Advancements in Content-Based Image Retrieval: A Comprehensive Survey of Relevance Feedback Techniques

في المكتبات الرقمية الشاسعة للعالم الحديث، غالبًا ما يبدو العثور على صورة محددة وكأنه بحث عن إبرة في كومة قش، ولكن مع لمسة مختلفة: الإبرة هنا لا تُعرف بملصق أو اسم ملف، بل بما تبدو عليه بالفعل. هذا هو مجال استرجاع الصور القائم على المحتوى، وهو فرع من علوم الحاسوب مخصص لتعليم الآلات كيفية "الرؤية" وفهم المعلومات المرئية. فبدلاً من الاعتماد على الوسوم أو الكلمات المفتاحية التي يكتبها البشر، تقوم هذه الأنظمة بتحليل البيانات المرئية الخام داخل الصورة، وتفكيكها إلى مكونات أساسية مثل اللون، والملمس، والشكل. والهدف هو السماح للمستخدم برفع صورة ليقوم الحاسوب بإعادة صور أخرى تشترك في خصائص مرئية مماثلة. ومع ذلك، ظل هناك عائق كبير يقف في طريق إتقان هذه التكنولوجيا: الفجوة بين ما يراه الحاسوب وما يعنيه الإنسان. فقد يتعرف الحاسوب على مجموعة من البكسلات كنمط معين من اللونين الأحمر والأخضر، بينما يرى الإنسان "غروب شمس" أو "غابة". وتتطلب سد هذه الفجوة وسيلة تتيح للآلة التعلم من قصد الإنسان، وتطوير بحثها بناءً على ما يريد المستخدم العثور عليه بالفعل.

تجمع هذه الورقة البحثية المسحية مجموعة واسعة من الجهود البحثية التي تهدف إلى حل تلك المشكلة المحددة من خلال التركيز على تقنية تسمى "التغذية الراجعة ذات الصلة" (relevance feedback). ويرسم المؤلفون، وهم باحثون من عدة جامعات في إيران، مسار كيفية تحسين أنظمة الحاسوب لنتائج بحثها من خلال طلب رأي المستخدم. في هذه العملية، يبحث المستخدم عن صورة، ويعيد النظام قائمة من المرشحين. ثم يقوم المستخدم بتحديد بعض هذه النتائج كـ "ذات صلة" أو "غير ذات صلة". ويستخدم النظام هذه التغذية الراجعة لتعديل فهمه الداخلي للبحث، مما يجعله يتعلم فعليًا ما يبحث عنه المستخدم ويعيد ترتيب النتائج لتكون أكثر دقة. وتصنف الورقة أساليب التعلم هذه إلى نهجين متميزين: التعلم قصير المدى، الذي يتكيف بسرعة مع جلسة بحث واحدة، والتعلم طويل المدى، الذي يبني ملفًا تراكميًا لتفضيلات المستخدم بمرور الوقت. ويستعرض المؤلفون دراسات عديدة لإظهار كيف تساعد هذه الأساليب، والتي غالبًا ما تقترن بأدوات تعلم آلي متقدمة، في سد الفجوة بين البيانات المرئية الخام والمعنى البشري.

يبدأ الباحثون بتحديد التحديات الجوهرية التي عصفت بأنظمة استرجاع الصور لسنوات. إحدى المشكلات الرئيسية هي القابلية للتوسع؛ فمع نمو قواعد البيانات لتضم ملايين الصور، تزداد الوقت وقوة الحوسبة المطلوبة لإيجاد تطابق بشكل كبير. وهناك مشكلة مستمرة أخرى وهي "الفجوة الدلالية"، حيث لا تترجم الميزات منخفضة المستوى التي يستخرجها الحاسوب مباشرة إلى المفاهيم عالية المستوى التي يستخدمها البشر لوصف الصور. ولمعالجة هذه المشكلات، تستعرض الورقة حلولاً متنوعة، بما في ذلك استخدام تركيبات ميزات معقدة وخوارزميات التعلم الآلي. ويُخصص جزء كبير من المراجعة لكيفية تغيير "التعلم العميق"، وتحديدًا الشبكات العصبية الالتفافية، للمشهد العام. فهذه الشبكات، المصممة لمحاكاة الطريقة التي يعالج بها الدماغ البشري المعلومات المرئية، يمكنها استخراج ميزات أكثر دلالة من الصور مقارنة بالطرق التقليدية. ويشير المؤلفون إلى أن هذه الشبكات تُستخدم بشكل متزايد لتحسين دقة التغذية الراجعة ذات الصلة، مما يسم يسمح للأنظمة بالتمييز بشكل أفضل بين الصور ذات الصلة وغير ذات الصلة بناءً على مدخلات المستخدم.

تتعمق الورقة في آليات التعلم قصير المدى، حيث يقوم النظام بإجراء تعديلات فورية أثناء عملية بحث واحدة. وقد سلطت إحدى الدراسات المذكورة في الورقة الضوء على طريقة تعامل الصور في الفئة نفسها كـ "أقارب" وتلك الموجودة في فئات مختلفة كـ "غرباء". ومن خلال استخدام الصور التي يحددها المستخدم كصور ذات صلة، يمكن للنظام تحسين بحثه بشكل تكراري، مما يجذب المزيد من "الأقارب" ويبعد "الغرباء" مع كل خطوة. ويتضمن نهج آخر نظام تصويت حيث تُستخدم أفضل النتائج من عملية البحث لتحديد الصيغة الرياضية التي تعمل بشكل أفضل لقياس التشابه، مما يضمن استخدام النظام للأداة الأكثر فعالية لنوع الصورة المحدد الذي يتم البحث عنه. كما تناقش الورقة كيفية تعامل هذه الأنظمة مع أنواع محددة من الصور، مثل الصور الشعاعية الطبية أو صور الأقمار الصناعية. فعلى سبيل المثال، أظهرت إحدى الدراسات أن الجمع بين الميزات الكمية والتغذية الراجعة للمستخدم يمكن أن يرفع دقة العثور على أورام العظام في الأشعة السينية من قاعدة منخفضة إلى معدل أعلى بكثير، مما يثبت القوة العملية لهذه الأساليب التفاعلية.

ويقدم التعلم طويل المدى مسارًا مختلفًا، حيث يتعلم النظام من مجتمع من المستخدمين على مدى فترة زمنية ممتدة. ويستعرض المؤلفون منهجًا يسمى "التعلم طويل المدى القائم على الحالة" (Case-Based Long-Term Learning)، والذي يخزن جلسات البحث الماضية في قاعدة بيانات. وعندما يبدأ مستخدم جديد عملية بحث، يبحث النظام عن حالات سابقة مماثلة لتوجيه النتائج، مستخدمًا بذلك الحكمة الجماعية للبحوث السابقة لتحسين البحث الحالي. وتتضمن استراتيجيات طويلة المدى أخرى تجميع المستخدمين ذوي الأذواق المتشابهة أو استخدام التصفية التعاونية للتنبؤ بما قد يريده المستخدم بناءً على تفضيلات الآخرين. وتشير الورقة إلى أنه بينما تكون الأساليب قصيرة المدى غالبًا أكثر عملية للاحتياجات الفورية والآنية، فإن الأساليب طويلة المدى توفر تحسينات مستدامة من خلال بناء فهم أعمق وأكثر تخصيصًا لتفضيلات المستخدم بمرور الوقت. كما يشير المؤلفون إلى أن الجمع بين هذين النهجين يمكن أن يخلق نظامًا يستجيب للاحتياجات الفورية ويكون ذكيًا على المدى الطويل في آن واحد.

طوال المراجعة، يؤكد المؤلفون أن جودة التغذية الراجعة لا تقل أهمية عن الخوارزمية نفسها. فإذا قدم المستخدم تغذية راجعة غير متسقة أو غامضة، فإن النظام يعاني في التعلم، مما يؤدي إلى نتائج سيئة. كما تتطرق الورقة إلى التكلفة الحسابية لهذه العمليات التكرارية؛ إذ إن طلب تقديم التغذية الراجعة من المستخدم عدة مرات يمكن أن يبطئ عملية البحث، مما يخلق مقايضة بين الدقة والسرعة. وللتخفيف من ذلك، يستكشف بعض الباحثين طرقًا لاختيار الصور الأكثر إفادة تلقائيًا ليقوم المستخدم بتصنيفها، وهي تقنية تُعرف باسم "التعلم النشط" (active learning)، والتي تساعد النظام على التعلم بشكل أسرخص وبعدد أقل من تفاعلات المستخدم. وتخلص المسح لتعريف عدة اتجاهات للعمل المستقبلي، بما في ذلك التكامل المستمر للتعلم العميق، وتطوير خوارزميات أكثر كفاءة لقواعد البيانات الضخمة، وإنشاء واجهات أفضل تسهل على البشر التواصل بآرائهم المرئية مع الآلات. ويقترح المؤلفون أنه من خلال الاستمرار في تحسين حلقات التغذية الراجعة هذه، يمكن للتكنولوجيا أن تقترب من حالة تفهم فيها الحواسيب العالم المرئي كما يفعل البشر تمامًا.