التجزئة الشاملة

كيف يعمل التقسيم البانوبتيكي

تقوم خوارزميات التجزئة الشاملة بمعالجة الصورة لإنتاج خريطة إخراج واحدة حيث يتلقى كل بكسل تسمية دلالية، وإذا كان ينتمي إلى كائن يمكن عده ("شيء")، يكون له معرف مثيل فريد. تشترك وحدات البكسل التي تنتمي إلى مناطق الخلفية ("الأشياء") في نفس التسمية الدلالية ولكن عادةً لا تحتوي على معرّفات مثيل فريدة (أو تشترك في معرّف واحد لكل فئة من فئات الأشياء). غالبًا ما تستفيد الأساليب الحديثة من التعلّم العميق، لا سيما البنى القائمة على الشبكات العصبية التلافيفية (CNNs) أو المحولات. تستخدم بعض الأساليب فروع شبكات منفصلة للتجزئة الدلالية وتجزئة المثيل ثم تدمج النتائج، بينما تستخدم أساليب أخرى نماذج شاملة مصممة خصيصًا لمهمة التجزئة الشاملة، كما هو مقدم في الورقة البحثية الأصلية "التجزئة الشاملة". يتطلب تدريب هذه النماذج مجموعات بيانات تحتوي على شروح بانوبتيكية مفصّلة، مثل مجموعة بيانات COCO Panoptic أو مجموعة بيانات Cityscapes. غالباً ما يتم قياس الأداء باستخدام مقياس الجودة البانوبتيكية (PQ) ، والذي يجمع بين جودة التجزئة وجودة التعرف.

التجزئة الشاملة مقابل المهام ذات الصلة

إن فهم الفروق بين التجزئة البانوبتيكية ومهام الرؤية الحاسوبية ذات الصلة أمر بالغ الأهمية:

• التقسيم الدلالي: يعين تسمية فئة (مثل "سيارة" أو "شخص" أو "طريق") لكل بكسل. يحدد الفئات ولكنه لا يفرق بين الحالات المختلفة لنفس الفئة. على سبيل المثال، قد يتم تلوين جميع السيارات بنفس اللون في قناع الإخراج.
• تجزئة المثيل: يكتشف ويجزئ مثيلات الكائنات الفردية (على سبيل المثال، "سيارة 1"، "سيارة 2"، "شخص 1"). يركّز على "الأشياء" القابلة للعدّ ويتجاهل عادةً "الأشياء" غير المتبلورة في الخلفية مثل السماء أو الطريق، أو يعاملها كفئة خلفية واحدة. Ultralytics YOLO توفر نماذج YOLO قدرات قوية لتجزئة النماذج. يمكنك معرفة المزيد في هذا الدليل لتجزئة النماذج مقابل التجزئة الدلالية.
• اكتشاف الكائنات: يحدد وجود الكائنات وموقعها باستخدام المربعات المحدودة ويعين تسميات الفئات. لا يوفر أقنعة على مستوى البكسل أو مناطق خلفية مقطعية. العديد من أحدث نماذج اكتشاف الأجسام، مثل YOLOv10 و YOLO11متاحة للمقارنة، مثل YOLO11 مقابل YOLOv10.

يجمع التجزئة الشاملة بشكل فريد بين نقاط القوة في التجزئة الدلالية وتجزئة المثيلات، مما يوفر مخرجات موحدة تقسم جميع وحدات البكسل إما إلى مناطق خلفية مصنفة حسب الفئة أو مثيلات كائنات مميزة.

تطبيقات التجزئة الشاملة

يُعد الفهم الشامل للمشهد الذي يوفره التجزئة البانوبتيكية ذا قيمة في مختلف المجالات:

• السيارات ذاتية القيادة: تتطلب السيارات ذاتية القيادة فهماً كاملاً لمحيطها. ويسمح لها التجزئة البانوبتيكية بالتعرف على الطريق والأرصفة والمباني ("الأشياء") وتمييز السيارات الفردية والمشاة وراكبي الدراجات ("الأشياء") في آن واحد، حتى عندما تتداخل الأشياء. هذا الإدراك التفصيلي أمر بالغ الأهمية للتنقل الآمن واتخاذ القرارات. تعرّف على كيفية مساهمة Ultralytics في الذكاء الاصطناعي في حلول السيارات.
• تحليل الصور الطبية: في تحليل الفحوص الطبية مثل التصوير بالرنين المغناطيسي أو التصوير المقطعي المحوسب، يمكن للتقسيم الشامل أن يميّز بين أنواع الأنسجة المختلفة ("الأشياء") مع تحديد وتجزئة حالات معينة من البنى مثل الأورام أو الآفات أو الخلايا الفردية ("الأشياء"). وهذا يساعد في التشخيص وتخطيط العلاج ومراقبة تطور المرض. اقرأ عن استخدام YOLO11 للكشف عن الأورام.
• الروبوتات: تستفيد الروبوتات التي تعمل في بيئات معقدة من فهم كل من التخطيط (الجدران والأرضيات - "الأشياء") والأشياء الفردية التي قد تتفاعل معها (الأدوات والأجزاء والأشخاص - "الأشياء"). يساعد ذلك في التنقل والتلاعب والتفاعل بين الإنسان والروبوت. استكشف الذكاء الاصطناعي في الروبوتات.
• الواقع المعزز (AR): يمكن لتطبيقات الواقع المعزز استخدام التجزئة البانوبتيكية لوضع الأجسام الافتراضية بشكل واقعي في مشهد من العالم الحقيقي، والتعامل بشكل صحيح مع الانسدادات والتفاعلات مع كل من أسطح الخلفية والأجسام الأمامية. شاهد التطورات في تكنولوجيا الواقع المعزز.
• تحليل صور الأقمار الصناعية: يستخدم لرسم خرائط مفصلة للغطاء الأرضي، والتمييز بين أنواع المساحات الكبيرة مثل الغابات أو المسطحات المائية ("الأشياء") والهياكل الفردية مثل المباني أو المركبات ("الأشياء"). تعرف على تقنيات تحليل صور الأقمار الصناعية.

على الرغم من أن نماذج Ultralytics مثل YOLO11 تقدم أحدث أداء في مهام مثل اكتشاف الكائنات وتجزئة النماذج، فإن التجزئة الشاملة تمثل المستوى التالي من الفهم المتكامل للمشهد، وهو أمر بالغ الأهمية لتطبيقات الذكاء الاصطناعي المتطورة بشكل متزايد. يمكنك إدارة وتدريب النماذج للمهام ذات الصلة باستخدام منصات مثل Ultralytics HUB.