Image Thresholding: Understanding Bias of Evaluation Metrics towards Specific Evaluation Functions
تكشف هذه الورقة عن انحياز متأصل في تقييم تجزئة الصور، حيث تُظهر أن دالة هدف تباين الفئات بين الفئات لـ "أوتسو" ترتبط باستمرار بشكل أقوى مع مقاييس الجودة القياسية مثل SSIM وPSNR مقارنة بإنتروبيا "كابور"، مما يتحدى فرضية الحياد المتركي.
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 تحاول تقطيع كعكة إلى شرائح مثالية. في عالم الرؤية الحاسوبية، هذه "الكعكة" هي صورة، و"التقطيع" يعني فصل أجزاء مختلفة من الصورة (مثل فصل السماء عن الأرض، أو فصل الورم عن الأنسجة السليمة). تسمى هذه العملية عتبة الصورة (Image Thresholding).
للقيام بذلك، تحتاج الحواسيب إلى كتاب قواعد، أو دالة هدف (Objective Function)، لتخبرها أين تقطع. هناك اثنان من أشهر كتب القواعد:
- طريقة أوتسو (Otsu's Method): يقول هذا الكتاب: "اقطع الكعكة حيث يكون الفرق بين الأجزاء الفاتحة والداكنة هو الأكبر". الأمر يشبه محاولة تعظيم التباين بين الكريمة والإسفنج.
- طريقة كابور (Kapur's Method): يقول هذا الكتاب: "اقطع الكعكة حيث يكون محتوى المعلومات أكثر توازناً". إنها قاعدة أكثر تعقيداً تعتمد على مقدار "المفاجأة" أو التنوع في كل شريحة.
بمجرد أن يقوم الكمبيوتر بعمل القطع، نحتاج إلى التحقق مما إذا كان قد قام بعمل جيد. وللقيام بذلك، نستخدم مقاييس التقييم (Evaluation Metrics)، وهي بمثابة حكام يمنحون درجات للقطع. وأشهر حَكَمان في هذا المجال هما:
- مؤشر التشابه الهيكلي (SSIM): وهو حَكم ينظر إلى مدى تشابه الأشكال والهياكل في الصورة المقطوعة مع الصورة الأصلية.
- نسبة ذروة الإشارة إلى الضجيج (PSNR): وهو حَكم يقيس مقدار "التشويش" أو الخطأ الذي أُدخل أثناء عملية القطع.
المشكلة الكبرى: الحَكم منحاز
لاحظ مؤلفا هذه الورقة البحثية، إسلام حجازي ومحمد جبر، شيئاً مريباً. ففي كل دراسة تقريباً تقارن بين هذه الطرق، تبدو طريقة أوتسو هي الفائزة عندما يتم تقييمها بواسطة SSIM و PSNR. وافترض الباحثون أن هذا يعني أن طريقة أوتسو هي ببساطة كتاب قواعد أفضل.
لكن المؤلفين طرحوا سؤالاً مختلفاً: "ماذا لو كانت كتب القواعد (SSIM و PSNR) منحازة سراً لصالح طريقة أوتسو؟"
فكر في الأمر كمسابقة طبخ:
- أوتسو هو طباخ متخصص في صنع أطباق ذات تباين عالٍ (مالحة جداً أو حلوة جداً).
- كابور هو طباخ يصنع أطبحة متوازنة ومعقدة.
- SSIM و PSNR هما الحكام.
اشتبه المؤلفون في أن SSIM و PSNR هما حكام "منحازون للنكهة". فقد تم برمجتهما لحب الأطباق ذات التباين العالي. لذا، حتى لو صنع كابور طبقاً متوازناً تماماً، فقد يمنحه الحكام درجة منخفضة ببساطة لأنه لا يشبه ما يفضلونه.
كيف اختبروا ذلك؟
لإثبات ذلك، لم يستخدموا ذكاءً اصطناعياً متطوراً لإيجاد أفضل قطع. بدلاً من ذلك، قاموا بشيء دقيق للغاية: جربوا كل قطعة ممكنة على 500 صورة طبيعية (من مجموعة بيانات تسمى BSDS500).
لكل عملية قطع، قاموا بحساب:
- مدى جودة القطع وفقاً لقاعدة أوتسو.
- مدى جودة القطع وفقاً لقاعدة كابور.
- كيف قيم الحكام (SSIM و PSNR) تلك القطعة.
ثم بحثوا في العلاقة (الارتباط) بين كتب القواعد والحكام.
النتائج: الانحياز حقيقة واقعة
كانت النتائج واضحة وصادمة:
أوتسو والحكام صديقان مقربان: عندما قال كتاب قواعد أوتسو إن القطعة "جيدة"، كان الحكام (SSIM و PSNR) يوافقونه الرأي دائماً تقريباً. في الواقع، في 100% من الصور، تحركت درجات أوتسو في خطى متزامنة ومثالية مع درجات PSNR. ولأجل 91% من الصور، تحركت في خطى متزاممة مع SSIM.
- التشبيه: الأمر يشبه أن أوتسو والحكام يتحدثون نفس اللغة. عندما يرفع أوتسو يده، يرفع الحكام أيديهم فوراً.
كابور والحكام غرباء: كان لكتاب قواعد كابور علاقة أضعف بكثير بالحكام. أحياناً يتفقون، وأحياناً أخرى لا يتفقون. كانت العلاقة فوضوية وغير متوقعة.
- التشبيه: يحاول كابور التحدث بلهجة مختلفة. يفهمه الحكام أحياناً، لكنهم غالباً ما يهزون أكتافهم ويعطونه درجة متوسطة، حتى لو كانت القطعة جيدة حقاً.
ماذا يعني هذا؟
خلصت الورقة البحثية إلى أن السبب في أن الطرق القائمة على أوتسو غالباً ما "تفوز" في الأوراق البحثية ليس بالضرورة لأنها أفضل في تقطيع الكعكة. بل لأن نظام التقييم (SSIM و PSNR) مُصمم ليفضل طريقة أوتسو.
إذا اخترع باحث خوارزمية ذكاء اصطناعي جديدة وفائقة الذكاء لمساعدة كابور في إيجاد أفضل القطعات، ولكن ظل يستخدم SSIM و PSNR للتقييم، فقد تبدو الخوارزمية الجديدة فاشلة. لماذا؟ لأن الحكام منحازون ضد أسلوب كابور، بغض النظر عن مدى جودة الذكاء الاصطناستخدام.
الخلاصة
يحذر المؤلفون المجتمع العلمي: لا تثقوا في الحكام بشكل أعمى.
إذا كنت تريد مقارنة طرق تقطيع الصور بشكل عادل، فلا يمكنك مجرد استخدام SSIM و PSNR. يجب أن تدرك أن هذه الأدوات تفضل بطبيعتها طريقة واحدة محددة (أوتسو). وللحصول على صورة حقيقية لمن هو أفضل "طباخ"، قد تحتاج إلى حكام جدد ليس لديهم نكهة مفضلة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.