaeology

تقف الثقافة العراقية، بتاريخها الغني، شاهدا على عظمة الحضارة الإنسانية. ومع ذلك، أصبح الحفاظ على هذا التراث الثقافي الغني وتقديمه مصدر قلق ملح في عصر يتميز بالتقدم التكنولوجي. الواقع المعزز هو المتصدر في عالم التكنولوجيا، يوفر أداة قوية في هذا المجال. الهدف من هذا البحث هو الاستفادة من تقنية الواقع المعزز كوسيلة لضمان استمرار الحفاظ على التراث الثقافي العراقي وعرضه بشكل ديناميكي. تستكشف هذه الدراسة قدرات الشبكات العصبية الالتفافية كأساس لتطوير الواقع المعزز. نحن نحقق في إمكاناتها في اكتشاف الأشياء، وهي خطوة أولية أساسية في صياغة أنظمة الواقع المعزز. يستخدم النموذج المقترح شبكة أساسية مدربة مسبقا لاستخراج الميزات المكانية المعقدة من الصور المدخلة، ويتم إدخال طبقات تلافيفيه إضافية ومتصلة بالكامل لزيادة تحسين هذه الميزات. تم اقتراح فئة مخصصة جديدة تسمى "مربعات الارتساء" ، تنشئ ديناميكيا مربعات ربط محددة مسبقا لكل خلية خريطة معالم. نظرا لعدم وجود مجموعة بيانات للآثار العراقية مناسبة لتدريب نماذج التعلم العميق، قمنا بجمع مجموعة بيانات من 2188 صورة ملونة، تغطي الآثار العراقية القديمة، والآثار الشهيرة ، وبعض المشاهد في الوقت الفعلي جنبا إلى جنب مع المعالم الاثرية. تخضع مجموعة البيانات هذه للوسم التوضيحي اليدوي، حيث يتم تعيين المربعات المحيطة والتسميات للكائنات في كل صورة. تؤكد نتائج تحليل الانحدار على كفاءة النموذج في تقدير إحداثيات المربع المحيط بالكائن بدقة جيدة، مما يسهل توطين الكائن بدقة وتحديد الموقع. توضح ايضا نتائج التصنيف قدرة النموذج على تعيين تسميات الفئة بثقة للكائنات المكتشفة The culture of Iraq, which boasts a rich history, serves as evidence of the magnificence of human civilization. Nonetheless, safeguarding and highlighting this valuable cultural legacy has become a significant worry in a time characterized by technological progress. Augmented Reality (AR) offers a powerful tool for preserving and presenting historical sites. The aim of this research is to leverage AR technology as a means to ensure the continued preservation and dynamic presentation of Iraq's cultural heritage. This study explores the capabilities of CNNs as the basis of AR's development. CNN is used as an essential initial step in constructing AR systems. The proposed model utilizes a pre-trained backbone network to extract complicated spatial features from input images; additional convolutional and fully connected layers are introduced to refine these features. A new custom class called “AnchorBoxes”, dynamically generates predefined anchor boxes for each feature map. Since there is not an appropriate Iraqi archeology dataset available for training deep learning models, a dat