7.6 KiB
التقسيم
لقد تعلمنا سابقًا عن اكتشاف الكائنات، الذي يسمح لنا بتحديد مواقع الكائنات في الصورة من خلال التنبؤ بـ الصناديق المحيطة. ومع ذلك، في بعض المهام، لا نحتاج فقط إلى الصناديق المحيطة، بل نحتاج أيضًا إلى تحديد مواقع الكائنات بدقة أكبر. تُعرف هذه المهمة بـ التقسيم.
اختبار ما قبل المحاضرة
يمكن اعتبار التقسيم على أنه تصنيف البكسلات، حيث يجب علينا التنبؤ بفئة كل بكسل في الصورة (الخلفية تكون واحدة من الفئات). هناك نوعان رئيسيان من خوارزميات التقسيم:
- التقسيم الدلالي يحدد فقط فئة البكسل، ولا يميز بين الكائنات المختلفة من نفس الفئة.
- التقسيم الفردي يقسم الفئات إلى كائنات منفصلة.
على سبيل المثال، في التقسيم الفردي، تُعتبر هذه الأغنام كائنات مختلفة، ولكن في التقسيم الدلالي، تُعتبر جميع الأغنام فئة واحدة.
الصورة من هذه المقالة
هناك هياكل عصبية مختلفة للتقسيم، لكنها جميعًا تتبع نفس البنية. بطريقة ما، هي مشابهة للمشفّر التلقائي الذي تعلمت عنه سابقًا، ولكن بدلاً من إعادة بناء الصورة الأصلية، يكون هدفنا هو إعادة بناء القناع. وبالتالي، يتكون شبكة التقسيم من الأجزاء التالية:
- المشفّر يستخرج الميزات من الصورة المدخلة.
- المفكّك يحوّل هذه الميزات إلى صورة القناع، بنفس الحجم وعدد القنوات المطابق لعدد الفئات.
الصورة من هذا المنشور
يجب أن نذكر بشكل خاص دالة الخسارة المستخدمة في التقسيم. عند استخدام المشفّرات التلقائية التقليدية، نحتاج إلى قياس التشابه بين صورتين، ويمكننا استخدام متوسط الخطأ التربيعي (MSE) لتحقيق ذلك. في التقسيم، يمثل كل بكسل في صورة القناع الهدف رقم الفئة (مرمز بطريقة one-hot على البعد الثالث)، لذلك نحتاج إلى استخدام دوال خسارة مخصصة للتصنيف - خسارة الانتروبيا المتقاطعة، مع أخذ المتوسط على جميع البكسلات. إذا كان القناع ثنائيًا - يتم استخدام خسارة الانتروبيا المتقاطعة الثنائية (BCE).
✅ التشفير بطريقة one-hot هو طريقة لترميز تصنيف الفئة في متجه بطول يساوي عدد الفئات. اطلع على هذه المقالة حول هذه التقنية.
التقسيم في التصوير الطبي
في هذا الدرس، سنرى التقسيم عمليًا من خلال تدريب شبكة للتعرف على الشامات البشرية (المعروفة أيضًا بالوحمة) في الصور الطبية. سنستخدم قاعدة بيانات PH2 لصور الجلد كمصدر للصور. يحتوي هذا البيانات على 200 صورة من ثلاث فئات: وحمة نموذجية، وحمة غير نموذجية، وسرطان الجلد. تحتوي جميع الصور أيضًا على قناع يحدد حدود الوحمة.
✅ هذه التقنية مناسبة بشكل خاص لهذا النوع من التصوير الطبي، ولكن ما هي التطبيقات الواقعية الأخرى التي يمكنك تخيلها؟
الصورة من قاعدة بيانات PH2
سنقوم بتدريب نموذج لتقسيم أي وحمة عن الخلفية.
✍️ تمارين: التقسيم الدلالي
افتح دفاتر الملاحظات أدناه لتتعرف على المزيد حول هياكل التقسيم الدلالي المختلفة، وتدرب على العمل معها، وشاهدها عمليًا.
اختبار ما بعد المحاضرة
الخلاصة
التقسيم هو تقنية قوية جدًا لتصنيف الصور، حيث يتجاوز الصناديق المحيطة ليصل إلى تصنيف على مستوى البكسل. تُستخدم هذه التقنية في التصوير الطبي، بالإضافة إلى تطبيقات أخرى.
🚀 التحدي
تقسيم الجسم هو مجرد واحدة من المهام الشائعة التي يمكننا القيام بها باستخدام صور الأشخاص. تشمل المهام المهمة الأخرى اكتشاف الهيكل العظمي واكتشاف الوضعيات. جرّب مكتبة OpenPose لترى كيف يمكن استخدام اكتشاف الوضعيات.
المراجعة والدراسة الذاتية
تقدم مقالة ويكيبيديا نظرة عامة جيدة على التطبيقات المختلفة لهذه التقنية. تعرّف بنفسك على المجالات الفرعية للتقسيم الفردي والتقسيم البانورامي في هذا المجال.
التكليف
في هذا المختبر، جرّب تقسيم جسم الإنسان باستخدام مجموعة بيانات Segmentation Full Body MADS من Kaggle.
إخلاء المسؤولية:
تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي Co-op Translator. بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.