Topology-Aware Global-Local Mamba Networks for Palm Vein Biometrics
تقترح الورقة شبكة "مامبا" (Mamba) عالمية-محلية مدركة للطوبولوجيا تدمج الميزات المحلية متعددة المقاييس، والبديهيات الحافية الموجهة بالهيكل، والمسح عبر فضاء الحالة في أربعة اتجاهات لتحقيق دقة رائدة في التعرف على عروق راحة اليد ومعدلات خطأ منخفضة بأقل عدد من المعلمات على مجموعات البيانات العامة.
المؤلفون الأصليون:Zhengxi Wu, Felix Marattukalam, Waleed H. Abdulla
تخيل أنك تحاول فتح باب سري، ولكن بدلاً من المفتاح، تحتاج إلى إثبات هويتك. هذا هو عالم المقاييس الحيوية (Biometrics)، وهو علم استخدام سمات جسمك الفريدة — مثل بصمة إصبعك أو وجهك — لتحديد هويتك. وبينما نفكر غالباً في بصمات الأصابع، هناك طبقة خفية من الهوية تكمن تحت جلدك مباشرة: وهي عروقك. هذه الأنهار الصغيرة والمتعرجة من الدم تشكل خريطة فريدة داخل كفك، وهي غير مرئية للعين المجردة ما لم تسلط عليها ضوءاً خاصاً بالأشعة تحت الحمراء القريبة. ولأن هذه الخرائط تقع في عمق جسمك، فمن الصعب جداً تزييفها أو سرقتها، مما يجعلها وسيلة فائقة الأمان لإثبات أنك "أنت". ومع ذلك، فإن قراءة هذه الخرائط أمر صعب؛ فالعروق رقيقة، باهتة، ومتعرجة، مثل خيوط دقيقة في غابة ضبابية. ولكي تتعرف عليها، تحتاج الحواسيب إلى أن تكون ذكية بما يكفي لرؤية كل من الملمس الدقيق لخيط واحد والصورة الكبيرة لكيفية اتصال الغابة بأكملها.
وهنا يأتي دور دراسة جديدة، تعالج تحدي تعليم الحواسيب قراءة عروق الكف بدقة تفوق القدرات البشرية. لاحظ الباحثون، أثناء عملهم على بيانات من مجموعتين عامتين لبيانات عروق الكف، أنه بينما كانت بعض النماذج الحاسوبية جيدة في رؤية "الصورة الكبيرة" وأخرى جيدة في رؤية "التفاصيل الدقيقة"، إلا أنها غالباً ما كانت تغفل عن الشكل المحدد للعروق نفسها. ولإصلاح ذلك، قاموا ببناء نوع جديد من الأدمغة الرقمية يسمى شبكة مامبا ذات الوعي الطوبولوجي العالمي-المحلي (Topology-Aware Global-Local Mamba Network). فكر في هذه الشبكة كفريق من ثلاثة محققين متخصصين يعملون معاً؛ المحقق الأول يستخدم عدسة مكبرة لدراسة الملمس الخشن للجلد والعروق. والمحقق الثاني يحمل "مصباحاً خاصاً للكشف عن الحواف" (يعتمد على قاعدة رياضية ثابتة تسمى مؤثر سوبل - Sobel operator) يسلط الضوء على الخطوط والاتجاهات الدقيقة للعروق، متجاهلاً الخلفية الضبابية. أما المحقق الثالث فهو ملاح بارع يستخدم "مسحاً رباعي الاتجاهات" لتتبع المسار الكامل للعروق من كل زاوية، وفهم كيفية اتصالها عبر مسافات طويلة.
تحدث المعجزة عندما يتشارك هؤلاء المحققون الثلاثة ملاحظاتهم. فقد صمم الفريق نظاماً يتم فيه دمج أدلة الملمس والاتجاه أولاً، مما يخلق خريطة "واعية بالبنية"، قبل دمجها مع خريطة الملاحة بعيدة المدى. يضمن هذا العمل الجماعي المتدرج ألا يضيع الحاسوب في التفاصيل أو يفقد الاتصالات الكبيرة. وعندما اختبروا هذا النظام الجديد، كانت النتائج مبهرة؛ ففي إحدى مجموعات البيانات، حقق معدل دقة بلغ 99.13% في تحديد الأشخاص، ومعدل خطأ منخفض للغاية قدره 0.08%. وفي مجموعة بيانات أخرى، وصل إلى 92.42% من الدقة و0.61% من معدل الخطأ. وبينما كان نموذج آخر يسمى GLVM أسرع قليلاً وأفضل في عملية تحديد الهوية البحتة، إلا أن هذا الأسلوب الجديد كان الأكثر دقة في عملية التحقق (إثبات تطابق محدد) واستخدم أقل قدر من موارد الحاسوب (فقط 7.2 مليون معلمة - parameter). ويشير الباحثون إلى أنه من خلال تعليم الحاسوب صراحةً احترام الطبيعة الخطية والاتجاهية للعروق، فقد ابتكروا نظاماً بارعاً للغاية في رصد "البصمة" الفريدة للكف، حتى عندما تكون الصور مشوشة أو غير مثالية.
ملخص تقني: شبكات مامبا العالمية-المحلية المدركة للطوبولوجيا للتعرف على بصمة وريد كف اليد
بيان المشكلة يعد التعرف على بصمة وريد كف اليد مهمة بيومترية دقيقة تتميز بهياكل وعائية رفيعة ومنخفضة التباين لا يمكن ملاحظتها إلا تحت إضاءة الأشعة تحت الحمراء القريبة (NIR). وبينما توفر هذه الميزات متانة ضد التزييف وتلوث السطح، فإن التعرف الفعال عليها يمثل تحدياً بسبب محدودية مجموعات البيانات العامة، والتباينات داخل الفئة الواحدة (الوضعية، الضجيج، الإضاءة)، والحاجة إلى نمذجة كل من أنسجة الأوعية المحلية والاتصال العالمي للشجرة الوعائية. تواجه النهج الحالية للتعلم العميق قيوداً محددة: حيث تتطلب الشبكات العصبية الالتفافية (CNNs) خفضاً حاداً في دقة العينة (downsampling) لالتقاط الطوبولوجيا بعيدة المدى، مما يؤدي إلى كبت هياكل الأوعية الرفيعة؛ كما أن نماتمج المحولات (Transformers) وآليات الانتباه الذاتي مكلفة حاسوبياً للصور عالية الدقة وقد تضعف الأنماط الوعائية المتناثرة؛ وتفتقر نماذج حالة الفضاء (SSMs) الموجودة مثل Vision Mamba (Vim) وGlobal-Local Vision Mamba (GLVM) إلى الترميز الصريح للهندسة الموجهة والخطية المتأصلة في الهياكل الوعائية.
المنهجية يقترح المؤلفون شبكة مامبا العالمية-المحلية المدركة للطوبولوجيا، وهي بنية هيكلية مصممة لنمذجة النسيج المحلي والطوبولوجيا الوعائية العالمية بشكل مشترك. تعالج الشبكة صور الأشعة تحت الحمراء القريبة أحادية القناة (128×128) من خلال ساق (stem)، وجسم يتكون من ست كتل مدركة للطوبولوجيا (TABs) متطابقة، ورأس تصنيف.
الساق (Stem): تعمل طبقتان من طبقات الالتفاف (Conv-BatchNorm-SiLU) بـ 3×3 مع خطوة (stride) على تقليل الدقة من 128×128 إلى 32×32 وتوسيع القنوات إلى D=256.
الكتل المدركة للطوبولوجيا (TAB): تحافظ كل كتلة على الدقة المكانية وتتكون من ثلاثة مسارات متوازية ومرحلتين من الدمج المبوّب (gated fusion):
المسار المحلي متعدد المقاييس: يستخدم التلافيف بعمق (depthwise convolutions) مع نوى مربعة 3×3 و5×5 لاستخراج نسيج الأوعية متماثل المناحي (isotropic).
المسار الاتجاهي المدرك للهيكل: يستخدم تلافيف شريطية محاذية للمحاور (1×5 و5×1) لالتقاط الاستجابات الاتجاهية. والأهم من ذلك، يتم تعزيز هذا المسار بـ أولوية حافة مقدار "سوبل" (Sobel-magnitude edge prior) ثابتة. يتم حساب هذه الأولوية في فضاء الميزات (على القناة الأولى من مخرجات الساق) باستخدام نوى سوبل ثابتة (Gx,Gy) لتوليد خريطة حواف E(u). يتم إسقاط هذه الخريطة عبر التواء 3×3 قابل للتعلم وتضاف عنصرًا بعنصر إلى المسار الاتجاهي. يوفر هذا انحيازاً هيكلياً استقرائياً دون بارامترات قابلة للتعلم في الأولوية نفسها.
مسار حالة الفضاء العالمي: ينفذ مسحاً لحالة الفضاء في أربعة اتجاهات (يسار-يمين، يمين-يسار، أعلى-أسفل، أسفل-أعلى) مقتبساً من VMamba. يستخدم قيمًا قابلة للتعلم لكل قناة لعملية التقطيع (discretization) لتناسب مجموعات البيانات الأصغر، مما يوفر تعقيداً خطياً مع نشر المعلومات على طول مسارات المسح المتوافقة مع التوجيه الوعائي.
الدمج المبوّب المتدرج:
المرحلة 1: يتم دمج المسارين المحلي متعدد المقاييس والاتجاهي المعزز هيكلياً عبر آلية بوابية قابلة للتعلم لإنتاج تمثيل محلي مدرك هيكلياً.
المرحلة 2: يتم دمج هذا التمثيل المحلي مع مخرجات حالة الفضاء العالمية. يضمن هذا الترتيب أن يعمل المسح العالمي على ميزات غنية بالفعل بالدلالات الهيكلية.
تحديثات المتبقي (Residual Updates): يمر المخرج المدمج عبر وصلتين متبقيتين مع عمق عشوائي (DropPath)، متبوعاً بشبكة تغذية أمامية نقطية (MLP ratio r=2).
المساهمات الرئيسية حدد البحث ثلاث مساهمات رئيسية:
الأولوية الهيكلية الصريحة: حقن خريطة حافة مقدار "سوبل" قابلة للاشتقاق وثابتة في فضاء الميزات. بخلاف النماذج السابقة التي تترك الهندسة الهيكلية ضمنية، تقوم هذه الأولوية بتمييز حدود الأوعية صراحةً، مما يوجه المسارات الاتجاهية والعالمية.
الترميز المحلي الحساس للاتجاه: اقتران محلي مبتكر يجمع بين التلافيف متماثلة المناحي متعددة المقاييس والتلافيف الشريطية المحاذية للمحاور، المصممة خصيصاً لتناسب الهندسة الخطية والمتناثرة لأوردة الكف.
استراتيجية الدمج المتدرج: تكوين محدد حيث يتم دمج الميزات الهيكلية المحلية قبل المسح العالمي. يضمن هذا أن يعالج مسح حالة الفضاء رباعي الاتجاهات تمثيلاً يحمل بالفعل دلالات هيكلية، بدلاً من ميزات محلية غير منظمة.
النتائج التجريبية تم تقييم الطريقة على مجموعتي بيانات عامتين: HKPU-NIR و VERA Palm Vein، تحت بروتوكول تدريب موحد. تمت مقارنتها مع ResNet50، وVim-S، وViT-S، وGLVM.
HKPU-NIR: حققت دقة 99.13% (Top-1) ومعدل خطأ متساوي (EER) قدره 0.08% مع 7.2 مليون بارامتر.
الأداء المقارن: حققت الطريقة المقترحة أدنى معدل خطأ متساوي (EER) بين جميع النماذج المقارنة في كلا المجموعتين مع الحفاظ على أصغر عدد من البارامترات (7.2 مليون).
المقايضات: بينما حقق GLVM دقة (Top-1) أعلى قليلاً (99.40% في HKPU-NIR) وتكلفة حاسوبية أقل بكثير (0.59 G FLOPs مقابل 7.28 G FLOPs للطريقة المقترحة)، أعطت البنية المقترحة الأولوية لموثوقية التحقق (أدنى EER). تُعزى عمليات الـ FLOPs الأعلى إلى الكتل متعددة المسارات التي تعمل عند دقة كاملة 32×32 دون خفض الدقة.
الأهمية والادعاءات يزعم البحث أن البنية المقترحة تعالج بنجاح تحدي نمذجة كل من النسيج المحلي والطوبولوجيا العالمية لبصمة وريد الكف. من خلال دمج أولوية هيكلية ثابتة مع نمذجة حالة الفضاء، تحقق الشبكة أداء تحقق فائق (أدنى EER) مع عدد أقل من البارامترات مقارنة بالنماذج المرجعية الحالية القائمة على CNN أو المحولات.
يقر المؤلفون بالقيود: الأولوية الهيكلية هي عامل حافة من الدرجة الأولى ثابت (غير قابل للتعلم)، وتعتمد المقارنة على خطوط معالجة مختلفة قليلاً للنماذج المرجعية (رغم تماثل تقسيم البيانات)، كما أن التكلفة الحاسوبية العالية تحصر التصميم في السيناريوهات التي تفوق فيها موثوقية التحقق ميزانية الاستدلال. ويُقترح كعمل مستقبلي استكشاف أولويات اتصال قابلة للتعلم وعوامل عالمية أكثر رشاقة.