XML

لغة الترميز القابلة للتوسيع، والمعروفة باسم XML، هي تنسيق مرن قائم على النص مصمم لتخزين ونقل وتنظيم البيانات المنظمة. على عكس HTML، التي تركز على كيفية عرض المعلومات على صفحة الويب، فإن XML مخصصة لوصف ما تمثله البيانات من خلال بنية هرمية من العلامات المخصصة. هذه التنوعية تجعلها معيارًا أساسيًا لتبادل البيانات عبر أنظمة الحوسبة المتنوعة والإنترنت. في سياق التعلم الآلي (ML)، تلعب XML دورًا مهمًا في إدارة مجموعات البيانات وملفات التكوين، مما يضمن بقاء المعلومات المعقدة قابلة للقراءة بالنسبة للبشر والآلات على حد سواء مع الالتزام بمعايير التحقق الصارمة المحددة من قبل اتحاد شبكة الويب العالمية (W3C).

دور XML في الذكاء الاصطناعي

في مجال الذكاء الاصطناعي (AI) سريع التطور، تُعد البيانات المنظمة بمثابة وقود للخوارزميات المتطورة. يوفر XML إطارًا قويًا لتعليق البيانات، مما يسمح للمهندسين بتغليف الوسائط الأولية — مثل الصور أو النصوص — ببيانات وصفية غنية. هذا النهج المنظم ضروري للتعلم الخاضع للإشراف، حيث تتطلب النماذج أمثلة محددة بوضوح لتحديد الأنماط والميزات.

في حين أن سير العمل الحديث غالبًا ما يستخدم Ultralytics من أجل التعليق والتدريب السلس القائم على السحابة، يظل XML متأصلًا بعمق في الأنظمة القديمة ومجموعات البيانات الأكاديمية المحددة . تضمن صيغته الصارمة سلامة البيانات، مما يجعله الخيار المفضل للتكامل المؤسسي ومهام الرؤية الحاسوبية المعقدة التي يكون فيها التحقق من الصحة أمرًا بالغ الأهمية.

تطبيقات واقعية في الذكاء الاصطناعي/التعلم الآلي

يلعب XML دورًا أساسيًا في العديد من التطبيقات العملية، لا سيما عندما تكون توحيد البيانات وقابليتها للنقل و البيانات الوصفية التفصيلية متطلبات أساسية.

• مجموعات بيانات الكشف عن الأشياء (PASCAL VOC): أحد الاستخدامات الأكثر ديمومة لـ XML في الرؤية الحاسوبية هو ال فئات الكائنات المرئية (VOC) في PASCAL التنسيق. في هذا المعيار، يتم إقران كل صورة في مجموعة البيانات بملف XML يحتوي على تفاصيل التعليقات التوضيحية. تحدد هذه الملفات مربع الإحاطة الإحداثيات (xmin, ymin, xmax, ymax) وتسميات الفئات لكل كائن. نماذج متطورة مثل يولو26 يمكن معالجة هذه التعليقات التوضيحية (غالبًا بعد التحويل) لتعلم كيفية تحديد مواقع الكائنات، وهي عملية أساسية في اكتشاف الأجسام.
• التصوير الطبي والرعاية الصحية: في المجال المتخصص للذكاء الاصطناعي في الرعاية الصحية، تعد قابلية التشغيل البيني أمرًا حيويًا. معيار التصوير الرقمي والاتصالات في الطب (DICOM) ، المستخدم عالميًا في الفحوصات الطبية، يتفاعل بشكل متكرر مع XML لمعالجة البيانات الوصفية المعقدة للمرضى. يتيح XML إعداد تقارير منظمة لنتائج التشخيص ومعايير الدراسة، مما يسهل تحليل الصور الطبية بدقة. وهذا يضمن أن نماذج الذكاء الاصطناعي المدربة على هذه البيانات تحافظ على الامتثال الصارم لمعايير البيانات الصحية مثل Health Level Seven (HL7).

XML مقابل JSON مقابل YAML

على الرغم من قوة XML، غالبًا ما يتم مقارنته بتنسيقات تسلسل البيانات الأخرى المستخدمة في سير عمل ML. فهم الاختلافات يساعد في اختيار الأداة المناسبة للمهمة.

• XML مقابل JSON: JavaScript Object Notation (JSON) عادةً ما يكون أخف وزناً وأسهل في التحليل بالنسبة لتطبيقات الويب. في حين أصبح JSON المعيار للاستجابات API والعديد من مجموعات البيانات الحديثة (مثل COCO)، لا يزال XML مفضلاً للبيانات التي تركز على المستندات والبيئات التي تتطلب التحقق من صحة المخطط. لمزيد من التعمق في هياكل بيانات الويب، توفر موارد مثل Mozilla Developer Network مقارنات ممتازة.
• XML مقابل YAML: تشتهر YAML بقابليتها للقراءة البشرية وببساطة صياغتها، حيث تعتمد على المسافات البادئة بدلاً من العلامات. وهذا يجعل YAML الخيار المفضل لملفات تكوين YAML النموذجية في أطر العمل مثل Ultralytics YOLO حيث سهولة التحرير أمر بالغ الأهمية. على النقيض من ذلك، فإن XML أكثر تفصيلاً ولكنها توفر تطبيقاً أقوى للبنية.

تحليل XML لتدريب النموذج

عند العمل مع مجموعات البيانات القديمة مثل تلك الموجودة في VOC PASCAL VOC غالبًا ما يحتاج المطورون إلى تحليل ملفات XML لاستخراج إحداثيات مربع الحدود للتدريب. المكتبات المدمجة Python تجعل هذه العملية سهلة.

يوضح المثال التالي كيفية تحليل سلسلة تعليق XML بسيطة لاستخراج أسماء فئات الكائنات و إحداثيات المربع المحيط باستخدام واجهة برمجة تطبيقاتPython .

import xml.etree.ElementTree as ET

# Example XML string simulating a PASCAL VOC annotation
voc_xml_data = """
<annotation>
    <object>
        <name>person</name>
        <bndbox>
            <xmin>50</xmin>
            <ymin>30</ymin>
            <xmax>200</xmax>
            <ymax>400</ymax>
        </bndbox>
    </object>
</annotation>
"""

# Parse the XML structure
root = ET.fromstring(voc_xml_data)

# Extract and print object details
for obj in root.findall("object"):
    class_name = obj.find("name").text
    bbox = obj.find("bndbox")
    # Convert coordinates to integers
    coords = [int(bbox.find(tag).text) for tag in ["xmin", "ymin", "xmax", "ymax"]]
    print(f"Detected Class: {class_name}, Bounding Box: {coords}")

إن فهم كيفية التعامل مع هذه التنسيقات أمر ضروري لإعداد بيانات التدريب. في حين أن الأدوات الآلية على Ultralytics يمكنها التعامل مع هذه التحويلات، إلا أن المعرفة اليدوية بالتحليل لا تزال ذات قيمة كبيرة لتصحيح الأخطاء وتخصيص خطوط أنابيب البيانات. لمزيد من القراءة حول هياكل البيانات، يقدم دليل IBM XML نظرة شاملة على استخدامها في المؤسسات.