الانتقال إلى المحتوى
العودة إلى نتائج البحث

تصنيف الصور باستخدام الشبكات العصبية الالتفافية (CNN)

قدّمه
He, K. et al. (ResNet); Tan, M. & Le, Q.V. (EfficientNet)
السنة
2016
النوع
Deep convolutional neural network (supervised)

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

يستخدم تصنيف الصور بالشبكات العصبية الالتفافية (CNN) معماريات التفافية عميقة مثل ResNet (He et al., 2016) و VGG و EfficientNet (Tan & Le, 2019) لفرز الصور إلى فئات. تتعلم طبقات الالتفاف المكدسة تسلسلاً هرميًا للميزات المرئية مباشرة من وحدات البكسل، وتمنع الاتصالات المتخطية (المتبقية) مشكلة تلاشي التدرج في الشبكات العميقة جدًا.

الفكرة الحدسية وراء الطريقة

بدلاً من هندسة الميزات يدويًا، تقوم شبكة الالتفاف بتمرير مرشحات صغيرة قابلة للتعلم عبر الصورة، وتكتشف الحواف والأنسجة في الطبقات المبكرة وتجمعها في أشكال وكائنات في الطبقات الأعمق. مع زيادة عمق الشبكات، قد تتلاشى إشارة التدريب؛ تضيف الاتصالات المتبقية اختصارًا يسمح لكل كتلة بتعلم التغيير النسبي لمدخلاتها فقط، بحيث تتدفق التدرجات بوضوح ويستمر العمق في المساعدة بدلاً من الإضرار.

التاريخ

أعادت شبكات الالتفاف العميقة تشكيل رؤية الكمبيوتر في العقد الأول من القرن الحادي والعشرين. قدم He et al. (2016) ResNet مع اتصالات متبقية في CVPR، مما جعل تدريب الشبكات التي يصل عمقها إلى مئات الطبقات عمليًا وتغلب على التدهور الذي شوهد في المكدسات العميقة العادية جدًا. قامت VGG بتعميم مكدسات موحدة من الالتفافات الصغيرة، واقترح Tan & Le (2019) EfficientNet، الذي يوسع بشكل مشترك عمق الشبكة وعرضها ودقة الإدخال لتحقيق دقة عالية مع عدد أقل بكثير من المعلمات. تظل هذه الخلفيات، التي غالبًا ما تستخدم مدربة مسبقًا، مراجع قياسية لتصنيف الصور.

متى تُستخدم

استخدمه لتصنيف أو التنبؤ بالفئات من بيانات الصور عندما يكون لديك مجموعة صور مصنفة تحتوي على 500 مثال على الأقل، ويفضل وجود وحدة معالجة رسومات (GPU). لا يفترض بيانات موزعة طبيعيًا، ولكن يجب تطبيق زيادة البيانات. أقل من حوالي 500 صورة، تميل شبكة CNN العميقة إلى فرط التخصيص، لذا يفضل التعلم بالنقل أو نموذج أبسط؛ مع أقل من حوالي 100 صورة، لا يمكن للمرشحات استخلاص ميزات ذات مغزى ويكون المصنف الكلاسيكي مثل SVM خيارًا أكثر أمانًا.

الحدود والاعتبارات

  • تتطلب الكثير من البيانات: تحتاج إلى حوالي 500 صورة على الأقل وتفرط في التخصيص بشكل سيء على المجموعات الأصغر.
  • مطلوب وحدة معالجة رسومات (GPU) بشكل فعال لأوقات التدريب العملية.
  • نموذج صندوق أسود مع قابلية تفسير محدودة لقراراته.
  • مع عدد قليل جدًا من الصور (أقل من حوالي 100) لا يمكن للمرشحات تعلم ميزات ذات مغزى على الإطلاق.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • يتعلم الميزات المرئية مباشرة من وحدات البكسل، مما يلغي الحاجة إلى الميزات المصممة يدويًا.
  • تسمح الاتصالات المتبقية بتدريب الشبكات العميقة جدًا دون تلاشي التدرجات.
  • دقة متطورة في تصنيف الصور عبر العديد من المجالات.
  • تتيح الخلفيات المدربة مسبقًا (ResNet، VGG، EfficientNet) التعلم بالنقل على مجموعات بيانات متواضعة.
  • افتراضات قليلة: لا يوجد شرط للتوزيع الطبيعي على بيانات الإدخال.

التطبيقات

  • تصنيف الصور إلى فئات عبر مجالات طبيعية وطبية واستشعار عن بعد.
  • التعلم بالنقل: ضبط خلفية مدربة مسبقًا لمهمة صور جديدة.
  • مراقبة الجودة والفحص البصري في إعدادات الهندسة.
  • مهام التنبؤ حيث يكون الإدخال بيانات صور بدلاً من ميزات جدولية.

كيف يعمل

كيف يعمل

1

تطبق كل طبقة التفافية مجموعة من مرشحات صغيرة قابلة للتعلم عبر الصورة، مما ينتج خرائط ميزات تسلط الضوء على الأنماط المحلية مثل الحواف والزوايا والأنسجة. يؤدي تكديس العديد من هذه الطبقات إلى بناء تسلسل هرمي متزايد التجريد للميزات المرئية، يتم تعلمه مباشرة من وحدات البكسل بدلاً من تصميمه يدويًا.

2

تعاني المكدسات العميقة جدًا من تلاشي التدرجات. تضيف الاتصالات المتبقية (المتخطية)، وهي أساسية في ResNet، مدخلات الكتلة مرة أخرى إلى مخرجاتها بحيث يتعين على كل كتلة تعلم التغيير المتبقي فقط. يحافظ هذا الاختصار على تدفق التدرجات عبر عشرات أو مئات الطبقات، وهذا ما يسمح بتدريب هذه الشبكات إلى عمق كبير. تفضل عائلات مثل VGG التفافات مكدسة موحدة بينما تقوم EfficientNet بتوسيع العمق والعرض والدقة معًا لتحقيق الكفاءة.

الصيغة
y = \mathcal{F}(x, \{W_i\}) + x
3

يتم تجميع خرائط الميزات النهائية وتمريرها إلى رأس تصنيف يخرج احتمالية لكل فئة. في الممارسة العملية، يتم ضبط نموذج تم تدريبه مسبقًا على مجموعة بيانات كبيرة عن طريق استبدال هذا الرأس للفئات المستهدفة، ويتم تطبيق زيادة البيانات لتوسيع مجموعة التدريب الفعالة وتقليل فرط التخصيص.

الأخطاء الشائعة

  • تدريب شبكة CNN عميقة من الصفر على مجموعة بيانات صغيرة بدلاً من استخدام التعلم بالنقل.
  • تخطي زيادة البيانات وفرط التخصيص على صور التدريب.
  • تجاهل عدم توازن الفئات عبر فئات الصور.
  • الإبلاغ عن الدقة فقط دون مقاييس لكل فئة على البيانات غير المتوازنة.
  • محاولة التعلم العميق على بضع عشرات من الصور حيث يقوم نموذج كلاسيكي بعمل أفضل.

الأسئلة الشائعة

ما هو عدد الصور التي أحتاجها؟

حوالي 500 صورة مصنفة هو الحد الأدنى العملي، والمزيد أفضل. أقل من حوالي 500 صورة، تفرط شبكة CNN العميقة في التخصيص، لذا يفضل التعلم بالنقل من خلفية مدربة مسبقًا أو نموذج أبسط؛ أقل من حوالي 100 صورة، لا يمكن للمرشحات تعلم ميزات ذات مغزى.

هل أحتاج إلى وحدة معالجة رسومات (GPU)؟

يوصى بشدة بوحدة معالجة رسومات (GPU). تدريب شبكات الالتفاف العميقة ثقيل حسابيًا، وعلى وحدة المعالجة المركزية (CPU) وحدها تصبح أوقات التدريب غير عملية لمجموعات البيانات الواقعية.

أي بنية يجب أن أختار - ResNet أو VGG أو EfficientNet؟

تجعل الاتصالات المتبقية في ResNet الشبكات العميقة جدًا قابلة للتدريب وهي خيار افتراضي قوي. تستخدم VGG مكدسات التفاف بسيطة موحدة، بينما تقوم EfficientNet بتوسيع العمق والعرض والدقة معًا لتحقيق دقة عالية مع عدد أقل من المعلمات. البدء من نسخة مدربة مسبقًا لأي منها هو عادة المسار الأكثر موثوقية.

لماذا تعتبر زيادة البيانات مهمة؟

توسع الزيادة - التقلبات، الاقتصاص، الدورانات والتحويلات المماثلة - مجموعة التدريب الفعالة وتعرض الشبكة لمزيد من التباين، مما يقلل من فرط التخصيص. مع بيانات صور محدودة، تعد هذه واحدة من أهم الخطوات للتعميم.

طرق ذات صلة

المصادر

  1. He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR.

    افتح مرجع DOI
    تم النسخ.
  2. Tan, M. & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML, PMLR 97, 6105–6114. arXiv:1905.11946.

    افتح مرجع المنشور
    تم النسخ.