Anchor-Based Detectors

تعتبر كواشف المربعات الأساسية المعتمدة على المراسي فئة أساسية من نماذج اكتشاف الكائنات في الرؤية الحاسوبية التي تستخدم مجموعة من المربعات المحيطية المحددة مسبقاً لتحديد موضع الكائنات وتصنيفها. وبدلاً من محاولة التنبؤ بإحداثيات الكائن من نقطة الصفر، تبدأ هذه الأنظمة بقوالب مرجعية ثابتة تُعرف باسم مربعات المراسي. بعد ذلك، يتم تدريب الشبكة العصبية لتحديد أي من هذه القوالب يطابق الكائن في الصورة بشكل أفضل وحساب الإزاحات المحددة —أي تعديلات الموقع والحجم— اللازمة لمحاذاة المرسي تماماً مع الهدف. يحول هذا النهج المشكلة الصعبة المتمثلة في التنبؤ بالإحداثيات التعسفية إلى مهمة انحدار أكثر استقراراً، والتي كانت إنجازاً رئيسياً في تطوير بنيات التعلم العميق (DL) المبكرة مثل Faster R-CNN وSSD.

كيفية عمل الآليات المعتمدة على المراسي#

تتمحور العملية الأساسية لكاشف يعتمد على المراسي حول تقسيم صورة الإدخال إلى شبكة كثيفة. في كل خلية من هذه الشبكة، ينشئ النموذج مربعات مراسي متعددة بمقاييس ونسب أبعاد مختلفة لمراعاة أشكال الكائنات المختلفة، مثل المشاة طوال القامة أو المركبات العريضة. مع مرور بيانات الصورة عبر العمود الفقري للنموذج، تستخرج الشبكة ميزات غنية لتنفيذ مهمتين متزامنتين:

1. التصنيف: يخصص النموذج درجة احتمالية لكل مرساة، متنبئاً بما إذا كانت تحتوي على فئة معينة من الكائنات (على سبيل المثال، "سيارة"، "كلب") أو مجرد ضوضاء في الخلفية.

2. انحدار المربعات: بالنسبة للمراسي التي يُحدد أنها تحتوي على كائن، تتنبأ الشبكة بعوامل التصحيح لتحسين إحداثيات مركز المرسي x, y، والعرض، والارتفاع، مما ينتج عنه مربع محيطي محكم.

أثناء تدريب النموذج، تستخدم هذه الكواشف مقياساً يسمى التقاطع على الاتحاد (IoU) لمطابقة المراسي المحددة مسبقاً مع تسميات الحقيقة الأرضية المتوفرة في مجموعة البيانات. تُعامل المراسي ذات التداخل العالي كعينات إيجابية. نظراً لأن هذه العملية تولد الآلاف من عمليات الاكتشاف المحتملة، يتم تطبيق خوارزمية تصفية تُعرف باسم قمع الحد الأقصى (NMS) أثناء الاستدلال للتخلص من المربعات الزائدة والاحتفاظ فقط بالتنبؤ الأكثر دقة لكل كائن.

المقارنة مع الكاشفات الخالية من المراسي#

في حين أن الطرق المعتمدة على المراسي أرست المعيار لسنوات، فقد تطور المجال نحو الكواشف الخالية من المراسي. يعد فهم هذا التمييز أمراً بالغ الأهمية للممارسين المعاصرين.

• معتمد على المراسي: تعتمد نماذج مثل YOLOv5 وRetinaNet الأصلي على التكوين اليدوي أو خوارزميات التجميع مثل التجميع بوساطة K-means لتحديد أفضل أحجام للمراسي لمجموعة بيانات. يوفر هذا استقراراً ولكنه قد يكون صلباً إذا تفاوتت الكائنات بشكل كبير في الشكل.
• خالي من المراسي: غالباً ما تزيل البنيات الحديثة، بما في ذلك YOLO26، مرحلة المراسي تماماً. فهي تتنبأ بمراكز الكائنات وأحجامها مباشرة من بكسلات خريطة الميزات، مما يقلل من العبء الحسابي ويبسط البحث عن المعلمات الفائقة. يُعد هذا النهج "من البداية إلى النهاية" أسرع عموماً وأسهل في التدريب على بيانات متنوعة.

تطبيقات العالم الحقيقي#

لا تزال المنطق المعتمد على المراسي ذا صلة في العديد من أنظمة الإنتاج القديمة والمتخصصة حيث تكون أشكال الكائنات قابلة للتنبؤ ومتسقة.

• مراقبة حركة المرور: في أنظمة النقل الذكية، تكتشف الكاميرات المركبات لإدارة التدفق أو تحديد المخالفات. ونظراً لأن السيارات والشاحنات لها أبعاد قياسية، يمكن ضبط النموذج المعتمد على المراسي بمسبقات محددة لتحقيق أقصى قدر من الدقة والاستدعاء.
• أتمتة تجارة التجزئة: تستخدم أنظمة الدفع الآلي الرؤية الحاسوبية لتحديد المنتجات. وبما أن السلع المعبأة مثل صناديق الحبوب تحافظ على نسبة أبعاد ثابتة، توفر المراسي مسبقاً قوياً للشبكة، مما يساعدها في التمييز بين العناصر المتشابهة في مشهد مزدحم.

مثال على التنفيذ#

بينما تستخدم أحدث نماذج YOLO26 رؤوساً خالية من المراسي لأداء متفوق، تظل واجهة تشغيل الاكتشاف متسقة. تجرد منصة Ultralytics وواجهة برمجة تطبيقات Python تعقيد ما إذا كان النموذج يستخدم مراسي أو نقاط مركزية، مما يسمح للمستخدمين بالتركيز على النتائج.

إليك كيفية تحميل نموذج وتشغيل الاستدلال لاكتشاف الكائنات، وهو سير عمل ينطبق بغض النظر عن بنية المرساة الأساسية:

from ultralytics import YOLO

# Load the YOLO26 model (optimized for speed and accuracy)
model = YOLO("yolo26n.pt")

# Run inference on an image source
# The model handles internal logic (anchor-based or anchor-free) automatically
results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the first result with bounding boxes
results[0].show()

قراءة إضافية#

لتعميق فهمك لآليات الاكتشاف، استكشف البحث الأساسي حول Faster R-CNN الذي قدم شبكة مقترحات المناطق (RPN)، أو اقرأ عن كاشف الصندوق المتعدد ذو اللقطة الواحدة (SSD)، والذي حسّن الاكتشاف القائم على المراسي من أجل السرعة. وللحصول على نظرة أوسع على المجال، تعمل مجموعة بيانات COCO كمعيار قياسي لتقييم النماذج المعتمدة على المراسي وتلك الخالية منها. بالإضافة إلى ذلك، غالباً ما تغطي الدورات المتقدمة على Coursera التفاصيل الرياضية لانحدار المربعات ومطابقة المراسي.