Beyond Nearest Neighbor Interpolation in Data Augmentation
تقترح هذه الورقة البحثية مساراً معدلاً لتعزيز البيانات للشبكات العصبية الالتفافية يلغي الاعتماد على استيفاء أقرب جار لمنع أخطاء التوسيم على مستوى البكسل وتدهور التفاصيل عالية التردد، وذلك عبر استخدام آلية تصفية للفئات قائمة على المتوسط والتوليد غير المتصل (offline generation) لتحقيق مكاسب في الأداء عبر مجموعات بيانات تقسيم الصور الطبية وصور الأشعة السينية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تعلم روبوتاً كيفية التعرف على أجسام معينة ورسم حدود حولها في الصور، مثل العثور على أورام في الأشعة السينية أو رصد البطاريات في كومة من النفايات الإلكترونية. لكي تجعل الروبوت ذكياً، تعرض عليه آلاف الصور. ولكن لكي تجعله ذكياً حقاً، تحتاج إلى عرض المزيد من الصور عبر أخذ الصور الأصلية وتدويرها، وتحويرها، وتمطيطها، وتغيير اتجاهها. يُسمى هذا تعزيز البيانات (Data Augmentation).
المشكلة، وفقاً لهذه الورقة البحثية، هي كيف ننشئ تلك الصور المحورة.
الطريقة القديمة: "النسّاخ" الملتزم بالبكسل المثالي
تقليدياً، عندما تقوم بتدوير صورة لجسم ما (مثل ورم)، يتعين على الكمبيوتر أن يقرر ما هو اللون الذي سيصبغ به المساحات الفارغة الجديدة الناتجة عن التدوير.
- بالنسبة للصورة: تستخدم الحواسيب عادةً طريقة فنية سلسة (مثل مزج الألوان) لجعل الصورة تبدو طبيعية.
- بالنسبة للحدود (القناع/Mask): لتجنب الارتباك، استخدمت الحواسيب تاريخياً طريقة "الجار الأقرب" (Nearest Neighbor). فكر في هذا الأمر كأنه نسّاخ بكسلي. إذا كان البكسل أحمر، فإن البكسل الجديد هو مجرد نسخة من أقرب بكسل أحمر. لا يوجد مزج؛ بل يكتفي بالالتصاق بأقرب جار.
العيب: يجادل المؤلف بأن طريقة "الالتصاق" هذه تشبه محاولة رسم دائلة سلسة باستخدام قطع "ليجو" مربعة فقط. إنها تخلق حوافاً متعرجة تشبه الدرجات. هذه الحواف المتعرجة تربك الروبوت لأنها لا تطابق المنحنيات السلسة للجسم الحقيقي. الأمر يشبه إعطاء الروبوت خريطة بحدود متعرجة وغير دقيقة؛ فهو يتعلم رسم حدود متعرجة بدلاً من الحدود السلسة.
الطريقة الجديدة: "الرسام السلس" مع شبكة أمان
يقترح المؤلف نهجاً جديداً: توقف عن استخدام "النسّاخ" الملتزم بالبكسل للحدود. بدلاً من ذلك، استخدم نفس طرق المزج الفنية السلسة المستخدمة للصور، حتى بالنسبة للحدود.
المخاطرة: إذا قمت بمزج الألوان في الحدود، فقد تحصل على ألوان "غير محددة" غريبة (مثل بكسل يكون 50% أحمر و50% أزرق). الروبوت لن يعرف ماذا يفعل مع ورم "نصف أحمر ونصف أزرق".
الحل: ابتكر المؤلف شبكة أمان (تسمى المرشح العالمي - Global Filter).
- الرسم بسلاسة: أولاً، استخدم طريقة المزج السلس لتدوير وتمطيط الحدود. هذا يحافظ على التفاصيل الدقيقة والهياكل عالية التردد (الحواف الحادة الصغيرة) التي تدمرها طريقة "النسّاخ".
- شبكة الأمان: بعد الرسم، تقوم شبكة الأمان بفحص كل بكسل. إذا كان البكسل لوناً واحداً واضحاً أو لوناً آخر، فهي تتركه كما هو. أما إذا كان بكسلاً "مختلطاً" ومحيراً، فتقوم شبكة الأمان بفحص متوسط لون المنطقة المحيطة وتجبره على أن يكون إما لوناً واحداً كاملاً أو اللون الآخر تماماً.
التشبيه: تخيل أنك تقوم بتمطيط شريط مطاطي عليه رسمة ما.
- الطريقة القديمة: تقوم بتمطيط الشريط، لكن الرسمة تصبح مربعة وبكسلية، وتفقد شكلها.
- الطريقة الجديدة: تقوم بتمطيطه بسلاسة بحيث يظل الرسم واضحاً، ولكن بعد ذلك تستخدم ختماً لإصلاح أي لطخات ظهرت أثناء التمطيط، مما يضمن بقاء الخطوط حادة وواضحة.
ماذا حدث عندما جربوا ذلك؟
اختبر المؤلف هذا على ثلاث مجموعات مختلفة من الصور الطبية (مسوحات الدماغ، أنسجة الثدي، وسلائل القولون) ومجموعة كشف البطاريات. استخدموا ثلاثة "طلاب" مختلفين (شبكات عصبية تسمى U-Net و SegNet و DeepLabV3+) وكاشف أجسام واحد (YOLO).
النتائج:
- بالنسبة لـ "الطلاب" (التقسيم/Segmentation): في معظم الحالات، كان أداء الروبوت الذي تدرب بطريقة "الرسام السلس + شبكة الأمان" أفضل. لقد تعلم رسم حدود أنظف وأكثر دقة. وتحديداً، بالنسبة لنماذج U-Net و SegNet، كان استخدام طريقة المزج السلس (Bicubic) للحدود هو الفائز بوضوح.
- بالنسبة لـ "الكاشف" (كشف الأجسام/Object Detection): عند البحث عن البطاريات، ساعدت الطريقة السلسة الروبوت أيضاً في العثور على الأجسام بشكل أكثر موثوقية وثقة، رغم أنها وجدت أحياناً عدداً أقل قليلاً من الأجسام مقارنة بالطرق الأخرى.
الخلاصة
تخلص الورقة البحثية إلى أنه لا ينبغي لنا أن نخشى استخدام الرياضيات "السلسة" للتعامل مع حدود الأجسام، طالما أن لدينا شبكة أمان لتنظيف أي ارتباك لاحقاً. من خلال القيام بذلك، نحن نمنع الروبوت من اكتساب عادات سيئة (مثل الحواف المتعرجة) ونساعده على الحفاظ على التفاصيل الصغيرة والمهمة للأجسام التي يحاول التعرف عليها.
باختصار: لا تكتفِ بنسخ ولصق البكسلات عند تحوير بيانات التدريب الخاصة بك. ادمجها بسلاسة، ثم استخدم مرشحاً لإصلاح الفوضى. هذا يجعل الذكاء الاصطني أكثر ذكاءً ودقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.