الرؤية الحاسوبية
من البكسلات إلى كاميرا تعمل في غرفة حقيقية سيئة الإضاءة.
كل عرض توضيحي في الرؤية الحاسوبية ينجح. وهذه هي المشكلة. يعرض الدفتر صناديق أنيقة حول المشاة في صورة اختبار ساطعة، فيصفّق الجميع، ثم يُوجَّه النموذج نفسه إلى الكاميرا الحقيقية في المستودع الحقيقي — مثبّتة عالياً أكثر من اللازم، مصوّبة نحو باب يتشبّع بالضوء ظهراً، تراقب أشخاصاً تحجبهم المنصّات في معظم الوقت — فينهار. لا شيء في الدرس أعدّ أحداً لهذا، لأن الدرس درّب واختبر على التوزيع نفسه، وهو التوزيع الوحيد الذي لن تنشر فيه أبداً. هذا المسار مبني على العكس من ذلك. تبدأ بالصورة نفسها، لأن عدداً مذهلاً من أخطاء الإنتاج هو قناة لون بترتيب خاطئ أو تحجيم محا الجسم الذي تبحث عنه. ثم التسميات، وهي سقفك الحقيقي: مُعلِّمان يختلفان على خُمس الصناديق، ولا بنية تستعيد معلومة لم تحتوِها التسميات قط. ثم المهام الثلاث التي يتألف منها المجال — التصنيف والكشف والتقطيع — إضافة إلى التتبّع، وهو معظم ما يشتريه العملاء فعلاً ولا يكاد يُدرَّس. وتختم عند الحافة: التكميم وميزانية الإطارات، والحقيقة التي بلا بريق: نموذج بخمسة عشر إطاراً في الثانية على الجهاز يهزم نموذجاً أفضل يعمل بثلاثة.
ما ستتعلّمه
المتطلبات المسبقة
- إتقان بايثون وNumPy
- أساسيات التعلّم العميق: حلقات التدريب وCNN والضبط الدقيق
- الوصول إلى معالج رسومي للتدريب، ويُفضَّل جهاز حافة صغير
- صبر على التوسيم — ستفعله أكثر مما تتوقع
الآفاق المهنية
- مهندس رؤية حاسوبية
- مهندس إدراك
- مهندس ذكاء اصطناعي على الحافة
- عالِم تطبيقي (رؤية)
المراحل
المرحلة 1 — الصورة وتسمياتها
أتقن ما تطعمه للنموذج فعلاً، وتقبّل أن تسمياتك هي سقفك.
المدة التقديرية · 6-8 أسابيعما هي الصورة فعلاً
أشيع خلل إنتاجي في هذا المجال هو عدم تطابق المعالجة المسبقة: تدرّبت على RGB فسلّمتك مكتبة الكاميرا BGR، أو طبّعت بإحصاءات في التدريب وبأخرى في الاستدلال. النموذج لا ينهار، بل يسوء بهدوء فحسب، فتقضي أسبوعين تلوم البنية. تعلّم البكسل والفضاء اللوني، وقبل كل شيء ما يدمّره التحجيم: فالجسم الصغير البعيد الذي يهمّ عميلك أكثر من غيره هو بالضبط ما يحوّله تحجيم ساذج إلى أربعة بكسلات رمادية.
المواضيع المغطّاة
ما ستبنيه
- خذ نموذجاً يعمل واكسره بثلاث طرق — ترتيب القنوات، إحصاءات تطبيع خاطئة، دوران EXIF — وسجّل هبوط الدقة بدقة في كل حالة
- اكتب وحدة معالجة مسبقة يستخدمها التدريب والاستدلال بشكل متطابق، واختباراً يفشل إن تباعدا يوماً
- قِس تدهور كاشفك كلما قلّصت دقة الدخل، واختر أصغر حجم لا يزال يفي بمتطلبك
مجموعات البيانات والتوسيم وسقفك الحقيقي
أعطِ مُعلِّمَين كفؤَين الألف صورة نفسها فسيختلفان على حصة معتبرة من الصناديق — أين تنتهي الشاحنة بالضبط، وهل ذلك الظل شخص، وهل يُحتسب جسم نصف ظاهر أصلاً. هذا الاختلاف هو سقفك: لا يمكن للنموذج أن يكون أكثر اتساقاً من تسمياته. لذا فإن العمل الأعلى رافعة في هذا المسار كله ليس معمارياً، بل هو كتابة دليل توسيم دقيق بما يكفي ليُنتج غريبان الملف ذاته. لا يكاد أي فريق يفعل هذا، ويكاد كل فريق يتساءل لماذا تجمّدت مقاييسه.
المواضيع المغطّاة
ما ستبنيه
- وسّم 200 صورة بنفسك، واطلب من شخص آخر توسيم الـ200 نفسها، ثم احسب درجة الاتفاق وأبلغ عنها
- أعد كتابة دليل التوسيم بعد ذلك القياس وأثبت تحسّن الاتفاق على دفعة جديدة
- ابنِ تقسيماً حسب الكاميرا وحسب اليوم، وأظهر كم تهبط درجتك المعلنة مقارنةً بتقسيم عشوائي
المرحلة 2 — الكشف والتقطيع والتتبّع
غطِّ المهام الثلاث الحقيقية، والرابعة التي تُدفع مقابلها: تتبّع جسم عبر الزمن.
المدة التقديرية · 10-12 أسبوعاًالكشف والمقياس الذي يخفي الفشل
الكشف هو حيث تعيش معظم منتجات الرؤية، وmAP هو حيث تكذب معظم منتجات الرؤية على نفسها. إنه مقياس بحثي يحسب متوسطاً عبر العتبات والفئات: ممتاز لترتيب الأوراق العلمية، وكارثي للإجابة عن السؤال الوحيد لدى عميلك — هل فوّت شخصاً؟ تعلّم كيف يُركَّب الكاشف — العمود الفقري والرأس وكبح غير الأعظم — لكن اقضِ وقتاً مماثلاً على الأقل في تعلّم الإبلاغ عن الاستدعاء لكل فئة عند نقطة التشغيل التي ستطلقها فعلاً، فذلك هو الرقم الذي ينهي النقاش في الاجتماع.
المواضيع المغطّاة
ما ستبنيه
- اضبط كاشفاً على مجموعتك الموسومة وأبلغ عن الاستدعاء لكل فئة عند نقطة تشغيل ثابتة، لا عن mAP وحده
- ابنِ مشهداً مزدحماً يحذف فيه كبح غير الأعظم إيجابياً صحيحاً، ثم أظهر منحنى المقايضة وأنت تضبط عتبته
- قسّم مجموعة اختبارك حسب حجم الجسم وأثبت أين يفشل كاشفك فعلاً
التقطيع والتتبّع عبر الزمن
الصندوق يخبرك تقريباً بالأين؛ والقناع يخبرك بالضبط بالماذا، وهو ما يهم لحظة احتياجك لقياس مساحة أو فصل أجسام متلامسة. لكن ما يشتريه العملاء فعلاً هو التتبّع: ليس «هناك شخص» بل «هذا هو الشخص نفسه قبل ثلاث ثوانٍ». تلك الهوية هي حيث يكمن المال والصعوبة معاً — عبر الحجب، وعبر تقاطع المارّة، وعبر من يخرج من الإطار ثم يعود. تتوقّف الدروس عند الكشف لأن التتبّع هو حيث تشتدّ الصعوبة، ولهذا بالضبط تجعلك معرفته قابلاً للتوظيف.
المواضيع المغطّاة
ما ستبنيه
- استخدم نموذج تقطيع قابلاً للتوجيه لتوسيم مسبق لمجموعة بيانات، ثم قِس الوقت الذي وفّره فعلاً بعد التصحيح البشري
- ابنِ متتبّعاً فوق كاشفك وأحصِ تبديلات المعرّفات على مقطع من دقيقتين فيه حجب حقيقي
- خذ أسوأ عشر تبديلات معرّفات في سجلّك، وانظر إلى الإطارات، ودوّن سبب كل واحدة
المرحلة 3 — إلى الجهاز
أخرج النموذج من الدفتر إلى عتاد بميزانية إطارات ثابتة وبلا أعذار.
المدة التقديرية · 8-10 أسابيعالأعمدة الفقرية المُدرَّبة مسبقاً والمجال الذي لم تتدرّب عليه
لن تدرّب عموداً فقرياً من الصفر أبداً، وينبغي أن تتوقّف عن الشعور بالذنب: فلا الحوسبة ولا البيانات قادمتان. اضبط بدقة، وضع جهدك حيث الرافعة: الفجوة بين صور الإنترنت التي تعلّم منها عمودك الفقري وبين الكاميرا والزاوية والإضاءة المحدّدة التي تنشر فيها. تلك الفجوة، لا البنية، هي سبب خسارة نموذجك خمس عشرة نقطة في الموقع. والعلاج شبه دائماً هو مزيد من البيانات الصحيحة لا نموذج أذكى، وقبول ذلك مبكراً يوفّر ربع سنة من العمل الضائع.
المواضيع المغطّاة
ما ستبنيه
- قيّم نموذجاً مُدرَّباً على بيانات عامة مقابل لقطات من كاميرا حقيقية، وحدّد فجوة المجال بالنقاط
- وسّم 300 إطار من تلك الكاميرا، واضبط النموذج، وأظهر كم من الفجوة يُسدّ بذلك
- نقّب عن سلبيات صعبة من أسبوع لقطات نشر وأثبت انخفاض الإيجابيات الكاذبة
النشر على الحافة وميزانية الإطارات
حدّد عدد إطاراتك في الثانية قبل اختيار البنية لا بعده — فالفرق التي تختار النموذج أولاً تقضي الشهر التالي في محاولة إدخال المستحيل. على العتاد الحقيقي كثيراً ما لا يكون النموذج هو عنق الزجاجة أصلاً: فكّ ترميز الفيديو والنسخ إلى المسرّع ورسم المخرجات قد تلتهم من الميلي ثوانٍ أكثر من الاستدلال. تعلّم تحليل أداء المسار كله، وتعلّم ما يكلّفك التكميم فعلاً من الدقة، وتعلّم أن تقول بصوت عالٍ إن نموذجاً بخمسة عشر إطاراً في الثانية يهزم نموذجاً أفضل بثلاثة.
المواضيع المغطّاة
ما ستبنيه
- اكتب ميزانية إطارات لحالة استخدام حقيقية، ثم برّر اختيارك للبنية أمامها في صفحة واحدة قبل كتابة أي شيفرة
- كمّم كاشفاً مُدرَّباً، وقِس بدقة ما خسرته من الدقة وما كسبته من زمن الاستجابة، وقل إن كانت المقايضة تستحق
- حلّل أداء مسار كاميرا من طرف إلى طرف على جهاز وأنتج توزيعاً بالميلي ثانية يبيّن أين يذهب الوقت فعلاً
أسئلة
هل ما زلت أحتاج معالجة الصور الكلاسيكية، أم حلّ التعلّم العميق محلها؟
تحتاج منها أسابيع قليلة لا فصلاً دراسياً، والسبب عملي لا حنيني. كل مسار تبنيه سيجري عمليات كلاسيكية سواء فهمتها أم لا — تحجيم وتحويل ألوان وتطبيع — وهذه بالضبط حيث تعيش الأخطاء الصامتة. وفوق ذلك، لا تزال هناك مشكلات تحلّها عتبة وعملية مورفولوجية في عشرين سطراً بينما تحتاج شبكة عصبية عشرة آلاف تسمية لتقاربها: كاميرا ثابتة وإضاءة مضبوطة وقطع عالية التباين على سير ناقل. استحضار نموذج هناك ليس تطوّراً بل تبديداً. المهندسون الجديرون بالتوظيف يعرفون أي أداة تستحقها المشكلة.
كم أحتاج فعلاً من البيانات الموسومة؟
أقل بكثير مما تخشى، وبجودة أعلى بكثير مما كنت تخطّط له. الضبط الدقيق لعمود فقري مُدرَّب مسبقاً لمهمة ضيّقة على كاميرا ثابتة ينجح غالباً بمئات قليلة من الإطارات المختارة جيداً، ومئات قليلة من كاميرا النشر الفعلية ستهزم آلافاً مجموعة من الإنترنت في كل مرة. الخطأ هو تحسين الحجم: تُوسِّم الفرق عشرة آلاف إطار سهل للحالة البديهية ولا شيء من الباب عند الظهيرة، ثم تستغرب فشل النموذج حيث يهم بالضبط. وسّم الحالات الصعبة، ووسّم إخفاقات نموذجك في الميدان، وأعد وسم كل ما اختلف عليه مُعلِّمان. مئتا إطار صعب أثمن من خمسة آلاف إطار سهل.
كاشفي يحقّق درجة جيدة على مجموعة اختباري لكنه يفشل في الموقع. ماذا حدث؟
شبه مؤكّد أنه أحد ثلاثة أمور، بترتيب تنازلي للاحتمال. مجموعة اختبارك ليست مجموعة اختبار: إن قسّمت عشوائياً فقد وقعت إطارات من المقطع نفسه على الجانبين، ويُقيَّم النموذج على صور رآها عملياً. أو معالجتك المسبقة تختلف بين التدريب والاستدلال — ترتيب قنوات أو تحجيم أو ثابت تطبيع — فتكلّفك دقة دون أن ترفع خطأً أبداً. أو أن الموقع ببساطة لا يشبه بياناتك: زاوية أخرى وضوء آخر وعدسة أخرى، ولم تُتَح للنموذج فرصة قط. افحصها بهذا الترتيب. لا تكون البنية هي السبب إلا نادراً جداً، والشهر الذي يُنفَق في تجريب نموذج أكبر هو أشيع طريقة لإهدار ربع سنة في هذا المجال.
مسارات ذات صلة
هل تريد اتّباع هذا المسار مع مدرّب ومجموعة؟
← اكتشف أكاديمية 212AY