MATANet: A Multi-context Attention and Taxonomy-Aware Network for Fine-Grained Underwater Recognition of Marine Species

ملخص تقني: شبكة MATANet للتعرف الدقيق على الكائنات البحرية

بيان المشكلة
يعد التعرف البصري دقيق التفاصيل (FGVC) للكائنات البحرية أمراً بالغ الأهمية للبحوث البيئية، ومراقبة التنوع البيولوجي، وسياسات الحفظ. ومع ذلك، تعتمد النهج الحالية غالباً بشكل كبير على التمثيلات المتمحورة حول الكائن أو منطقة الاهتمام (ROI)، والتي قد تفشل في التقاط التفاعلات بين الكائنات المستهدفة وبيئاتها المحيطة. علاوة على ذلك، فإن الهيكل الهرمي للتصنيف البيولوجي غالباً ما يتم عدم استغلاله بشكل كافٍ في تعلم التمثيل. تعيق هذه القيود الأداء التمييزي في المشاهد تحت الماء الصعبة حيث تظهر كائنات متشابهة بصرياً تحت ظروف بيئية متنوعة. بالإضافة إلى ذلك، فإن ندرة المتخصصين في التصنيف القادرين على تحديد الهوية يدوياً بشكل موثوق تستلزم وجود أنظمة آلية قوية للتحليل القابل للتوسع.

المنهجية
يقترح المؤلفون MATANet (شبكة الانتباه متعدد السياق والوعي بالتصنيف)، وهو إطار عمل مصمم لمحاكاة ممارسات تحديد الهوية التصنيفية لدى الخبراء من خلال النمذجة المشتركة لمورفولوجيا الكائن، والسياق البيئي، والتسلسل الهرمي التصنيفي. تتكون البنية من وحدتين رئيسيتين:

1. وحدة الانتباه البيئي متعدد السياق (MCEAM):

   • المدخلات: تعالج الوحدة منطقة الاهتمام الأساسية (الكائن المستهدف) جنباً إلى جنب مع مناطق سياقية متعددة متمحورة حول منطقة الاهتمام بمقاييس مختلفة (على سبيل المثال، مقاييس 3×، و5×، وصورة كاملة).
   • الآلية: باستخدام عمود فقري مشترك من محول الرؤية (ViT) (يتم تهيئته بأوزان DINOv2)، تستخدم MCEAM آلية الانتباه المتقاطع (cross-attention). يعمل تمثيل منطقة الاهتمام (ROI) كاستعلام (query)، بينما تعمل تمثيلات الرقع (patch embeddings) من المناطق السياقية متعددة المقاييس كمفاتيح (keys) وقيم (values).
   • الوظيفة: يسمح هذا للنموذج بالانتباه انتقائياً إلى الإشارات البيئية المعلوماتية (مثل الركيزة، والكائنات المجاورة، وتكوينات الموائل) مشروطة بتمثيل الكائن المستهدف. يتم دمج الميزات المدركة للسياق الناتجة مع تمثيل منطقة الاهتمام وإسقاطها في فضاء كامن موحد.

2. وحدة تعلم التمثيل الواعي بالتسلسل الهرمي (HRLM):

   • الآلية: تستخدم HRLM التسلسل الهرمي التصنيفي (مثل الرتبة، والعائلة، والجنس) كإشراف مساعد أثناء التدريب. هي لا تعمل كمصنف هرمي للتنبؤ النهائي، بل تعمل كمنظم (regularizer) لفضاء التمثيل.
   • الوظيفة: يتم تغذية التمثيل المتحول إلى مصنفات مساعدة خاصة بكل مستوى. تقوم الوحدة بحساب خسارة هرمية ($L_{hier}$) بناءً على المستويات التصنيفية العليا الصالحة، مما يشجع التمثيلات المتعلمة على عكس العلاقات التصنيفية عبر المستويات دون فرض قيود تنبؤ صارمة على المخرجات النهائية.
   • الهدف: يجمع هدف التدريب الإجمالي بين خسارة التصنيف الرئيسية ($L_{cls}$) على أدق تسمية مستهدفة متاحة والخسارة الهرمية المساعدة ($L_{total} = L_{cls} + \lambda L_{hier}$).

المساهمات الرئيسية

• MCEAM: تقدم آلية لنمذجة الانتباه المتقاطع بين منطقة الكائن الأساسية والسياق البيئي متعدد المقاييس، مما يعالج قيود خطوط المعالجة المتمحورة حول منطقة الاهتمام من خلال دمج التفاصيل المورفولوجية المحلية مع الإشارات على مستوى الموئل.
• HRLM: تصمم استراتيجية لتعلم التمثيل تستخدم التسلسل الهرمي التصنيفي كإشراف مساعد على مستوى المستويات لتنظيم فضاء التمثيل، مما يعزز التمثيلات ذات البنية الدلالية التي تعكس العلاقات البيولوجية.
• تقييم شامل: أُجريت تجارب مكثفة على مجموعات البيانات البحرية FathomNet2025 و LifeCLEF2015-Fish ومجموعة بيانات الاستشعار عن بعد FAIR1M لتقييم الأداء عبر مختلف الدقات، والتعقيدات البيئية، وهياكل التسميات.
• تحقيق المركز الأول: حققت الطريقة المقترحة المركز الأول في تحدي FathomNet 2025 في ورشة عمل CVPR 2025 FGVC12.

النتائج التجريبية

• FathomNet2025: حققت MATANet أدنى مسافة هرمية (HD) في كل من مجموعات الاختبار العامة والخاصة، بمتوسط مسافة هرمية مرجح قدره 1.658 (لتكوين M4) و 1.54 (لتكوين M5 مع عمود فقري أكبر)، متفوقة على النماذج المرجعية القوية بما في ذلك ResNet وSwin Transformer والنماذج المتخصصة في FGVC مثل MSDBN وTransFG.
• LifeCLEF2015-Fish: أظهر النموذج تحسينات مستمرة، محققاً دقة (ACC) بلغت 0.787 ومسافة هرمية (HD) بلغت 1.144، متفوقاً على جميع النماذج المرجعية. لوحظ أن فجوة الأداء كانت أصغر مما هي عليه في FathomNet2025، ويرجع ذلك على الأرجح إلى الدقة المنخفضة والهيكل التصنيفي الأبسط لهذا النوع من البيانات.
• FAIR1M (عبر النطاقات): في بيئة غير مائية، حققت MATANet أعلى دقة (ACC) (0.7395) وأدنى مسافة هرمية (HD) (0.973) بين النماذج المقارنة، مما يشير إلى قابلية تطبيق الإطار خارج صور البحار، رغم أن فائدة الإشارات السياقية كانت أقل وضوحاً بسبب محدودية تنوع الخلفية في مجموعة البيانات.
• دراسات الاستئصال (Ablation Studies):
  • قللت المعلومات السياقية (MCEAM) بشكل كبير من المسافة الهرمية (HD) مقارنة بنماذج ROI فقط.
  • عززت HRLM الأداء بشكل أكبر من خلال هيكلة فضاء التمثيل، متفوقة على استراتيجيات أخرى واعية بالتسلسل الهرمي مثل HXE وSoftLabel عند استخدامها كإشراف مساعد بدلاً من استبدال الخسارة الرئيسية.
  • أكد التصوير عبر t-SNE أن HRLM تشجع على تكوين عناقيد مدمجة وواعية بالتصنيف في فضاء التمثيل.

الأهمية والادعاءات
يزعم البحث أن MATANet تعالج بفعالية تحديات التعرف البحري دقيق التفاصيل من خلال الانتقال من ميزات الكائنات المعزولة إلى دمج السياق البيئي والتصنيف البيولوجي الذي يستخدمه الخبراء. يؤكد المؤلفون أن:

1. السياق أمر حاسم: يوفر السياق البيئي إشارات تكميلية تحسن التمييز، لا سيما للأنواع الحساسة للسياق، رغم أنه قد يسبب غموضاً لبعض الفئات.
2. البنية مهمة: إن استخدام التسلسل الهرمي التصنيفي كإشراف مساعد، بدلاً من مجرد هدف للتنبؤ، يساعد في تعلم تمثيلات ميزات أكثر هيكلية وتمييزاً.
3. الأثر العملي: يثبت نجاح الإطار في تحدي FathomNet 2025 جدواه لتقييم التنوع البيولوجي الآلي واسع النطاق.

يقر المؤلفون بتواضع بوجود بعض القيود، مشيرين إلى أن الطريقة تعتمد حالياً على تسميات ROI مسبقة (مما يتطلب خطوة كشف في سيناريوهات "الواقع الميداني") وأن مقاييس السياق الثابتة قد لا تكون مثالية لجميع مجموعات البيانات. كما أشاروا إلى أن الإشارات السياقية ليست مفيدة عالمياً ويمكن أن تسبب أحياناً ضجيجاً أو غموضاً.