اكتشاف الكائن

كيف يعمل اكتشاف الكائنات

عادةً ما يجمع اكتشاف الكائنات بين مهمتين أساسيتين: تصنيف الكائنات (تحديد "ما" الكائن الموجود) وتحديد موقع الكائن (تحديد "مكان" وجود الكائن، عادةً عن طريق إحداثيات الصندوق المحيط). تعتمد الأنظمة الحديثة للكشف عن الأجسام اعتمادًا كبيرًا على التعلّم العميق (DL)، وخاصةً الشبكات العصبية التلافيفية (CNNs). يتم تدريب هذه الشبكات على مجموعات بيانات كبيرة ومشروحة، مثل مجموعة بيانات COCO الشهيرة أو Open Images V7، لتعلم السمات والأنماط المرئية المرتبطة بفئات الكائنات المختلفة.

أثناء العملية (المعروفة باسم الاستدلال)، يعالج النموذج المُدرّب صورة مُدخَلة أو إطار فيديو. يقوم بإخراج قائمة بالأجسام المحتملة، حيث يتم تمثيل كل منها بصندوق محدّد، وتسمية الفئة المتوقعة (على سبيل المثال، "سيارة"، "شخص"، "كلب")، ودرجة ثقة تشير إلى يقين النموذج بشأن الاكتشاف. وغالباً ما تُستخدم تقنيات مثل القمع غير الأقصى (NMS) لتحسين هذه المخرجات عن طريق إزالة المربعات الزائدة والمتداخلة لنفس الكائن. وعادةً ما يتم تقييم أداء هذه النماذج باستخدام مقاييس مثل التقاطع على الاتحاد (IoU) ومتوسط متوسط الدقة (mAP).

اكتشاف الكائنات مقابل المهام ذات الصلة

من المهم التمييز بين اكتشاف الأجسام ومهام الرؤية الحاسوبية الأخرى ذات الصلة:

• تصنيف الصور: يعين تسمية واحدة لصورة كاملة (على سبيل المثال، "تحتوي هذه الصورة على كلب"). لا يحدد موقع الكائن (الكائنات).
• تجزئة الصور: يصنف كل بكسل في الصورة، مما يؤدي إلى إنشاء خريطة مفصلة لحدود الكائن. هذا الأمر أكثر دقة من المربعات المحددة للكشف عن الكائنات.
  • التقسيم الدلالي: يعيّن تسمية فئة لكل بكسل (على سبيل المثال، جميع البكسلات التي تنتمي إلى "سيارات" يتم تصنيفها "سيارة"). لا يميز بين الحالات المختلفة من نفس الفئة.
  • تجزئة المثيل: يعيّن تسمية فئة لكل بكسل ويميّز بين المثيلات الفردية من نفس الفئة (على سبيل المثال، "سيارة 1" و"سيارة 2"). يجمع بين الكشف والتجزئة.
• تتبع الكائنات: ينطوي على اكتشاف الأجسام في إطارات الفيديو المتتالية وتعيين معرّف فريد لكل جسم لتتبع حركته بمرور الوقت. يعتمد ذلك على اكتشاف الأجسام.

أنواع نماذج الكشف عن الكائنات

تنقسم نماذج اكتشاف الأجسام بشكل عام إلى فئتين رئيسيتين، تختلفان في المقام الأول في نهجها ومقايضات السرعة/الدقة:

• أجهزة كشف الأجسام ذات المرحلتين: تقترح هذه النماذج أولاً مناطق الاهتمام (RoIs) حيث يمكن أن توجد الكائنات ثم تصنف الكائنات داخل تلك المناطق. ومن الأمثلة على ذلك عائلة R-CNN (R-CNN السريع، Faster R-CNN). وهي غالباً ما تحقق دقة عالية ولكنها تميل إلى أن تكون أبطأ.
• كاشفات الأجسام ذات المرحلة الواحدة: تتنبأ هذه النماذج مباشرةً بالمربعات المحددة واحتمالات الفئة من صورة الإدخال في مسار واحد، دون خطوة اقتراح منطقة منفصلة. تتضمن الأمثلة على ذلك Ultralytics YOLO (أنت تنظر مرة واحدة فقط)، و SSD (كاشف المربعات المتعددة اللقطة الواحدة)، وشبكية العين. عادةً ما تكون هذه النماذج أسرع، مما يجعلها مناسبة للاستدلال في الوقت الحقيقي، وأحيانًا على حساب دقة أقل قليلاً مقارنةً بالطرق ذات المرحلتين، على الرغم من أن نماذج مثل YOLO11 تسد هذه الفجوة بفعالية. كما أن الأساليب الأحدث مثل الكاشفات الخالية من الارتكاز تزيد من تبسيط عملية المرحلة الواحدة. يمكنك استكشاف المقارنات بين نماذج YOLO المختلفة والبنى الأخرى مثل RT-DETR.

التطبيقات الواقعية

يُعد اكتشاف الأجسام تقنية أساسية تتيح العديد من التطبيقات في مختلف الصناعات:

1. الأنظمة ذاتية القيادة: ضرورية للسيارات ذاتية القيادة والروبوتات، مما يسمح للمركبات والروبوتات بإدراك محيطها من خلال اكتشاف المشاة والمركبات الأخرى والعوائق وإشارات المرور وعناصر محددة للتفاعل. تعتمد شركات مثل Tesla وWaymo اعتماداً كبيراً على الاكتشاف القوي للأشياء.
2. الأمن والمراقبة: تُستخدم في أنظمة الإنذار الأمني للكشف عن المتسللين، ومراقبة الحشود(الذكاء الاصطناعي البصري في إدارة الحشود)، وتحديد الأجسام المهجورة، وتعزيز كفاءة المراقبة في الأماكن العامة والممتلكات الخاصة.
3. تحليلات البيع بالتجزئة: تعمل على تشغيل تطبيقات مثل أنظمة الدفع الآلي، وإدارة المخزون القائمة على الذكاء الاصطناعي، ومراقبة الأرفف (الكشف عن العناصر غير المتوفرة في المخزون)، وتحليل أنماط حركة العملاء.
4. الرعاية الصحية: يُطبَّق في تحليل الصور الطبية للكشف عن الحالات الشاذة مثل الأورام(استخدام YOLO11 للكشف عن الأورام) أو الآفات في الأشعة السينية والتصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي، ومساعدة أطباء الأشعة في التشخيص(الأشعة: الذكاء الاصطناعي).
5. الزراعة: تمكين تقنيات الزراعة الدقيقة، مثل الكشف عن الآفات والأمراض والحشائش الضارة وعدّ الثمار(الرؤية الحاسوبية في الزراعة)، ومراقبة صحة المحاصيل(الذكاء الاصطناعي في حلول الزراعة).
6. التصنيع: يُستخدم لمراقبة الجودة من خلال الكشف عن العيوب في المنتجات على خطوط التجميع(فحص الجودة في التصنيع)، وضمان السلامة من خلال مراقبة المناطق الخطرة، وأتمتة المهام الروبوتية.

الأدوات والتدريب

يتضمن تطوير نماذج اكتشاف الكائنات ونشرها أدوات وتقنيات مختلفة. أطر التعلم العميق الشائعة مثل PyTorch و TensorFlow المكتبات التأسيسية. توفر مكتبات الرؤية الحاسوبية مثل OpenCV وظائف معالجة الصور الأساسية.

توفر شركة Ultralytics أحدث ما توصلت إليه Ultralytics YOLO بما في ذلك YOLOv8 و YOLO11المُحسّنة للسرعة والدقة. تعمل منصة Ultralytics HUB على تبسيط سير العمل بشكل أكبر، حيث توفر أدوات لإدارة مجموعات البيانات، وتدريب النماذج المخصصة، وإجراء ضبط المعلمات الفائقة، وتسهيل نشر النماذج. وغالبًا ما يستفيد التدريب الفعال للنماذج من استراتيجيات وتقنيات زيادة البيانات مثل نقل التعلّم باستخدام أوزان مُدرّبة مسبقًا من مجموعات بيانات مثل ImageNet.