🤖 machine learning

Probabilistic Object Detection with Conformal Prediction

تتناول هذه الورقة تحديات تطبيق التنبؤ المطابق (Conformal Prediction) على كشف الكائنات متعدد المخرجات من خلال تقديم نهج مُقاس ومعالج لكل إحداثي مع معايرة لكل فئة وعملية مكونة من خطوتين، مما يحسن بشكل كبير من حدة فترات التنبؤ وتقاطع الاتحاد (IoU) عبر مجموعات بيانات القيادة الذاتية مع الحفاظ على ضمانات تغطية صارمة.

المؤلفون الأصليون: Christopher Ries, Moussa Kassem Sbeyti, Nicolas Bianco, Nadja Klein

نُشر 2026-05-11

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Christopher Ries, Moussa Kassem Sbeyti, Nicolas Bianco, Nadja Klein

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 تقود سيارة ذاتية القيادة. يحتاج كمبيوتر السيارة إلى رصد المركبات الأخرى، والمشاة، والعوائق. لا يقت�صر الأمر على مجرد قول: "هناك سيارة هناك"؛ بل يحتاج إلى معرفة مدى تأكده من الموقع الدقيق لتلك السيارة. إذا أخطأت السيارة ولكنها تصرفت وكأنها متأكدة بنسبة 100%، فسيكون ذلك خطيرًا. وإذا كانت محقة ولكنها تصرفت وكأنها تخمن، فقد تضغط على المكابح دون داعٍ.

تعالج هذه الورقة البحثية مشكلة جعل تلك "التخمينات" موثوقة وفعالة. إليك التفاصيل باستخدام تشبيهات بسيطة.

المشكلة: شبكة الأمان "الموحدة للجميع"

نماذج الذكاء الاصطناعي القياسية للكشف عن الأشياء تشبه المصنع الذي يصنع شبكات الأمان. فهي تحاول الإمساك بالموقع الحقيقي لجسم ما (مثل أحد المشاة) داخل صندوق.

الطريقة القديمة (التنبؤ المتسق غير المقياس - Unscaled Conformal Prediction): تخيل أن المصنع يصنع كل شبكة أمان بنفس الحجم تمامًا، بغض النظر عن الظروف.
- إذا كان الجسم سهل الرؤية (يوم صافٍ، شاحنة كبيرة)، ستكون الشبكة كبيرة جدًا. هذا يهدر المساحة ويجعل السيارة تعتقد أن الشاحنة يمكن أن تكون في أي مكان في منطقة شاسعة.
- إذا كان الجسم صعب الرؤية (ضباب، دراجة هوائية صغيرة)، فقد تكون الشبكة في الواقع صغيرة جدًا، مما قد يؤدي إلى عدم انتباه السيارة للخطر.
- النتيجة: النظام يكون آمنًا (يمسك بالجسم)، لكنه يكون خرقًا وغير فعال.

الحل: شبكة الأمان "الذكية والمرنة"

يقترح المؤلفون طريقة جديدة تسمى التنبؤ المتسق المقياس (Scaled Conformal Prediction). فكر في هذا كشبكة أمان مصنوعة من مادة ذكية ومرنة.

كيف يعمل: يستخدم النظام "مقياس عدم يقين" خاصًا (مشتق من تقنية تسمى تخفيف الخسارة - loss attenuation) لقياس مدى صعوبة تنبؤ معين.
- تنبؤ سهل؟ يقول المقياس: "هذا سهل!" فتظل الشبكة صغيرة ومحكمة حول الجسم.
- تنبؤ صعب؟ يقول المقياس: "هذا أمر معقد!" فتتمدد الشبكة لتصبح أوسع لضمان الإمساك بالجسم.
الفائدة: تحصل السيارة على موقع دقيق عندما تكون الرؤية واضحة، وعلى منطقة أمان واسعة عندما يكون الجو ضبابيًا، دون أن تفقد أبدًا ضمان السلامة الخاص بها.

"الرقصة الثنائية"

يتضمن الكشف عن الأشياء وظيفتين:

ما هو هذا الشيء؟ (هل هي سيارة أم كلب؟)
أين هو؟ (ما هي الإحداثيات؟)

تختبر الورقة "مسار عمل ثنائي الخطوات" (مستوحى من طريقة تسمى RAPS):

أولاً، يقوم النظام بإعداد قائمة قصيرة من الفئات المحتملة (على سبيل المثال: "من المرجح أنها سيارة، ربما تكون شاحنة").
بعد ذلك، يرسم شبكة الأمان بناءً فقط على تلك القائمة القصيرة.

وجد المؤلفون أنه عندما تجمع بين طريقة "القائمة القصيرة" هذه وبين شبكتهم "الذكية والمرنة"، فإن النظام يعمل بشكل أفضل. فالشبكة "الذكية" تتكيف مع صعوبة الجسم المحدد، بينما الشبكة القديمة ثابتة الحجم تصبح أكبر وأكثر خرقًا عند إضافة خطوة القائمة القصيرة.

النتائج: أكثر حدة، وأمانًا، وذكاءً

اختبر الفريق نظامهم على ثلاث مجموعات بيانات مختلفة للقيادة (KITTI، BDD، وCODA)، بما في ذلك سيناريو حيث تم اختبار السيارة في بيئة مختلفة تمامًا عن البيئة التي تدربت فيها (مثل القيادة في مدينة جديدة بطقس مختلف).

الدقة: كانت الشبكات "الذكية والمرنة" أكثر إحكامًا حول الأجسام الفعلية. في بعض الحالات، حسنت التوافق (المسمى IoU) بنسبة تصل إلى 19% مقارنة بالشبكات القديمة ثابتة الحجم.
الكفاءة: تحسنت "الدرجة" (score) التي توازن بين حجم الشبكة والسلامة بنسبة تصل إلى 39%.
الأمان: والأهم من ذلك، أن جعل الشبكات أكثر إحكامًا لم يجعلها أقل أمانًا. فقد ظلت تمسك بالأجسام بالمعدل المضمون (على سبيل المثال، 90% من الوقت).
المتانة: حتى عندما كانت السيارة تقود في بيئة جديدة وغير مألوفة (انزياح التوزيع - distribution shift)، لا تزال الشبكات الذكية تتفوق على الشبكات القديمة.

تحول "المعايرة"

تحقق المؤلفون أيضًا مما إذا كانوا بحاجة إلى "معايرة" مقياس عدم اليقين (مثل ضبط الراديو للحصول على إشارة واضحة).

وجدوا أن المقياس الخام غير المعاير كان بالفعل قد وصل إلى 90% من المثالية.
الضبط الدقيق (المعايرة) ساعد قليلاً، لكن الفوز الأكبر كان ببساطة الانتقال من الشبكة "ثابتة الحجم" إلى الشبكة "المرنة".

الملخص

تثبت الورقة البحثية أنه بالنسبة للسيارات ذاتية القيادة، ليس عليك أن تخمن بنفس الطريقة لكل موقف. من خلال استخدام طريقة تكيف حجم "صندوق الأمان" بناءً على مدى صعوبة الرؤية الحالية، ستحصل على نظام أكثر حدة (يعرف بالضبط أين توجد الأشياء)، وأكثر أمانًا (لا يزال يضمن عدم تفويتهم)، وأكثر كفاءة (لا يهدر المساحة في المهام السهلة).

أين تجد الكود: جعل المؤلفون أدواتهم متاحة على: https://github.com/mos-ks/OD-CP.

ملخص تقني: الكشف عن الأجسام الاحتمالي باستخدام التنبؤ المطابق (Conformal Prediction)

بيان المشكلة
يتطلب نشر كواشف الأجسام في المجالات الحرجة للسلامة، مثل القيادة الذاتية، ليس فقط تنبؤات دقيقة ولكن أيضًا تقديرات موثوقة لعدم اليقين (Uncertainty). تعتمد كواشف الأجسام الحديثة عادةً على شبكات عصبية حتمية تفتقر إلى التقدير المتأصل لعدم اليقين. ومع ذلك، فإن طرق تقدير عدم اليقين في الكواشف الاحتمالية غالبًا ما تكون مرتبطة بنموذج معين ومكلفة حاسوبيًا. يوفر "التنبؤ المطابق" (Conformal Prediction - CP) إطار عمل لاحق للنموذج (post-hoc)، ومستقل عن النموذج، وخالٍ من التوزيع، لبناء مجموعات تنبؤ بضمانات تغطية هامشية لعينة محدودة. ومع ذلك، فإن تطبيق CP على كشف الأجسام يفرض تحديين محددين:

المخرجات المتعددة المهيكلة: ينتج كشف الأجسام تنبؤات متعددة المخرجات (إحداثيات صندوق الإحاطة وتسميات الفئات)، مما يعقد تطبيق نظرية CP الكلاسيكية المصممة للمخرجات الفردية.
الفترات ثابتة العرض: تولد طريقة CP القياسية (غير الموزونة) فترات ذات عرض ثابت لجميع المدخلات. وهذا يتجاهل التباين في صعوبة التنبؤات الفردية، مما يؤدي إلى فترات واسعة بشكل غير ضروري في حالات عدم اليقين المنخفض، أو قد يؤدي إلى تغطية غير كافية في حالات عدم اليقين العالي.

المنهجية
يقترح المؤلفون إطار عمل يدمج التنبؤ المطابق مع كاشف أجسام احتمالي مدرب باستخدام "تخفيف الخسارة" (Loss Attenuation) (Kendall و Gal، 2017؛ Kassem Sbeyti وآخرون، 2023). يتعلم هذا الكاشف عدم اليقين العشوائي (Aleatoric Uncertainty) لكل تنبؤ (التباين) جنبًا إلى جنب مع أهداف الانحدار، مما يوفر تقديرًا لعدم اليقين فعالاً حاسوبيًا ولا يتطلب أخذ عينات.

تتكون المنهجية من أربعة مكونات رئيسية:

التنبؤ المطابق لكل إحداثي مع تصحيح بونفيروني (Bonferroni Correction):
بما أن انحدار صندوق الإحاطة يتضمن أربعة إحداثيات، يتم تطبيق CP لكل إحداثي على حدة. ولضمان ضمانات التغطية المشتركة لمستوى الصندوق دون افتراض هياكل اعتماد بين الإحداثيات، طبق المؤلفون تصحيح بونفيروني، حيث تم تخصيص مستوى خطأ $\alpha/4$ لكل إحداثي.
CP الموزون مقابل غير الموزون:

CP غير الموزون (Unscaled CP): يستخدم كمية (quantile) ثابتة مشتقة من البواقي المطلقة ( $| \hat{f}(x) - y |$ )، مما ينتج فترات ثابتة العرض.
CP الموزون (Scaled CP): يكيف عرض الفترة بناءً على تقديرات عدم اليقين العشوائي المعتمدة على المدخلات ( $\hat{\sigma}(x)$ ). يتم إعادة وزن دالة الدرجة (score function): $s(\hat{y}, y) = | \hat{f}(x) - y | / \hat{\sigma}(x)$ .
متغيرات المعايرة: تقيم الدراسة تقديرات تخفيف الخسارة الخام (غير المعايرة) مقابل متغيرين معايرين باستخدام "الانحدار المتساوي الرتيب" (Relative Isotonic Regression) (المطبق عالميًا وعلى مستوى كل إحداثي/فئة) لتصحيح عدم المعايرة في تقديرات التباين الخام.

CP المستقل عن الفئة مقابل CP الخاص بكل فئة:

المستقل عن الفئة (Class-Agnostic): يحسب مجموعة واحدة من درجات المطابقة عبر جميع الفئات.
الخاص بكل فئة (Class-Wise): يحسب كميات معايرة منفصلة لكل فئة حقيقية (بافتراض معرفة التسميات)، مما يسمح لعرض الفترات بالتكيف مع صعوبة كل فئة.

خط إنتاج ذو خطوتين (التصنيف والانحدار المشترك):
اتباعًا لـ Timans وآخرون (2025)، ينفذ المؤلفون خط إنتاج حيث:

الخطوة 1: يتم تطبيق CP على رأس التصنيف باستخدام "مجموعات التنبؤ التكيفية المنتظمة" (RAPS) لتوليد مجموعة تنبؤ لفئة الكائن.
الخطوة 2: يتم جعل صندوق الإحداثيات المطابق مشروطًا بمجموعة الفئات المتنبأ بها. يتم اختيار الكمية (quantile) لصندوق الإحداثيات كحالة الأسوأ عبر الفئات الموجودة في مجموعة التنبؤ فقط، بدلاً من جميع الفئات الممكنة.

المساهمات الرئيسية
يقدم البحث المساهمات المحددة التالية:

مقارنة منهجية: تقييم شامل لـ CP غير الموزون مقابل الموزون لكشف الأجسام متعدد الفئات، مع تقييم كل من صحة التغطية وحدّة الفترات (IoU و Interval Score) عبر إعدادات النطاق الداخلي وتغير النطاق (cross-domain).
تحليل معايرة عدم اليقين: استقصاء كيف تؤثر معايرة تقديرات تخفيف الخسارة الخام (عبر الانحدار المتساوي الرطيب) على أداء CP الموزون.
التقييم لكل فئة: تحليل لـ CP لكل فئة لانحدار صندوق الإحداثيات، مما يوضح تأثيره على الحدة والتغطية مقارنة بالإعدادات المستقلة عن الفئة.
تقييم خط الإنتاج ذو الخطوتين: تقييم خط إنتاج يجمع بين التصنيف والانحدار، وتحديدًا اختبار التفاعل بين مجموعات تنبؤ الفئات القائمة على RAPS وصناديق الإحداثيات المطابقة.

النتائج التجريبية
أُجريت التجارب على ثلاث مجموعات بيانات للقيادة الذاتية: KITT، BDD، و CODA (الأخيرة تعمل كتقييم لنطاق التوزيع المتغير).

أداء CP الموزون مقابل غير الموزون: تفوق Scaled CP باستمرار على Unscaled CP من حيث الحدّة (sharpness) دون التضحية بضمانات التغطية.
- تحسينات IoU: حقق Scaled CP زيادة تصل إلى 19% في IoU (على سبيل المثال +5.4% في KITTI، و +6.3% في CODA لمتغيرات معينة) مقارنة بـ Unscaled CP.
- درجات الفترات (Interval Scores): قلل Scaled CP من درجات الفترات بنسبة تصل إلى 39%، مما يشير إلى توازن أفضل بكثير بين العرض والتغطية.
- تغير النطاق (Distribution Shift): كانت فوائد التوزين أكثر وضوحًا في إعداد تغير النطاق (CODA)، حيث يعمل الكاشف تحت تأثير تغير التوزيع، مما يشير إلى أن الفترات التكيفية أمر بالغ الأهمية عندما يتدهور أداء النموذج.
تأثير المعايرة: استوعبت تقديرات تخفيف الخسارة الخام (غير المعايرة) معظم مكاسب الأداء مقارنة بـ Unscaled CP. ولم توفر المعايرة الإضافية عبر الانحدار المتساوي الرتيب سوى تحسينات طفيفة في الحدّة، مع تأثيرات ضئيلة على التغطية.
التقييم لكل فئة مقابل المستقل عن الفئة: أدى التصنيف لكل فئة إلى تقليل درجات الفترات لكل من المتغيرات الموزونة وغير الموزونة، وكان التقليل أكثر أهمية لـ Scaled CP. يشير هذا إلى أن الكميات المشروطة بالفئة تتفاعل بشكل إيجابي مع توسيع عدم اليقين العشوائي.
خط الإنتاج ذو الخطوتين: في خط الإنتاج المشترك للتصنيف والانحدار، أظهر Scaled CP متانة فائقة. بينما عانى Unscaled CP من زيادة كبيرة في درجة الفترة (تدهور الحدة) عند اشتراطه بمجموعات تنبؤ الفئات، فإن Scalet CP أدى في الواقع إلى انخفاض في درجة الفترة (تحسن الحدة). يشير هذا إلى أن Scaled CP يتدهور بشكل أكثر سلاسة عند دمجه مع عدم يقين التصنيف.

الأهمية والادعاءات
يزعم المؤلفون أن توسيع فترات التنبؤ المطابق (CP) باستخدام تقديرات عدم اليقين العشوائي المستمدة من تخفيف الخسارة هو طريقة بسيطة، وفعالة حاسوبيًا، ومنهجية لتحسين حدة كواشف الأجسام المطابقة.

النقاط الرئيسية التي أكدها المؤلفون تشمل:

عدم اليقين القابل للتنفيذ: يوفر خط الإنتاج المقترح تقديرات عدم يقين أكثر قابلية للتنفيذ لكشف الأجسام في الوقت الفعلي وفي العالم الحقيقي من خلال تجنب الإفراط في التحفظ غير الضروري في سيناريوهات عدم اليقين المنخفض.
المتانة: ثبات تفوق Scaled CP عبر مجموعات البيانات المختلفة، واستراتيجيات معايرة عدم اليقين، وتكوينات خط الإنتاج (المستقل عن الفئة، لكل فئة، وذو الخطوتين).
الصلاحية: تم تحقيق التحسينات في الحدّة دون المساس بضمانات التغطية الهامشية، والتي تظل صالحة لكل من المتغيرات الموزونة وغير الموزونة.
العملية: لا يتطلب النهج سوى تمريرة أمامية واحدة (forward pass) ولا يتطلب أي تغييرات هيكلية بخلاف رأس المخرجات، مما يجعله مناسبًا لتطبيقات السلامة الحرجة حيث تكون الكفاءة الحاسوبية ذات أهمية قصوى.

خلصت الورقة إلى أنه بينما يوفر CP ضمانات التغطية اللازمة، فإن دمجها مع تقديرات عدم اليقين المعتمدة على المدخلات (Scaled CP) أمر ضروري لإنتاج مجموعات تنبؤ ضيقة ومفيدة في المهام المعقدة متعددة المخرجات مثل كشف الأجسام.