ما هو اكتشاف العناصر؟ كيف تجد الحواسيب الأشياء في الصور

عندما تنظر إلى صورة شارع، ترى فورًا ثلاثة أشخاص وسيارتين وكلبًا وإشارة مرور. أما بالنسبة للحاسوب، فالصورة نفسها مجرد ملايين الأرقام التي تصف ألوان البكسلات. واكتشاف العناصر هو التقنية التي تحوّل هذه الأرقام إلى قائمة بالأشياء وأماكنها.

اكتشاف العناصر مقابل التصنيف والتجزئة

في الرؤية الحاسوبية مهام متقاربة يسهل الخلط بينها:

المهمة	السؤال الذي تجيب عنه	الناتج
تصنيف الصور	ماذا تُظهر هذه الصورة؟	تسمية واحدة للصورة كلها ("كلب")
اكتشاف العناصر	ما العناصر الموجودة وأين هي؟	إطار وتسمية ودرجة لكل عنصر
التجزئة الدلالية	أي البكسلات تنتمي إلى أي فئة؟	قناع ملون فوق الصورة
تجزئة الكائنات	أي البكسلات بالضبط تنتمي إلى كل عنصر؟	قناع منفصل لكل عنصر

يقع الاكتشاف في المنتصف: فهو أكثر تفصيلًا من التصنيف، لكنه أسرع وأبسط من تجزئة كل بكسل. فأداة إزالة الخلفية مثلًا تستخدم التجزئة لأنها تحتاج إلى الحدود الدقيقة.

كيف يعمل اكتشاف العناصر

لكل كاشف حديث مهمتان: فهم محتوى الصورة، وتحديد موقع كل عنصر بدقة.

1. استخراج الخصائص. تمسح شبكة عصبية تُسمى العمود الفقري (backbone) (غالبًا شبكة التفافية مثل ResNet) الصورة، وتحوّلها إلى خريطة مضغوطة من الخصائص البصرية: الحواف والملامس والأشكال، ثم أجزاء كاملة مثل العجلات أو الوجوه.
2. التنبؤ. تستخدم رأس الاكتشاف هذه الخصائص للتنبؤ بالإطارات، لكل منها فئة ودرجة ثقة.
3. التنقية. تُدمج التنبؤات المتداخلة للعنصر نفسه أو تُحذف، وتُستبعد النتائج منخفضة الثقة.

العائلات الرئيسية للكواشف

• الكواشف ثنائية المرحلة (مثل Faster R-CNN): تقترح أولًا مناطق قد تحتوي على عناصر، ثم تصنّف كل منطقة. دقيقة لكنها أبطأ.
• الكواشف أحادية المرحلة (مثل YOLO، "You Only Look Once"): تتنبأ بالإطارات والفئات في مرور واحد، وهي سريعة بما يكفي للفيديو المباشر.
• كواشف المحوّلات (مثل DETR من Meta AI): تنظر إلى الصورة كلها دفعة واحدة باستخدام آلية الانتباه، وتتنبأ مباشرة بمجموعة من العناصر دون خطوات تنقية مضبوطة يدويًا.

ما مجموعة بيانات COCO؟

تُدرّب معظم الكواشف العامة على COCO ‏(Common Objects in Context)، وهي مجموعة بيانات عامة تضم أكثر من 200 ألف صورة موسومة. تغطي 80 فئة يومية: الأشخاص والحيوانات والمركبات والأثاث والإلكترونيات وأدوات المطبخ والطعام والمعدات الرياضية. وعندما يقول نموذج إنه يكتشف "80 فئة"، فهي في الغالب هذه الفئات.

لكن في المقابل، لا يعرف النموذج المدرّب على COCO إلا هذه الفئات الثمانين. فإذا طلبت منه إيجاد مفكات براغٍ أو علامات تجارية بعينها، فسيتجاهلها أو يختار أقرب فئة. وللعناصر الخاصة، تضبط الشركات الكاشف على صورها الموسومة.

جرّب اكتشاف العناصر في متصفحك

1. افتح أداة اكتشاف العناصر المجانية.
2. أفلت صورة. يُحمَّل نموذج DETR (نحو 43 ميغابايت) مرة واحدة ويعمل على جهازك.
3. يُحاط كل عنصر بإطار ويحمل اسمًا ودرجة ثقة.
4. حرّك حد الثقة لإظهار عدد أكبر أو أقل من النتائج.
5. حمّل الصورة الموسومة، أو صدّر النتائج بصيغة JSON لاستخدامها في الكود الخاص بك.

فهم درجات الثقة

تأتي كل نتيجة مع درجة بين 0 و1 (أو بين 0% و100%)، وهي تقدير النموذج لاحتمال أن يحتوي الإطار فعلًا على ذلك العنصر. ويحدد الحد النتائج التي تظهر لك:

• حد مرتفع (مثل 0.9): إنذارات خاطئة أقل، لكن قد تفوت العناصر الصغيرة أو المخفية جزئيًا.
• حد منخفض (مثل 0.5): عناصر مكتشفة أكثر، لكن الأخطاء أكثر.

الإعداد الصحيح يعتمد على المهمة. فنظام أمني ينبّه شخصًا قد يتقبل بعض الإنذارات الخاطئة، أما العدّ التلقائي في تقرير فيحتاج إلى دقة عالية.

استخدامات اكتشاف العناصر في الواقع

• المركبات ذاتية القيادة تكتشف المشاة وراكبي الدراجات والسيارات واللافتات وإشارات المرور.
• قطاع التجزئة يستخدمه في الدفع الذاتي ومراقبة الرفوف وعدّ الزوار.
• التصنيع يكشف العيوب ويتحقق من وجود القطع.
• الزراعة تعدّ الثمار وتكتشف الأعشاب الضارة وتراقب الماشية.
• تطبيقات إمكانية الوصول تصف المحيط للمكفوفين وضعاف البصر.
• تطبيقات الصور تستخدمه لتنظيم المكتبات ("أرني الصور التي فيها كلاب").

الأسئلة الشائعة

هل اكتشاف العناصر هو نفسه التعرف على الوجوه؟

لا. اكتشاف الوجه يعني تحديد مكان الوجوه، أما التعرف على الوجه فيعني تحديد هوية الشخص، وهي مهمة منفصلة وأكثر حساسية بكثير.

ما الإطار المحيط؟

مستطيل يحدد مكان العنصر، ويُخزَّن عادةً كموضع x وy لإحدى الزوايا مع العرض والارتفاع بالبكسل.

أيهما أفضل: YOLO أم DETR؟

يعتمد ذلك على المهمة. نماذج YOLO مُحسّنة للسرعة في الوقت الفعلي، وDETR أبسط في التصميم ويتعامل جيدًا مع المشاهد المزدحمة. وكلاهما واسع الاستخدام.

هل يمكنني استخدام النتائج في مشروعي؟

نعم. يمنحك تصدير JSON كل تسمية ودرجة وإطار بإحداثيات البكسل، وهي نقطة انطلاق جيدة للنماذج الأولية أو للتوسيم.

الخلاصة

يجيب اكتشاف العناصر عن سؤالين معًا: ماذا في الصورة، وأين. تفعل النماذج الحديثة ذلك في جزء من الثانية، ويمكنك الآن تشغيلها مباشرة في المتصفح لترى كيف تعمل على صورك.