Feature Extraction

استخراج السمات هو عملية تحويل البيانات الخام إلى مجموعة أصغر من السمات العددية التي تحتفظ بالمعلومات التي تحتاج إليها المهمة. تحتوي صورة RGB بدقة 640×480 على 921,600 قيمة بكسل، معظمها زائد عن الحاجة، ويمكن لمستخرج السمات اختزالها إلى متجه يضم بضع مئات من الأعداد التي تصف محتواها. اعتمد التعلّم الآلي التقليدي على مستخرجات صُممت يدويًا لكل نوع من البيانات، بينما تتعلّم نماذج التعلّم العميق مستخرجاتها ضمن شبكة العمود الفقري، ويمكن إعادة استخدام مخرجاتها للبحث والتجميع والمصنّفات الجديدة. كما أن تقليل الأبعاد مع زيادة فائدتها يخفف لعنة الأبعاد، ما يمكّن النماذج الأبسط من التعميم انطلاقًا من بيانات أقل.

السمات المصممة يدويًا والسمات المتعلَّمة#

قبل التعلّم العميق، كان المهندسون يبنون مستخرج سمات لكل نوع من البيانات:

• SIFT: يعثر على النقاط المفتاحية في الصورة ويصف كلًّا منها بمدرّج تكراري ذي 128 بُعدًا لاتجاهات التدرج، يظل مستقرًا عند تغيّر المقياس والدوران، ما جعله الأداة القياسية لمطابقة الصور وتركيب الصور البانورامية.
• HOG: مدرّجات تكرارية للتدرجات الموجّهة تُحسب على شبكة من الخلايا؛ وعند إقران HOG بآلة متجهات دعم خطية، استُخدم عام 2005 للكشف عن المشاة وأصبح أداة أساسية في الكشف التقليدي عن الكائنات.
• تحليل المكوّنات الرئيسية (PCA): يُسقط البيانات على الاتجاهات ذات أكبر تباين، وهو أسلوب عام للبيانات الجدولية والوجوه والأطياف.
• معاملات سيبستروم الترددية وفق مقياس ميل (MFCCs): تلخّص الطيف قصير الأمد للصوت وفق مقياس يلائم السمع البشري، وكانت مدخلًا افتراضيًا طويل الأمد لـالتعرّف على الكلام.

حلّت السمات المتعلَّمة محل معظم هذه الأساليب في الصور والصوت والنصوص. فتنشئ الشبكة العصبية الالتفافية (CNN) أو محوّل الرؤية (ViT) المدرَّب على ملايين الصور تسلسلاً هرميًا تلقائيًا: تكتشف الطبقات الأولى الحواف وبقع الألوان، وتكتشف الطبقات الوسطى الأنسجة والأجزاء، بينما ترمّز الطبقات الأخيرة المفاهيم على مستوى الكائنات. وتنتقل هذه التمثيلات، المخزنة في خرائط السمات، إلى مهام جديدة، ولهذا تُعد الأعمدة الفقرية المدرَّبة مسبقًا نقطة البداية الافتراضية لـالتعلّم بالنقل.

استخراج السمات والمصطلحات ذات الصلة#

• هندسة السمات: الممارسة الأوسع نطاقًا لإنشاء مدخلات النموذج وتحويلها واختيارها، وغالبًا بالاستناد إلى معرفة المجال، مثل حساب السعر لكل قدم مربعة من السعر والمساحة. واستخراج السمات جزء منها، ويُؤتمت بالكامل في التعلّم العميق.
• اختيار السمات: يحتفظ بمجموعة فرعية من السمات الأصلية دون تغيير ويحذف البقية. أما استخراج السمات فينشئ سمات جديدة بتحويل السمات الأصلية أو دمجها.
• تقليل الأبعاد: يتداخل إلى حد كبير مع استخراج السمات، ويُعد PCA مثالًا على كليهما. أما الأساليب المصممة للرسم، مثل t-SNE، فتقلل الأبعاد للفحص البشري ونادرًا ما تُستخدم مدخلاتٍ للنماذج.
• التضمينات: متجهات السمات التي ينتجها مستخرج متعلَّم. وفي التعلّم العميق، يشير مصطلحا «السمات المستخرجة» و«التضمينات» عادةً إلى المتجهات نفسها.

استخدام شبكة مدرَّبة مسبقًا كمستخرج للسمات#

تتمثل الطريقة الشائعة في أخذ شبكة مدرَّبة مسبقًا، وإزالة رأس المهمة منها، وتمرير البيانات عبر الطبقات المجمدة، ثم تجميع خريطة السمات الأخيرة في متجه واحد لكل مدخل. وعند توفر التسميات، يوفّر تدريب مصنّف خطي على هذه المتجهات فقط، وهو ما يُسمى المسبار الخطي، خط أساس قويًا بجزء بسيط من تكلفة تدريب شبكة. وفي غياب التسميات، يعثر البحث المتجهي على الصور المتشابهة بصريًا، ويجمع تجميع k-means مجموعة البيانات لتنظيمها وإزالة التكرارات، كما تكشف المسافة عن الأمثلة الطبيعية عن العيوب في اكتشاف الشذوذ. ولا تتغير أوزان العمود الفقري مطلقًا أثناء استخراج السمات، وهذا ما يميّزه عن الضبط الدقيق.

توفّر نماذج YOLO26 هذه الإمكانية عبر model.embed()، الذي يشغّل الشبكة حتى طبقة محددة ويجمع خريطة سمات تلك الطبقة بالمتوسط لإنتاج متجه واحد لكل صورة، بينما يتوقف embed=[10] عند الطبقة الأخيرة من العمود الفقري لـ YOLO26.

from ultralytics import YOLO

# ⁨حمّل نموذج YOLO26 مدرَّبًا مسبقًا؛ ينتهي العمود الفقري عند الطبقة 10⁩
model = YOLO("yolo26n.pt")

# ⁨اجمع خريطة السمات النهائية للعمود الفقري بالمتوسط لإنتاج متجه واحد لكل صورة⁩
embeddings = model.embed("https://ultralytics.com/images/bus.jpg", embed=[10])
vector = embeddings[0]

print(vector.shape)

يطبع torch.Size([256]): اختُزلت صورة الحافلة كاملة إلى 256 عددًا، واحد لكل قناة من مخرجات العمود الفقري YOLO26n ذي الخطوة 32، وهي جاهزة لـالبحث المتجهي أو التجميع.