نظرة على حل البحث الدلالي عن الصور من Ultralytics

قد يصبح تصفح معرض يضم مئات الصور أمرًا مرهقًا بسرعة، لا سيما عند محاولة العثور على شيء محدد للغاية. فعلى سبيل المثال، قد يعثر من يبحث عن خريطة لروما القديمة على خرائط عشوائية للمدن أو صور للسفر بدلًا منها.

تحدث هذه الحالات لأن معظم أنظمة البحث عن الصور تعتمد على أسماء الملفات أو الوسوم. وقد ينجح ذلك في عمليات البحث العامة، لكنه غالبًا لا يفي بالغرض عندما تكون الدقة والتفاصيل والسياق مطلوبة.

في الواقع، يجد كثيرون في مجالات مثل التصميم والتسويق والأبحاث صعوبة في العثور على الصور المناسبة، لأن عمليات البحث بالكلمات المفتاحية نادرًا ما تعبّر عن الفكرة المحددة التي يبحثون عنها. وقد يتسبب ذلك في التأخير وتعطيل الإنتاجية.

لكن بفضل التطورات الحديثة في الذكاء الاصطناعي (AI)، يجري استبدال القيود التقليدية لأدوات البحث عن الصور بأنظمة أذكى وأكثر سهولة. فعلى سبيل المثال، تتيح الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي يركز على تفسير البيانات المرئية وفهمها، إجراء عمليات بحث أسرع وأكثر دقة عن الصور من خلال تحليل محتواها الفعلي.

وعلى وجه الخصوص، يتجاوز البحث الدلالي عن الصور مطابقة الكلمات المفتاحية، إذ يفهم المعنى الكامن وراء طلب البحث. ويتيح لك استخدام اللغة الطبيعية لوصف ما تبحث عنه، ثم يعثر على الصور التي تطابق الفكرة لا الوسوم فحسب. فعلى سبيل المثال، قد يعرض البحث عن «حيوانات في حديقة حيوان» صورًا عشوائية لحيوانات في نظام تقليدي، بينما يفهم البحث الدلالي السياق ويعثر على صور لحيوانات في بيئات حدائق الحيوان.

الشكل 1. مثال على استخدام البحث الدلالي عن الصور لاسترجاع صور لحيوانات في حديقة حيوان.

في هذا المقال، سنستكشف آلية عمل البحث الدلالي عن الصور، ونناقش بعض حالات الاستخدام الواقعية. وسنلقي نظرة أيضًا على حل البحث الدلالي عن الصور من Ultralytics، الذي يسهّل تطبيق هذا المفهوم في المشاريع اليومية.

نظرة عامة على حل البحث الدلالي عن الصور من Ultralytics#

تقدم حزمة Python من Ultralytics مجموعة من الحلول الجاهزة للاستخدام لتطبيقات الرؤية الحاسوبية الشائعة، ومنها إدارة الطوابير، وعدّ الأجسام حسب المناطق، وحساب المسافات، والبحث الدلالي عن الصور. وقد صُممت هذه الحلول لتكون سهلة الاستخدام، حتى لمن ليست لديهم خبرة في الذكاء الاصطناعي أو الرؤية الحاسوبية.

ومن بين هذه الحلول، يتيح حل البحث الدلالي عن الصور للمستخدمين العثور على الصور ذات الصلة باستخدام أوصاف باللغة الطبيعية بدلًا من الاعتماد على أسماء الملفات أو الوسوم اليدوية. فهو يفهم المعنى الكامن وراء طلب البحث ويعرض الصور المطابقة للفكرة، ما يجعله مفيدًا خصوصًا عندما تكون الدقة والسياق مهمين.

آلية عمل حل البحث الدلالي عن الصور#

يعمل حل البحث الدلالي عن الصور من Ultralytics باستخدام نموذج CLIP (التدريب المسبق التبايني للغة والصورة) من OpenAI. يحوّل CLIP النصوص والصور إلى تمثيلات رقمية تُسمى التضمينات، وهي تلتقط معانيها وسياقاتها. ثم يرتب الحل الصور وفق التشابه الجيبي مع تضمين استعلامك للعثور على الصور الأكثر صلة. واستخدمت الإصدارات السابقة من الحل مكتبة FAISS (البحث عن التشابه بالذكاء الاصطناعي من Facebook) التابعة لشركة Meta في خطوة البحث هذه.

كما تجعل واجهة ويب مبسطة مبنية باستخدام Flask الحل سهل الاستخدام. ويمكن للمستخدمين إدخال استعلامات باللغة الطبيعية واسترجاع الصور المطابقة دون أي وسم يدوي أو إعداد للبيانات.

ومن أبرز مزايا هذا الحل قدرته على العمل دون تدريب مسبق على أمثلة محددة. وهذا يعني أنه يستطيع تفسير الاستعلامات المتعلقة بأجسام أو مشاهد لم يُدرّب عليها تحديدًا والاستجابة لها. وبفضل فهمه الواسع للغة والمرئيات، يمكنه عرض نتائج ذات صلة حتى للمحتوى غير المألوف أو غير الموسوم.

فعلى سبيل المثال، إذا استخدمت الحل للبحث عن «بيئة مكتبية»، فقد يعرض صورًا لمكاتب أو غرف اجتماعات أو مساحات عمل، حتى إن لم تكن هذه الكلمات مرتبطة بالملفات. وهذا يجعل البحث الدلالي عن الصور من Ultralytics أداة عملية ومرنة للمشاريع الإبداعية والبحث والعمل مع مكتبات الصور الكبيرة.

الشكل 2. البحث عن صور لبيئة مكتبية باستخدام حل البحث الدلالي عن الصور من Ultralytics.

تطبيقات واقعية لحل البحث الدلالي عن الصور#

بعد أن تعرفنا على حل البحث الدلالي عن الصور من Ultralytics، دعونا نستعرض بعض التطبيقات الواقعية ونرى كيف يمكن لمختلف القطاعات دمجه في سير العمل المرئي لديها.

استخدام أدوات البحث عن الصور المدعومة بالذكاء الاصطناعي لإدارة مجموعات البيانات#

تُعد إدارة مجموعات بيانات الصور الضخمة من أكثر المهام استهلاكًا للوقت عند بناء حلول الرؤية الحاسوبية. وفي معظم الحالات، لا يحتاج المطورون إلى مجموعة البيانات بأكملها، بل قد يبحثون عن أنواع معينة من الصور لتدريب النماذج أو إنشاء مجموعات تحقق منقحة. لكن العثور على الصور المطلوبة تحديدًا بين آلاف الصور قد يكون صعبًا.

لنفترض أنك تعمل على مشروع يتضمن صورًا لركوب الخيل. قد تحتاج فقط إلى صور يظهر فيها الراكب مرتديًا خوذة، أو يركب مع آخرين، أو يُصوّر أثناء الحركة من الجانب. ومن دون تسميات مناسبة، قد يتطلب العثور على هذه الصور يدويًا الكثير من الوقت والجهد.

يمكن لحل البحث الدلالي عن الصور، الذي تدعمه Ultralytics، معالجة هذه المشكلة بتمكين المطورين من استخدام استعلامات باللغة الطبيعية للعثور بسرعة على ما يحتاجون إليه، حتى ضمن مجموعات البيانات غير المنظمة أو غير الموسومة. ويقلل ذلك الوقت المستغرق في الفرز، ويسمح للفرق بالتركيز على بناء نماذج أفضل بكفاءة أكبر.

الشكل 3. يمكنك البحث بسهولة عن صور محددة ضمن مجموعات بيانات كبيرة.

البحث عن صور منتجات التجارة الإلكترونية دون تدريب مسبق على أمثلة محددة#

قد يكون البحث عن منتجات محددة عبر الإنترنت محبطًا. فكثيرًا ما يصف المتسوقون ما يبحثون عنه بكلماتهم الخاصة، بينما تستخدم قوائم المنتجات مصطلحات أو تسميات مختلفة. ويجعل هذا التباين العثور على المنتجات المناسبة أكثر صعوبة، لا سيما في الكتالوجات الكبيرة.

لنفترض أن شخصًا ما يتسوق للأثاث ويبحث عن «طقم أريكة وكرسي وطاولة». قد يكون المنتج الذي يبحث عنه مدرجًا تحت تسمية مختلفة، مثل «طقم جلوس من ثلاث قطع». ونظرًا إلى عدم تطابق المصطلحات تمامًا، قد لا يظهر المنتج في نتائج البحث، رغم أنه يلبي حاجة العميل تمامًا.

الشكل 4. يساعد حل البحث الدلالي عن الصور من Ultralytics على مطابقة قصد المستخدم مع صور المنتجات ذات الصلة.

فهرسة الصور المتقدمة للإعلام والنشر#

وبالمثل، تُعد العناصر المرئية أساسية لسرد القصص في مجالات مثل الصحافة والتدوين والتسويق الرقمي. فالصورة المناسبة تدعم الرسالة، وتحدد نبرتها، وتحافظ على تفاعل القراء. لكن العثور على الصورة المثالية يتطلب غالبًا البحث بين عدد كبير من الملفات.

ومن الأمثلة الجيدة على ذلك مدوّن يكتب عن اتجاهات ديكور المنازل. فقد يرغب في صورة لغرفة معيشة مشرقة وبسيطة التصميم، بإضاءة طبيعية. لكن إذا كانت الصور المتاحة موسومة بمصطلحات عامة مثل «غرفة» أو «تصميم داخلي» فقط، فقد يكون العثور على الصورة المناسبة أمرًا محبطًا.

وباستخدام البحث الدلالي عن الصور، يمكنه ببساطة كتابة عبارة وصفية مثل «غرفة معيشة مشرقة وبسيطة التصميم ذات نوافذ كبيرة»، واسترجاع الصور المطابقة للفكرة فورًا. ولا حاجة إلى الاعتماد على وسوم أو أسماء ملفات مطابقة تمامًا.

الشكل 5. يمكن لفرق المحتوى استخدام حل البحث الدلالي عن الصور من Ultralytics لتحسين اختيار الصور.

البحث الدلالي عن الصور لاستلهام الأفكار في الفن والتصميم#

عادةً ما يتطلب العمل الإبداعي، مثل تصميم لوحة مزاجية أو جمع أفكار لمشروع جديد، البحث في مجموعات كبيرة من الصور للعثور على عناصر مرئية تتوافق مع أسلوب أو فكرة محددة. ومن الأمثلة اللافتة مصممو ديكور موقع تصوير فيلم. فقد يحتاجون إلى استحضار مزاج أو حقبة زمنية أو أجواء معينة. وقد يتراوح ذلك بين مدينة مستقبلية وغرفة معيشة مريحة مصممة على طراز ثمانينيات القرن الماضي.

يجعل البحث الدلالي عن الصور من Ultralytics هذه العملية أسهل، إذ يربط اللغة بالمعنى المرئي. ويتيح ذلك للفرق استكشاف الأفكار بسرعة والحفاظ على تركيزها من دون أن يبطئها البحث اليدوي.

الشكل 6. يدعم حل البحث الدلالي عن الصور من Ultralytics الاستكشاف المرئي الأسرع للمشروعات الإبداعية.

إيجابيات البحث عن الصور المدعوم بالذكاء الاصطناعي وسلبياته#

فيما يلي بعض المزايا الرئيسية لاستخدام البحث عن الصور المدعوم بالذكاء الاصطناعي لتحسين سير العمل المرئي وكفاءة البحث:

• دعم اللغة الطبيعية: يمكن للأشخاص العثور على الصور بوصفها بكلماتهم الخاصة، من دون استخدام تسميات محددة مسبقًا.
• دعم تنسيقات الصور الشائعة: تعمل هذه الأنظمة عادةً مع التنسيقات القياسية مثل JPG وPNG، لذلك لا حاجة إلى تحويل الملفات أو إعادة تنسيقها.
• التكامل مع الأدوات الأخرى: غالبًا ما يمكن تضمين البحث عن الصور المدعوم بالذكاء الاصطناعي في مسارات عمل أكبر أو لوحات معلومات أو برامج إبداعية.

مع أن حلول البحث عن الصور المدعوم بالذكاء الاصطناعي تقدم فوائد عديدة، فإن لها أيضًا بعض القيود التي ينبغي مراعاتها. فيما يلي بعض العوامل التي يجدر أخذها في الحسبان:

• دقة محدودة في الاستعلامات المتخصصة: إذا كان الاستعلام دقيقًا جدًا أو غير مألوف، فقد يعرض النظام نتائج أقل صلة بسبب النقص في بيانات تدريب النموذج.
• التحيز في بيانات التدريب: قد تعكس نماذج الذكاء الاصطناعي أوجه التحيز الموجودة في مجموعات البيانات التي دُرّبت عليها، ما قد يؤدي إلى نتائج منحازة أو غير مكتملة.
• يعتمد الأداء على جودة الصور: يمكن للصور منخفضة الدقة أو غير الواضحة أن تقلل من فعالية إنشاء التضمينات ودقة البحث.

أبرز النقاط#

ينقل البحث الدلالي عن الصور التركيز من مطابقة الكلمات المفتاحية إلى فهم المعنى، ما يساعد المستخدمين على العثور على الصور بناءً على السياق بدلًا من الاقتصار على الوسوم أو أسماء الملفات. وهذا يجعل تجربة البحث أسرع وأكثر دقة ومواءمةً لما يبحث عنه المستخدمون فعلًا.

بالنسبة إلى الفرق الإبداعية والقطاعات المعتمدة على المحتوى، يعني ذلك قضاء وقت أقل في فرز الملفات غير ذات الصلة، ووقت أكثر في تطوير الأفكار. ويمكن للمؤسسات التي تدير كميات كبيرة من البيانات المرئية استخدام حلول مثل البحث الدلالي عن الصور من Ultralytics لتبسيط اكتشاف المحتوى، وتقليل الفرز اليدوي، واتخاذ قرارات أذكى وأسرع استنادًا إلى السياق المرئي.

انضموا إلى مجتمعنا واستكشفوا مستودع GitHub للاطلاع على مزيد من الرؤى حول الذكاء الاصطناعي. ألقوا نظرة على صفحات حلولنا لمعرفة المزيد عن ابتكارات مثل الذكاء الاصطناعي في الخدمات اللوجستية والرؤية الحاسوبية في الرعاية الصحية. اطّلعوا على خيارات الترخيص وابدؤوا اليوم!