تقطيع الصور رفع AP للعيوب الصغيرة بنسبة 9.4%، لكنه جعل التحليل أبطأ بثلاث مرات

تظل الشظية الصغيرة مرئية بالعين في الصورة الأصلية. لكن بعد تصغير الصورة إلى مقاس الإدخال الخاص بالشبكة العصبية، لا يبقى منها سوى بضعة بكسلات، ثم خلية أو خليتان فقط في خريطة السمات. وبالنسبة إلى الكاشف، تكاد لا تعود جسماً، بل تصبح ضجيجاً. الفكرة البسيطة المتمثلة في تقسيم الإطار إلى أجزاء وتكبير كل جزء تساعد بالفعل. لكن لها جانباً سلبياً مزعجاً: فبينما تصبح العيوب الصغيرة أوضح، تتفتت العيوب الكبيرة إلى أجزاء.

اختبر صاحب التجربة هذه المقايضة على 1,812 صورة صناعية لأضرار السيارات. عند مقاس إدخال يبلغ 512، أصبح نحو 41% من العيوب أصغر من ثمانية بكسلات. أما في حالة أجزاء هيكل السيارة، فلم تتجاوز نسبة هذه الأجسام 1.6%. لذلك بدت المقياس الموحّد جيدة: فقد حجبت الأجسام الكبيرة والسهلة الأداء شبه الصفري على أصغر الأجسام.

ما الذي حققه التقطيع

لم يتطلب الاختبار الأقل تكلفة أي تدريب جديد. شُغّل نموذج Mask R-CNN جاهز بصورة منفصلة على أجزاء الصورة، ثم أُعيدت الأقنعة المكتشفة إلى إحداثيات الإطار الكامل وأزيلت التكرارات. ارتفع AP للأجسام الصغيرة بنسبة 9.4%، وارتفعت mIoU بنسبة 8.8%. وتتوافق النتيجة مع فكرة SAHI: إذ يعيد تكبير المناطق المحلية إلى الكاشف التفاصيل التي تختفي عند تغيير المقاس بالطريقة التقليدية.

لكن التكلفة كانت ملموسة للغاية. استغرق التعامل مع الصورة الواحدة وقتاً أطول بمقدار 3 إلى 4 مرات، لأن النموذج كان يعالج كل جزء على حدة. قد يكون ذلك مقبولاً لفحص الصور من دون اتصال مباشر. أما في تدفق فيديو أو على خط إنتاج، فلا يكون مقبولاً قبل أن يحسّن الفريق حجم الأجزاء ومقدار تداخلها وعدد مرات تشغيل النموذج.

بعد ذلك، أجرى صاحب التجربة ضبطاً إضافياً للشبكة على البيانات المقطعة. تحسنت الجودة على الأجزاء، لكن أداء النموذج على الإطار الكامل أصبح أسوأ من النموذج الأصلي. والسبب بسيط: جرى التدريب والاختبار على مقياسين مختلفين. اعتادت الشبكة على الأجزاء المكبرة وتوقفت عن العمل بثقة مع الصورة العادية.

وانتهت محاولة التدريب بصورة شبه حصرية على أجزاء مكبرة بدرجة كبيرة بنتيجة أسوأ: انخفض AP الإجمالي على الإطار الكامل بنحو الثلث، وانخفض الاستدعاء إلى النصف. وعندما أُعيد إلى التدريب مزيج من الإطارات الكاملة والأجزاء بمقاييس مختلفة، كاد الانهيار يختفي. تحسن اكتشاف العيوب الصغيرة بوضوح، لكن الجودة على العيوب الكبيرة انخفضت بنحو النصف.

لماذا يكون AP الإجمالي مضللاً

لا يظهر الانبعاج الكبير داخل جزء واحد بوصفه جسماً كاملاً، بل قطعة بلا حدود طبيعية. كما ينقطع الوسم عند حافة البلاطة. وأثناء الاستدلال، قد يتحول عيب كبير واحد إلى عدة أقنعة لا تستطيع خوارزميات NMS أو NMM التقليدية دمجها، لأن الأجزاء المتجاورة تكاد لا تتداخل، وبالتالي تكون قيمة IoU بينها منخفضة أكثر من اللازم.

ولهذا تحديداً لا يمكن اعتبار ارتفاع المقياس الإجمالي انتصاراً. فإذا احتوى الاختبار على الكثير من أجزاء هيكل السيارة الصغيرة، فإن تحسنها يحجب التراجع في اكتشاف الأضرار الكبيرة. ومن دون تقسيم AP بحسب الحجم، قد ينشر الفريق نموذجاً بمتوسط جذاب، لكنه يحل جزءاً مهماً من المهمة الفعلية بجودة أسوأ.

هناك أيضاً قيد إحصائي. بعض الفئات لا يمثلها سوى عدد قليل من الأمثلة، كما أن التباين بين عمليات التشغيل المستقلة على أصغر الأجسام يقارب مقدار التحسن نفسه. ولم يتجاوز متوسط AP عبر فئات العيوب الثماني أداء النموذج الأساسي حتى الآن. إنها تجربة هندسية مفيدة، لكنها ليست دليلاً على تفوق التقطيع إلى بلاطات في جميع الحالات.

ما الذي ينبغي اختباره على بياناتك

قبل التدريب، احسب أحجام الأجسام بعد تغيير المقاس المستخدم في بيئة الإنتاج. فإذا لم يتحول إلى بضعة بكسلات سوى نسبة صغيرة من الأجسام، فالأرجح أن التقطيع سيضيف عمليات حسابية وأخطاء عند الحدود من دون فائدة ملحوظة.

إذا كانت المشكلة حقيقية، فابدأ بتطبيق التقطيع في مرحلة الاستدلال فقط فوق نموذج جاهز. بهذه الطريقة سترى سريعاً المكسب المحتمل من دون دورة تدريب مكلفة. بعد ذلك، قارن الإطار الكامل والبلاطات كلّاً على حدة، واحسب AP للأجسام الصغيرة والمتوسطة والكبيرة، وكذلك الاستدعاء عند حدود الأجزاء.

لا تستبعد الإطارات الكاملة من التدريب. امزج المقاييس واختبر النموذج في الأوضاع نفسها التي سيعمل فيها فعلياً. وقِس بصورة منفصلة عدد الأجسام الكبيرة التي انقسمت إلى قناعين أو أكثر. والخلاصة العملية هنا ليست أن الصور يجب أن تُقطّع دائماً، بل أن المقياس جزء من عقد النموذج، ويجب اختباره بالعناية نفسها المخصصة للبنية والوسوم.