MTS AI تروي على Habr كيف تغيّر أسلوب تدريب نماذج التجزئة في Luna Line

نشر فريق MTS AI على Habr الجزء الثاني من تحليله حول البحث عن وصفة التدريب المثلى لنماذج الرؤية الحاسوبية (CV) ضمن خط Luna Line، ويتناول هذه المرة نماذج التجزئة (segmentation).

ماذا أظهر الجزء الأول عن التصنيف

تناول فريق MTS AI في الجزء الأول من السلسلة تدريب نماذج التصنيف في Luna Line، واستخلص خط معالجة (pipeline) موحدًا يمكن تطبيقه على مهام مختلفة من هذا النوع. وبعد انتهاء هذا العمل، بقي لدى المؤلفين شعور بعدم الرضا عن المنهجية المعتمدة: فلم يكونوا واثقين من أن عائلة النماذج المختارة تُظهر فعلًا أقصى قدراتها، بدل أن تكون مقيَّدة بإطار خط معالجة موحد وُضع من أجل الراحة والشمولية.

وقد شكّل هذا السؤال، وهو هل تُظهر العائلة كامل إمكاناتها فعلًا أم أنها مقيَّدة بشكل مصطنع بأطر عامة، نقطة الانطلاق للجزء الثاني من السلسلة، الذي لا يتناول التصنيف بل التجزئة.

كيف تغيّر النهج في حالة التجزئة

• الجزء 1 من السلسلة مخصص لتدريب نماذج التصنيف في Luna Line، وهو متاح في مدونة شركة MTS AI على Habr
• الجزء 2 مخصص للتجزئة، وهي نوع آخر من مهام الرؤية الحاسوبية، حيث لا يضع النموذج تسمية واحدة للصورة كلها، بل يحدد contours الأجسام المحددة على مستوى البكسل
• في التجزئة قرر الفريق أن يتصرف بشكل مختلف عمّا فعله في التصنيف، حتى لا يكرر القيد السابق المتمثل في خط معالجة موحد وشامل
• مشروع Luna Line هو مبادرة عامة من MTS AI للبحث عن وصفة شاملة لتدريب نماذج CV في أنواع مختلفة من المهام

ويصوغ المؤلفون دافع تغيير النهج بصراحة: الهدف ليس مجرد تثبيت خط معالجة يعمل لأغراض التقارير، بل التأكد من أن البنية المعمارية المختارة تُظهر فعلًا إمكاناتها الحقيقية في المهمة المحددة، بدل أن تتكيف مع أطر غريبة موروثة من مرحلة عمل أخرى.

لماذا لا يصح تدريب التصنيف والتجزئة بالطريقة نفسها

يجيب التصنيف عن سؤال «ما الذي تُظهره الصورة ككل»، بينما يجب على التجزئة أن ترسم بدقة حدود كل جسم على حدة على مستوى البكسل. وهما مهمتان مختلفتان جوهريًا في التعقيد والبنية: فالتجزئة تفرض متطلبات أعلى على دقة تمثيل الميزات (features)، وعلى موازنة الفئات على مستوى البكسل، وعلى بنية الجزء الرأسي (head) من الشبكة. أما خط المعالجة الموحد الأمثل للتصنيف، فقد لا يراعي هذه الخصائص ويخفض الجودة النهائية لنماذج التجزئة.

لماذا ظهرت سلسلة Luna Line أصلًا

فكرة Luna Line هي إيجاد منهج قابل لإعادة الإنتاج لاختيار نماذج CV وتدريبها، وليس نموذجًا واحدًا بعينه، منهج يمكن تطبيقه على مهام جديدة دون تجريب يدوي طويل للبنى المعمارية والمعاملات الفائقة (hyperparameters). وبالنسبة لفريق MTS AI، هذه مهمة هندسية عملية: ففي شركة كبيرة تعمل عشرات سيناريوهات CV في الوقت نفسه، وإعادة البحث عن الإعدادات المثلى من الصفر في كل مرة مكلفة من حيث وقت المختصين.

ولهذا بالذات كان الاستنتاج المرحلي بعد الجزء الخاص بالتصنيف، أي الشك في أن خط المعالجة الموحد يُظهر إمكانات عائلة النماذج بالكامل، مهمًا: فقد غيّر طريقة تعامل الفريق مع المهمة التالية في القائمة، بدل نسخ منهجية التصنيف إلى التجزئة دون فحص.

ماذا يعني ذلك

التجزئة والتصنيف مهمتان مختلفتان بطبيعتهما في الرؤية الحاسوبية، ومحاولة تدريبهما عبر العملية الشاملة نفسها قد تخفض جودة كل منهما. وقرار MTS AI إعادة النظر في النهج للتجزئة تحديدًا يُظهر أن «الوصفة الشاملة» في هندسة CV ليست خط معالجة ثابتًا واحدًا، بل هي أقرب إلى منهجية ينبغي تكييفها عن وعي مع نوع المهمة المطروحة.