Image Recognition

التعرف على الصور هو تقنية أساسية ضمن المجال الأوسع لـ computer vision (CV) تتيح أنظمة البرمجيات من تحديد الكائنات والأشخاص والأماكن والنصوص داخل الصور الرقمية. من خلال تحليل محتوى البكسل لصورة أو إطار فيديو، تحاول هذه التقنية محاكاة قدرات الإدراك البصري للعين والدماغ البشريين. مدعوماً بـ artificial intelligence (AI)، يحول التعرف على الصور البيانات البصرية غير المنظمة إلى معلومات منظمّة وقابلة للتنفيذ، مما يكون الأساس للأتمتة في الصناعات التي تتراوح من الرعاية الصحية إلى النقل المستقل.

الآليات والتقنيات الأساسية#

أنظمة التعرف على الصور الحديثة انتقلت بعيداً عن البرمجة التقليدية القائمة على القواعد لتعتمد بشكل كبير على خوارزميات deep learning (DL). الهندسة المعمارية الأكثر انتشاراً المستخدمة لهذه المهام هي Convolutional Neural Network (CNN). تقوم شبكة CNN بمعالجة الصور كشبكة من القيم - التي تمثل عادةً قنوات الألوان الأحمر والأخضر والأزرق (RGB) - وتمريرها عبر طبقات متعددة من العمليات الرياضية.

خلال هذه العملية، تقوم الشبكة بـ feature extraction. قد تكتشف الطبقات الأولية أنماطاً هندسية بسيطة مثل الحواف أو الزوايا، بينما تجمع الطبقات الأعمق هذه الأنماط التعرف على هياكل معقدة مثل العيون أو العجلات أو الأوراق. لتحقيق دقة عالية، تتطلب هذه النماذج كميات هائلة من labeled training data. مجموعات البيانات العامة واسعة النطاق، مثل ImageNet، تساعد النماذج على تعلم الاحتمالية الإحصائية بأن ترتيباً بصرياً معيناً يتوافق مع مفهوم مثل "قطة" أو "دراجة" أو "علامة قف".

تمييز التعرف عن المفاهيم ذات الصلة#

على الرغم من أن مصطلح "التعرف على الصور" يُستخدم غالباً كمصطلح شامل، إلا أنه يختلف عن مهام رؤية الحاسوب المحددة الأخرى. يعد فهم هذه الفروق الدقيقة أمراً بالغ الأهمية لاختيار النموذج المناسب لمشروع ما:

• التعرف مقابل Image Classification: التصنيف هو مهمة تعيين تسمية واحدة لصورة بأكملها (على سبيل المثال، تسمية صورة بـ "شاطئ"). التعرف هو القدرة الأوسع التي تمكن النظام من فهم المحتوى.
• التعرف مقابل Object Detection: بينما يحدد التعرف ما يوجد في الصورة، يحدد الاكتشاف أين يوجد. ترسم خوارزميات الاكتشاف bounding box حول كل مثيل للكائن، مما يفصله عن الخلفية.
• التعرف مقابل Instance Segmentation: يأخذ هذا التعرف خطوة أخرى إلى الأمام من خلال تحديد حدود البكسل الدقيقة للكائن، بدلاً من مجرد صندوق. هذا أمر بالغ الأهمية للتطبيقات التي تتطلب قياسات دقيقة، مثل biomedical image analysis.

تطبيقات العالم الحقيقي#

تمتد فائدة التعرف على الصور فعلياً إلى كل قطاع يتم فيه إنشاء بيانات مرئية.

• التشخيص الطبي: في الرعاية الصحية، تساعد خوارزميات التعرف أطباء الأشعة من خلال تحليل التصوير الطبي مثل الأشعة السينية والرنين المغناطيسي. أدوات مثل AI in radiology يمكنها تحديد الحالات الشاذة مثل الأورام أو الكسور بشكل أسرع وأحياناً بدقة أكبر من الملاحظة البشرية وحدها.
• البيع بالتجزئة والمخزون: تستخدم Smart supermarkets التعرف لتتبع المنتجات أثناء التقاطها من الرفوف، مما يتيح أنظمة الدفع الآلية. وبالمثل، تستخدم روبوتات المستودعات للتعرف على الحزم وفرزها.
• الأمن والتحكم في الوصول: تمكن أنظمة Facial recognition الوصول الآمن إلى الهواتف الذكية والمباني عن طريق التحقق من الهوية مقابل قاعدة بيانات لتضمينات الوجه المخزنة.

تنفيذ التعرف على الصور باستخدام Ultralytics YOLO26#

بالنسبة للمطورين والباحثين، أصبح تنفيذ التعرف على الصور أكثر سهولة بشكل ملحوظ باستخدام نماذج متطورة مثل YOLO26، والتي تدعم التصنيف والاكتشاف والتجزئة بشكل أصلي. يوضح المثال التالي كيفية إجراء التعرف (تحديداً اكتشاف الكائنات) على صورة باستخدام حزمة ultralytics في Python.

from ultralytics import YOLO

# Load a pre-trained YOLO26 model (n for nano, fastest speed)
model = YOLO("yolo26n.pt")

# Run inference on an image to recognize and locate objects
# The source can be a file path, URL, or webcam (source=0)
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results with bounding boxes and labels
results[0].show()

للفرق التي تتطلع إلى تعليق مجموعات البيانات الخاصة بهم وتدريب نماذج مخصصة في السحاب، توفر Ultralytics Platform بيئة مبسطة لإدارة دورة الحياة الكاملة لمشروع التعرف على الصور، من جمع البيانات إلى نشرها.

الاتجاهات المستقبلية#

مع زيادة قوة الحوسبة، يتطور التعرف على الصور إلى video understanding، حيث تحلل الأنظمة السياق الزمني عبر الإطارات. علاوة على ذلك، فإن دمج generative AI يتيح للأنظمة ليس فقط التعرف على الصور ولكن أيضاً توليد أوصاف نصية مفصلة لها، مما يردم الفجوة بين Natural Language Processing (NLP) والرؤية.