حول أداة اكتشاف العناصر
تجد أداة اكتشاف العناصر ما في الصورة وتسمّيه: أشخاص وسيارات وكلاب وحواسيب محمولة وأكواب وعشرات الأشياء الأخرى. يحصل كل عنصر على إطار واسم ودرجة ثقة، ويمكنك تصدير كل ذلك كصورة مشروحة أو كملف JSON منظم.
كيف تعمل الأداة
تستخدم الأداة نموذج DETR (DEtection TRansformer) الذي نشرته Meta AI. تستخرج شبكة ResNet-50 أولًا الخصائص البصرية من الصورة، ثم ينظر محوّل (Transformer) إلى المشهد كاملًا دفعة واحدة ويتنبأ مباشرة بمجموعة من العناصر، لكل منها فئة وإطار. يتعامل هذا الأسلوب جيدًا مع المشاهد المزدحمة لأن النموذج يحلل العناصر في علاقتها ببعضها.
دُرّب النموذج على مجموعة بيانات COCO، وهي مرجع قياسي يضم 80 فئة يومية تشمل الأشخاص والحيوانات والمركبات والأثاث والأجهزة الإلكترونية وأدوات المطبخ والطعام والمعدات الرياضية.
استخداماتها
- العدّ: عدّ الأشخاص أو السيارات أو الأغراض في صورة دون عناء يدوي.
- بناء نماذج أولية لتطبيقات الرؤية الحاسوبية: اختبر ما يراه نموذج جاهز قبل أن تبني أي شيء.
- إعداد مجموعات البيانات: صدّر الإطارات بصيغة JSON كنقطة انطلاق للتوسيم.
- إمكانية الوصول والنص البديل: احصل على قائمة سريعة بمحتويات الصورة.
- التعليم والعروض التوضيحية حول طريقة عمل الرؤية بالذكاء الاصطناعي الحديث.
نصائح لأفضل النتائج
- اخفض حد الثقة لإظهار العناصر الأصغر أو المخفية جزئيًا، وارفعه لإزالة الإنذارات الخاطئة.
- مرّر المؤشر فوق عنصر في قائمة النتائج لتمييز إطاره عندما يكون المشهد مزدحمًا.
- العناصر خارج الفئات الثمانين (مثل الأدوات أو علامات تجارية بعينها) لن تُسمّى، أو قد تحصل على أقرب فئة.
- إحداثيات JSON بالبكسل في الصورة الأصلية، وجاهزة للاستخدام في الكود الخاص بك.