Object Detection

اكتشاف الكائنات هو مهمة في الرؤية الحاسوبية تتمثل في العثور على كل ظهور لفئات معروفة في صورة أو إطار فيديو، وتحديد موقع كل ظهور. ويُرجع لكل كائن صندوقًا إحاطيًا ووسم فئة ودرجة ثقة، فتحوّل صورة الشارع إلى قائمة من الصناديق الموسومة، صندوق واحد لكل سيارة أو شخص أو إشارة مرور. وتُستخدم هذه القائمة مدخلًا لمهام العدّ والقياس والتتبّع والتحكم بالروبوت.

ما الذي يعيده كاشف الكائنات#

يتألف كل كشف من ثلاثة أجزاء. يُخزَّن المربع إما بإحداثيات الزوايا (x1, y1, x2, y2)، أو بنقطة مركز مع عرض وارتفاع، بالبكسل أو بعد تطبيعهما وفق حجم الصورة. والفئة فهرس في مجموعة تسميات النموذج، مثل الفئات الثمانين في مجموعة بيانات COCO. أما الدرجة، التي تتراوح بين 0 و1، فترتب احتمالية احتواء المربع على تلك الفئة، ولا تحتفظ التطبيقات إلا بالكشوف التي تتجاوز عتبة الثقة، موازنةً بين الأجسام الفائتة والإنذارات الكاذبة.

from ultralytics import YOLO

# Load a YOLO26 nano detector pretrained on the 80 COCO classes
model = YOLO("yolo26n.pt")

# Run detection on one image
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]

# Each detection carries a class, a confidence score, and a box in pixels
for box in result.boxes:
    name = result.names[int(box.cls)]
    corners = box.xyxy[0].int().tolist()
    print(f"{name} {box.conf.item():.2f} {corners}")

يمثّل كل سطر مطبوع كائنًا مكتشفًا: اسمه الفئوي ودرجة الثقة وإحداثيات البكسل للزاويتين العلوية اليسرى والسفلية اليمنى.

آلية عمل كواشف الكائنات#

تتألف الكواشف الحديثة من شبكات عصبية ذات ثلاث مراحل. تحوّل الشبكة الأساسية، التي تكون عادةً شبكة التفافية أو محوّلًا للرؤية، الصورة إلى خرائط سمات. وتدمج شبكة وسيطة مثل شبكة هرم السمات تلك الخرائط عبر مقاييس متعددة لتمثيل الكائنات الصغيرة والكبيرة معًا. ثم تتنبأ طبقة كشف بدرجات الفئات وإحداثيات الصناديق في آلاف المواضع. وتستجيب المواضع المتجاورة للكائن نفسه، لذلك يحتوي الخرج الخام على كثير من المرشحين المتداخلين؛ وتستبعد معظم مسارات المعالجة الصناديق منخفضة الدرجات، ثم تطبّق كبتًا غير أعظمي (NMS) للإبقاء على صندوق واحد لكل كائن. أما الكواشف الشاملة من البداية إلى النهاية مثل DETR، فتُدرَّب لإصدار تنبؤ واحد بالضبط لكل كائن، ولذلك تتجاوز هذه الخطوة.

تختلف تصميمات الكواشف في طريقة العثور على المرشحين. تقترح الكواشف ذات المرحلتين مثل Faster R-CNN أولًا مناطق يُحتمل أن تحتوي على كائن، ثم تصنّف كل منطقة وتحسّنها. أما الكواشف ذات المرحلة الواحدة مثل YOLO، الذي طُرح عام 2015، فتتنبأ بكل الصناديق والفئات في مرور واحد، ما جعل الاكتشاف الآني عمليًا. كانت النماذج الأقدم ذات المرحلة الواحدة تتنبأ بإزاحات انطلاقًا من صناديق ارتكاز محددة مسبقًا، بينما تتنبأ الكواشف الخالية من الارتكازات مباشرةً بالمسافات من نقطة شبكية إلى حواف الصندوق الأربع. يُعد YOLO26 كاشفًا بمرحلة واحدة وخاليًا من الارتكازات، ويطبّق NMS افتراضيًا؛ ويؤدي تمرير nms=False إلى تفعيل طبقة رأس أحادية المطابقة تُخرج الصناديق النهائية من دون خطوة NMS.

التدريب والتقييم#

تتعلم الكواشف من الصور الموسومة بصندوق وفئة لكل جسم. وخلال التدريب، تحدد خطوة إسناد التسميات التنبؤات المسؤولة عن كل جسم موسوم، وتجمع دالة الخسارة بين حد للتصنيف وحد لانحدار الصندوق، ويُبنى الحد الأخير عادةً على التقاطع على الاتحاد (IoU)، أي مقدار التداخل بين صندوق متنبأ به وصندوق موسوم. ويستخدم التقييم IoU مرة أخرى: إذ يُعد الكشف صحيحًا عندما تطابق فئته الفئة الموسومة ويبلغ IoU مع صندوق موسوم عتبة محددة. ثم يلخّص متوسط الدقة (mAP) الدقة والاسترجاع عبر جميع مستويات الثقة والفئات. وتبلّغ COCO عن mAP₅₀، المحسوب عند IoU يساوي 0.5، وتستخدم mAP_50-95، وهو المتوسط عبر عشر عتبات IoU من 0.50 إلى 0.95، بوصفه مقياسها الأساسي. وتستخدم لوحة صدارة VLM ‏mAP₅₀ لمقارنة نماذج الرؤية واللغة التي تكشف الأجسام اعتمادًا على أسماء الفئات وحدها. وتستخدم منصة Ultralytics هذه النماذج للوسم الآلي لمجموعات بيانات الكشف قبل تدريب YOLO26 على التسميات.

تطبيقات عملية#

• القيادة الذاتية: تكتشف أنظمة مساعدة السائق والقيادة الذاتية المركبات والمشاة وراكبي الدراجات وإشارات المرور في كل إطار من إطارات الكاميرا، وتستند عمليات التتبّع وتخطيط الحركة إلى تلك الصناديق.
• التجزئة: تكتشف كاميرات الرفوف المنتجات والمواضع الفارغة للكشف عن نفاد المخزون، كما تكتشف أنظمة الدفع الذاتي المنتجات الموضوعة عند صندوق المحاسبة.
• فحص التصنيع: تكتشف كاميرات خطوط الإنتاج الخدوش والانبعاجات والمكوّنات المفقودة، لرفض القطع المعيبة أثناء مرورها.

اكتشاف الكائنات مقارنةً بالمهام ذات الصلة#

• تصنيف الصور يسند تسمية واحدة إلى الصورة بأكملها ولا يحدد موقعًا.
• تقسيم الكائنات إلى مثيلات يرسم حدود كل كائن مكتشف بقناع بكسلي يتبع شكله الدقيق.
• الصناديق الإحاطية الموجّهة تضيف زاوية دوران إلى كل صندوق ليلائم الكائنات المائلة، مثل السفن والمركبات في الصور الجوية.
• تتبّع الكائنات يربط اكتشافات الكائن نفسه عبر إطارات الفيديو ويمنح كل كائن معرّفًا ثابتًا.
• اكتشاف الكائنات ثلاثي الأبعاد يتنبأ بصندوق في فضاء ثلاثي الأبعاد، موصوف بمركزه وطوله وعرضه وارتفاعه بالأمتار وزاوية اتجاهه.