ترخيص YOLO
العودة إلى مسرد Ultralytics

Latent Space

الفضاء الكامن هو فضاء السمات المتعلّمة المضغوط الذي تضع فيه الشبكة العصبية المُدخلات المتشابهة متقاربة، ويُستخدم للبحث والتوليد.

الفضاء الكامن هو فضاء التمثيلات الداخلية التي يتعلمها نموذج التعلّم الآلي، حيث يتحول كل مُدخل إلى نقطة، عادةً بأبعاد أقل بكثير من البيانات الخام، وتتقارب فيه المُدخلات المتشابهة في المعنى. وتعني كلمة «كامن» أنه مخفي: فالإحداثيات لا تُقاس في البيانات، بل يستنتجها النموذج أثناء التدريب. تحتوي صورة ملونة بدقة 640 × 640 على 1,228,800 قيمة بكسل، ويمكن لنموذج الصور تلخيصها في متجه يتكون من بضع مئات من الأعداد. وفي فضاء مدرّب جيدًا، تكون أقرب النقاط إلى صورة سيارة صور سيارات أخرى، بينما تمثل الاتجاهات في الفضاء خصائص مثل الوضعية واللون والأسلوب.

تنجح الفضاءات الكامنة لأن البيانات الطبيعية شديدة التكرار. فمعظم مصفوفات البكسل الممكنة تبدو كضجيج، وتشغل الصور الحقيقية منطقة ضيقة ومنحنية من فضاء البكسل، وهي فكرة تُعرف باسم فرضية المتشعب. ويمكن لـشبكة عصبية تتعلم إحداثيات هذه المنطقة أن تصف كل صورة ببضعة أعداد.

الفضاء الكامن والتضمينات وخرائط السمات#

التضمين نقطة واحدة في الفضاء الكامن، أي متجه صورة أو كلمة أو مستخدم واحد، أما الفضاء الكامن فهو مجموعة هذه النقاط والمسافات بينها؛ و«فضاء التضمين» مرادف له. وتُعد خرائط السمات داخل الشبكة الالتفافية تمثيلات كامنة مكانية، إذ تحتوي كل نقطة مكانية على متجه، وغالبًا ما تجمعها النماذج في تضمين واحد للصورة. كما تنتج أساليب اختزال الأبعاد فضاءات كامنة: إذ يُنشئ تحليل المكونات الرئيسية (PCA) فضاءً خطيًا، بينما يُستخدم t-SNE غالبًا لإسقاط فضاء كامن متعلّم إلى بُعدين بغرض رسمه.

كيف تتعلم النماذج الفضاء الكامن#

يتعلم المشفّر التلقائي الفضاء مباشرةً. إذ يضغط المشفّر كل مُدخل إلى متجه قصير، ويعيد مفكّك الترميز بناء المُدخل انطلاقًا من ذلك المتجه، ويجبر تقليل خطأ إعادة البناء عنق الزجاجة على الاحتفاظ بما يميز كل مُدخل عن غيره. ولا تُستخدم أي تسميات، ومع ذلك يجمع الفضاء الناتج المُدخلات المتشابهة، ويمكن لمصنّف أقرب الجيران k (KNN) قياس ذلك:

import torch
from sklearn.datasets import load_digits
from sklearn.neighbors import KNeighborsClassifier
from torch import nn

torch.manual_seed(0)
images, labels = load_digits(return_X_y=True)  # 1,797 handwritten digits, 8 x 8 = 64 pixels each
x = torch.tensor(images / 16, dtype=torch.float32)

# An autoencoder squeezes 64 pixels through an 8-number bottleneck: the latent space
encoder = nn.Sequential(nn.Linear(64, 32), nn.ReLU(), nn.Linear(32, 8))
decoder = nn.Sequential(nn.Linear(8, 32), nn.ReLU(), nn.Linear(32, 64))
optimizer = torch.optim.Adam([*encoder.parameters(), *decoder.parameters()], lr=0.01)
for _ in range(1000):
    loss = (decoder(encoder(x)) - x).square().mean()  # reconstruction error, no labels used
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

# Classify held-out digits by their nearest neighbors in each space
codes = encoder(x).detach().numpy()
for name, features in (("64 pixels", images), ("8 latent values", codes)):
    knn = KNeighborsClassifier().fit(features[:1400], labels[:1400])
    print(f"{name}: {knn.score(features[1400:], labels[1400:]):.2f} accuracy")

يطبع 64 pixels: 0.97 accuracy و8 latent values: 0.93 accuracy. وتحتفظ ثمانية أعداد متعلّمة لكل صورة بقدر كافٍ من هوية الرقم لإبقاء تصنيف أقرب الجيران قريبًا من نتيجة استخدام وحدات البكسل الـ64 كلها، رغم أن المشفّر التلقائي لم يرَ أي تسمية.

يمثل المشفّران التلقائيان التباينيان، اللذان قدّمهما Diederik Kingma وMax Welling عام 2013، كل مُدخل بتوزيع بدلًا من نقطة، ما يجعل الفضاء سلسًا بما يكفي لأخذ عينات بيانات جديدة منه والاستيفاء بين الأمثلة. ويشكّل التعلّم التبايني الفضاء عبر تقريب الأزواج المتطابقة وإبعاد الأزواج الأخرى؛ ويدرّب CLIP على أزواج الصور والتعليقات التوضيحية كي تتشارك الصور والنصوص فضاءً كامنًا واحدًا. وتتعلم الشبكات الخاضعة للإشراف فضاءً كامنًا بوصفه أثرًا جانبيًا لمهمتها. ويشغّل model.embed() في Ultralytics YOLO26 وضع التنبؤ، ويعيد متجهًا واحدًا لكل صورة عبر حساب متوسط خريطة السمات للطبقة السابقة لرأس الكشف على جميع المواضع المكانية، وهو تمثيل ملائم للتجميع والبحث عن التشابه.

ما الذي تتيحه الفضاءات الكامنة#

يكون التوليد أقل تكلفة في فضاء مضغوط. إذ تنفذ نماذج الانتشار الكامن عملية إزالة الضجيج في نماذج الانتشار على التمثيلات الكامنة بدلًا من وحدات البكسل. ويستخدم Stable Diffusion، المبني على ورقة الانتشار الكامن، مشفّرًا تلقائيًا لضغط صورة RGB بدقة 512 × 512 إلى تمثيل كامن بدقة 64 × 64 × 4، أي قيم أقل بـ48 مرة، ما يجعل التوليد عالي الدقة ميسور التكلفة. وتحول الشبكات التوليدية التنافسية (GANs) المتجهات الكامنة العشوائية إلى صور، لذا فإن الانتقال بين نقطتين كامنتين يحوّل وجهًا مولّدًا إلى آخر.

يعتمد البحث والتعرّف على قياس المسافة. إذ تُضمّن أنظمة البحث الدلالي المستندات أو الصور مرة واحدة، وتخزن المتجهات في قاعدة بيانات متجهية، ثم تعيد العناصر ذات أعلى تشابه جيبي مع تضمين الاستعلام. وفي فضاء مشترك للصور والنصوص مثل فضاء CLIP، يصنّف التعلّم صفري اللقطات الصورة باسم الفئة الذي يكون تضمينه النصي الأقرب، دون الحاجة إلى صور تدريب لتلك الفئة. أما في اكتشاف الشذوذ، فيُعيد المشفّر التلقائي المدرّب على الأجزاء الطبيعية فقط بناء الأجزاء المعيبة على نحو رديء، وتُعلَّم للفحص المُدخلات التي تقع تضميناتها بعيدًا عن التجمع الطبيعي.

ترمّز الاتجاهات في الفضاء المنظّم جيدًا السمات المختلفة. ففي تضمينات word2vec التي نشرها Tomas Mikolov وزملاؤه عام 2013، والتي أصبحت ركيزةً في معالجة اللغة الطبيعية (NLP)، يؤدي طرح متجه «رجل» من متجه «ملك» ثم إضافة متجه «امرأة» إلى نقطة أقرب إلى متجه «ملكة».

استكشف الحلول

الرؤية الحاسوبية في الرياضة

الرؤية الحاسوبية في الرياضة

اكتشف كيف يعزّز Ultralytics YOLO الرؤية الحاسوبية الرياضية عبر تتبّع اللاعبين والكرة، وتحليلات الأداء، ورؤى التدريب، وإعادة تأهيل الرياضيين.
معرفة المزيد
الرؤية الحاسوبية للصور الجوية

الرؤية الحاسوبية للصور الجوية

حوّل صور الطائرات المسيّرة والصور الجوية إلى رؤى آنية للزراعة وتربية الأحياء المائية والحفاظ على البيئة والتحليل الجغرافي المكاني باستخدام Ultralytics YOLO.
معرفة المزيد
الرؤية الحاسوبية في قطاع الطيران والفضاء

الرؤية الحاسوبية في قطاع الطيران والفضاء

طبّق الرؤية الحاسوبية في مجال الطيران والفضاء باستخدام Ultralytics YOLO لفحص الطائرات، واكتشاف الأجسام الغريبة على المدارج (FOD)، والعمليات الأرضية في المطارات، واكتشاف عيوب المواد المركّبة.
معرفة المزيد
الرؤية الحاسوبية في مجال الأمن

الرؤية الحاسوبية في مجال الأمن

احمِ كل موقع باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري مراقبة المحيط، واكتشاف التهديدات، والتعرف على لوحات المركبات، والسلامة في مكان العمل.
معرفة المزيد
الرؤية الحاسوبية في الروبوتات

الرؤية الحاسوبية في الروبوتات

عزّز أداء الآلات الذكية باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري في الروبوتات الملاحة الذاتية والإدراك وتعقب الأجسام والتحكم الآني.
معرفة المزيد
الرؤية الحاسوبية في الخدمات اللوجستية

الرؤية الحاسوبية في الخدمات اللوجستية

بسّط العمليات اللوجستية باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري فحص الطرود وفرزها وتتبع المركبات ومراقبة سلامة المستودعات في الوقت الفعلي.
معرفة المزيد
الرؤية الحاسوبية في تجارة التجزئة

الرؤية الحاسوبية في تجارة التجزئة

أعِد تصور تجارة التجزئة باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري تتبع المخزون ومراقبة الرفوف وإدارة الطوابير واستخلاص رؤى أذكى عن العملاء.
معرفة المزيد
الرؤية الحاسوبية في الرعاية الصحية

الرؤية الحاسوبية في الرعاية الصحية

أنشئ حلولًا للرعاية الصحية باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي البصري في الرعاية الصحية سرعة التصوير الطبي، وكفاءة التشخيص، ومراقبة المرضى.
معرفة المزيد
الرؤية الحاسوبية في التصنيع

الرؤية الحاسوبية في التصنيع

حسّن التصنيع باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية مراقبة الجودة واكتشاف العيوب والالتزام بمعدات الوقاية الشخصية وأتمتة خطوط التجميع.
معرفة المزيد
الرؤية الحاسوبية في قطاع السيارات

الرؤية الحاسوبية في قطاع السيارات

طبّق الرؤية الحاسوبية في قطاع السيارات باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية سلامة الطرق ومساعدة السائق وأتمتة المركبات لإنشاء طرق أكثر ذكاءً.
معرفة المزيد
الرؤية الحاسوبية في الزراعة

الرؤية الحاسوبية في الزراعة

أدخل الذكاء الاصطناعي البصري إلى الزراعة الذكية باستخدام نماذج Ultralytics YOLO. عزّز مراقبة المحاصيل وتتبع الماشية والزراعة الدقيقة لزيادة الإنتاجية وتحسينها.
معرفة المزيد

لنبنِ مستقبل الذكاء الاصطناعي معًا!

ابدأ رحلتك نحو مستقبل تعلّم الآلة