Backbone

العمود الفقري هو الجزء من الشبكة العصبية الذي يحوّل المدخلات الخام إلى خرائط سمات تستخدمها بقية أجزاء النموذج. وفي الرؤية الحاسوبية، يكون العمود الفقري عادةً شبكة عصبية التفافية (CNN) أو محوّل رؤية (ViT) مدرّبًا مسبقًا على مجموعة بيانات كبيرة مثل ImageNet. وتحول الطبقات التي تليه، والتي تشمل عادةً العنق والرأس المخصص للمهمة، سماته إلى تسميات فئات أو صناديق إحاطة أو أقنعة أو نقاط رئيسية. وغالبًا ما تُستخدم مصطلحات العمود الفقري والمشفّر ومستخرج السمات مترادفات؛ أما «المشفّر» فهو الاسم المعتاد في نماذج المشفّر ومفكّك التشفير مثل U-Net.

آلية عمل العمود الفقري#

يعالج العمود الفقري للرؤية الصورة على مراحل. وتطبّق كل مرحلة مجموعة من كتل الالتفاف أو الانتباه، ثم تخفض الدقة المكانية إلى النصف وتزيد عادةً عدد القنوات، بحيث يتحول إدخال بأبعاد 640×640 إلى خريطة 80×80 عند الخطوة 8، وخريطة 40×40 عند الخطوة 16، وخريطة 20×20 عند الخطوة 32. وتستجيب المراحل المبكرة إلى الحواف والألوان والأنسجة. أما المراحل اللاحقة فتستجيب إلى أجزاء الكائنات والكائنات كاملةً، لأن كل موضع من مخرجاتها يغطي مجالًا استقبالياً أكبر من صورة الإدخال. وتستفيد نماذج الكشف والتقسيم من المراحل الثلاث الأخيرة، وتمررها إلى عنق مثل شبكة هرمية للسمات (FPN)، ما يتيح للنموذج اكتشاف الكائنات الصغيرة في الخريطة عالية الدقة والكائنات الكبيرة في الخريطة منخفضة الدقة.

العمود الفقري والعنق والرأس#

تنقسم معظم معماريات الكشف عن الكائنات الحديثة إلى ثلاثة أجزاء، وتكتسب الحدود بينها أهمية عند استبدال المكونات أو تجميد الطبقات.

• العمود الفقري: ينفّذ استخراج السمات، وينتج خرائط سمات بدقات متعددة. ويحتوي على معرفة بصرية عامة يمكن نقلها بين المهام ومجموعات البيانات.
• العنق: يدمج مستويات العمود الفقري كي يحمل كل مستوى من المخرجات التفاصيل المكانية الدقيقة والدلالات عالية المستوى معًا. وتضيف FPN مسارًا من الأعلى إلى الأسفل، بينما تضيف PANet مسارًا ثانيًا من الأسفل إلى الأعلى بعده. ولا تحتوي نماذج التصنيف عادةً على عنق، بل تجمع المخرجات في المرحلة الأخيرة من العمود الفقري في متجه واحد.
• الرأس: يحوّل كل خريطة سمات مدمجة إلى مخرجات المهمة. ويتنبأ رأس الكشف بالصناديق ودرجات الفئات، بينما تتنبأ رؤوس التقسيم والوضعيات بالأقنعة والنقاط الرئيسية انطلاقًا من النوع نفسه من السمات.

عائلات الأعمدة الفقرية الشائعة#

• ResNet: تتيح الوصلات المتبقية للإشارة تجاوز الكتل، ما يجعل تدريب شبكات يصل عمقها إلى 152 طبقة ممكنًا، كما فاز تجميع من نماذج ResNet بمهمة التصنيف في ILSVRC لعام 2015. ولا يزال ResNet-50 عمودًا فقريًا مرجعيًا شائعًا لمقارنة كواشف الكائنات.
• CSPNet: تمرر شبكات الجزء المتبقي عبر المراحل جزءًا فقط من قنوات كل مرحلة خلال كتلها، ثم تدمج البقية في نهاية المرحلة، ما خفّض العمليات الحسابية بنسبة 20% مع دقة ImageNet مساوية أو أفضل. وقد بُني CSPDarknet53، العمود الفقري في YOLOv4، باستخدام هذه المراحل.
• ConvNeXt: نموذج ResNet جرى تحديثه بخيارات تصميم مستعارة من المحوّلات، مثل النوى الكبيرة وعدد أقل من طبقات التطبيع، فحقق دقة Top-1 بلغت 87.8% على ImageNet وتفوق على Swin Transformer في الكشف على COCO.
• ViT وSwin Transformer: يحافظ ViT العادي على دقة واحدة من البداية إلى النهاية، لذا تستخدم نماذج الكشف Swin غالبًا، إذ يحسب الانتباه ضمن نوافذ محلية متداخلة وينتج تسلسلًا هرميًا للمراحل شبيهًا بالشبكات العصبية الالتفافية (CNN).
• الأعمدة الفقرية الأساسية ذاتية الإشراف: يدرّب DINOv3 نموذج ViT يضم 7 مليارات معلمة على 1.7 مليار صورة غير موسومة، وتحقق سماته نتائج قوية في المهام الكثيفة، مثل التقسيم وتقدير العمق، مع إبقاء العمود الفقري مجمّدًا.

الأعمدة الفقرية المدرّبة مسبقًا والتعلّم بالنقل#

يتطلب تدريب شبكة أساسية من الصفر مجموعة بيانات كبيرة وجدولًا زمنيًا طويلًا، لذا تبدأ معظم المشاريع من أوزان مدرّبة مسبقًا. وينجح هذا النوع من التعلّم بالنقل لأن الحواف والأنسجة والأشكال المتعلّمة على مجموعة بيانات واحدة مفيدة في معظم المجموعات الأخرى. ومع مجموعة بيانات صغيرة قريبة من مجال التدريب المسبق، يحافظ تجميد الشبكة الأساسية على هذه الميزات العامة ويحد من فرط التكيّف ويقلل ذاكرة التدريب، إذ لا تخزّن الطبقات المجمدة تدرجات أو حالة محسّن. أما مع مجموعة بيانات كبيرة أو مجال بعيد، مثل صور الأشعة السينية أو الصور الحرارية، فيتيح ضبط الشبكة الأساسية بدقة تكيّف ميزاتها أيضًا. في YOLO26، تمتد الشبكة الأساسية من الطبقة 0 إلى 10 (التفافات متباعدة، وكتل C3k2، وكتلة تجميع SPPF، وكتلة انتباه C2PSA)، وتجمّد وسيطة التدريب freeze=11 هذه الطبقات كلها، بحيث لا يحدّث التدريب سوى العنق ورأس الكشف، وهو إعداد يتناوله دليل الضبط الدقيق بالتفصيل.

from ultralytics import YOLO

# ⁨تحميل نموذج كشف YOLO26 مدرّب مسبقًا على COCO⁩
model = YOLO("yolo26n.pt")

# ⁨إجراء ضبط دقيق على مجموعة بيانات صغيرة مع تجميد العمود الفقري كاملًا (الطبقات 0-10)⁩
results = model.train(data="coco8.yaml", epochs=3, imgsz=640, freeze=11)

يسجل المدرّب Freezing layer 'model.0.conv.weight' قبل الحقبة الأولى، إلى جانب سطر مماثل لكل معلمة أخرى في الطبقات 0–10؛ وتظل هذه المعلمات ثابتة بينما يتعلم العنق والرأس من البيانات الجديدة.