تجزئة الصورة

تخيّل كتاب تلوين معكوسًا: بدل ملء أشكال مرسومة مسبقًا، على الآلة أن ترسم الحدود بنفسها، فتقرّر بكسلًا بكسلًا إلى أي كائن ينتمي كل واحد منها. هذا تمامًا ما تفعله تجزئة الصورة: إسناد تسمية لكل بكسل في الصورة لتقسيم المشهد إلى مناطق متماسكة (طريق، مشاة، ورم، سماء…).

العائلات الثلاث الكبرى

هناك ثلاثة مستويات من الدقة:

التجزئة الدلالية تجمع كل بكسلات الفئة نفسها معًا، بينما تجزئة الكائنات تميّز كل جسم على حدة.

كيف تعمل

تعتمد البنى الحديثة على شبكات المُرمِّز–المُفكِّك مثل U-Net أو الشبكات الالتفافية الكاملة (FCN). يضغط المُرمِّز الصورة في خصائص مجرّدة، ويعيد المُفكِّك بناء خريطة تجزئة بدقة كاملة. ومؤخرًا، شاع نموذج SAM (Segment Anything Model) من Meta للتجزئة العامة القابلة للتوجيه.

ولقياس الجودة، نستعمل معامل جاكار (التقاطع على الاتحاد):

$$\text{IoU} = \frac{|A \cap B|}{|A \cup B|}$$

حيث $A$ هو التنبؤ و $B$ الحقيقة المرجعية. وكلما اقترب IoU من 1 دلّ على تطابق شبه تام.

أين تُستعمل

• السيارة ذاتية القيادة: عزل المشاة والمسارات والعوائق
• التصوير الطبي: تحديد الأعضاء والآفات
• الاستشعار عن بُعد: رسم خرائط المحاصيل والغابات
• تحرير الصور: قص الموضوع تلقائيًا

حيث يخبرك التصنيف بـماذا في الصورة، تخبرك التجزئة بـأين يوجد — وصولًا إلى البكسل الواحد.