اكتشاف الأجسام

اكتشاف الأجسام هو مهمة في الرؤية الحاسوبية تقوم على تحديد موقع عدّة أجسام في الصورة والتعرّف عليها في آنٍ واحد. فبينما يجيب التصنيف البسيط عن سؤال «ما هذا؟»، يجيب الاكتشاف أيضًا عن سؤال «أين؟»: إذ يرسم صندوقًا محيطًا حول كل جسم ويمنحه تسمية مع درجة ثقة. إنه العين التي تتيح للسيارة ذاتية القيادة أن تميّز بين أحد المشاة وعمود إنارة.

كيف يعمل

ينتج المُكتشِف لكل جسم أربعة إحداثيات (زوايا الصندوق) إضافةً إلى الفئة ودرجة الثقة. وتوجد عائلتان رئيسيتان:

• مُكتشِفات ذات مرحلتين (R-CNN، Faster R-CNN): تقترح أولًا مناطق مرشّحة ثم تصنّفها. أدقّ لكنها أبطأ.
• مُكتشِفات ذات مرحلة واحدة (YOLO، SSD، RetinaNet): تتنبّأ بالصناديق والفئات في تمريرة واحدة عبر الشبكة. أسرع وملائمة للعمل في الزمن الحقيقي.

قياس الجودة

المقياس الأبرز هو IoU (التقاطع على الاتحاد)، الذي يقارن الصندوق المتنبَّأ به بالصندوق الحقيقي:

$$\text{IoU} = \frac{\text{Area}(\text{predicted} \cap \text{truth})}{\text{Area}(\text{predicted} \cup \text{truth})}$$

يُعدّ التنبّؤ صحيحًا إذا تجاوز IoU عتبةً معيّنة (غالبًا 0.5). ثم تُلخَّص النتائج الإجمالية عبر mAP (متوسّط الدقّة الوسطية).

التطبيقات

السيارات ذاتية القيادة، المراقبة بالفيديو، قراءة الأشعّة السينية، العدّ الزراعي، الدفع دون صندوق، الروبوتات الصناعية.

الاكتشاف هو أن نعلّم الآلة الإشارة بالإصبع — أن تسمّي كل شيء وتقول أين يقع.