التعرف على الصور مقابل رؤية الكمبيوتر: ما هي الاختلافات؟

في صناعة الذكاء الاصطناعي والتعلم الآلي الحالية، “التعرف على الصور” و “رؤية الكمبيوتر” هما من أحدث الاتجاهات. يتضمن كلاهما العمل مع تحديد الخصائص البصرية، وهو السبب في أن هذه المصطلحات غالبًا ما تُستخدم بشكل متبادل. على الرغم من بعض التشابهات، تمثل رؤية الكمبيوتر والتعرف على الصور تقنيات ومفاهيم وتطبيقات مختلفة.

في هذه المقالة، سوف نقوم بمقارنة رؤية الكمبيوتر والتعرف على الصور من خلال الغوص في اختلافاتهم وتشابههم وطرقهم المستخدمة. لذا دعونا نبدأ.

ما هو التعرف على الصور؟

التعرف على الصور هو فرع في الذكاء الاصطناعي الحديث يسمح للكمبيوتر بالتعرف على الأنماط أو الأشياء في الصور الرقمية. يمنح التعرف على الصور للكمبيوتر القدرة على التعرف على الأشياء والأشخاص والأماكن والنصوص في أي صورة.

الهدف الرئيسي لاستخدام التعرف على الصور هو تصنيف الصور على أساس العلامات والفئات المحددة مسبقًا بعد تحليل وفهم المحتوى البصري لتعلم المعلومات المهمة. على سبيل المثال، عندما يتم تنفيذه بشكل صحيح، يمكن للخوارزمية التعرف على الصور التعرف على الكلب في الصورة وتسميته.

كيف يعمل التعرف على الصور؟

بشكل أساسي، تستخدم خوارزمية التعرف على الصور في الغالب نماذج التعلم الآلي والتعلم العميق لتحديد الأشياء من خلال تحليل كل بكسل فردي في الصورة. يتم تغذية خوارزمية التعرف على الصور بمقدار كبير من الصور المسمى في محاولة لتدريب النموذج على التعرف على الأشياء في الصور.

يتكون عملية التعرف على الصور بشكل عام من الخطوات الثلاث التالية.

جمع البيانات وتحويلها

الخطوة الأولى هي جمع مجموعة بيانات وتسميتها بالصور. على سبيل المثال، يجب تسمية صورة تحتوي على سيارة باسم “سيارة”. بشكل عام، كلما كانت المجموعة أكبر، كانت النتائج أفضل.

تدريب الشبكات العصبية على المجموعة

بعد تسمية الصور، يتم تغذيتها إلى الشبكات العصبية لتدريبها على الصور. يفضل المطورون بشكل عام استخدام الشبكات العصبية التلافية أو CNN للتعرف على الصور لأن نماذج CNN قادرة على الكشف عن الميزات دون أي مدخلات إضافية من الإنسان.

الاختبار والتنبؤ

بعد تدريب النموذج على المجموعة، يتم تغذيته بمجموعة “اختبار” تحتوي على صور غير مرئية للتأكد من النتائج. سوف يستخدم النموذج معرفته من مجموعة الاختبار لتنبؤ بالأشياء أو الأنماط الموجودة في الصورة ومحاولة التعرف على الكائن.

ما هي رؤية الكمبيوتر؟

رؤية الكمبيوتر هي فرع في الذكاء الاصطناعي الحديث يسمح للكمبيوتر بالتعرف على الأنماط أو الأشياء في الوسائط الرقمية بما في ذلك الصور والفيديوهات. يمكن لنموذج رؤية الكمبيوتر تحليل صورة لتعرف أو تصنيف كائن داخل الصورة، وتفاعل مع تلك الأشياء.

الهدف الرئيسي لنموذج رؤية الكمبيوتر يذهب إلى ما هو أبعد من مجرد الكشف عن كائن داخل صورة، بل يتفاعل أيضًا مع الأشياء. على سبيل المثال، في الصورة أدناه، يمكن لنموذج رؤية الكمبيوتر التعرف على الكائن في الإطار (دراجة نارية)، ويمكنه أيضًا تتبع حركة الكائن داخل الإطار.

كيف تعمل رؤية الكمبيوتر؟

يعمل خوارزمية رؤية الكمبيوتر بشكل مشابه لخوارزمية التعرف على الصور، من خلال استخدام خوارزميات التعلم الآلي والتعلم العميق لتحديد الأشياء من خلال تحليل كل بكسل فردي في الصورة. يمكن تلخيص عمل خوارزمية رؤية الكمبيوتر في الخطوات التالية.

استحواذ البيانات ومعالجتها

الخطوة الأولى هي جمع كمية كافية من البيانات التي يمكن أن تشمل الصور والصور المتحركة والفيديوهات والبث المباشر. يتم بعد ذلك معالجة البيانات لإزالة أي ضوضاء أو أشياء غير مرغوب فيها.

استخراج الميزات

يتم بعد ذلك تغذية بيانات التدريب إلى نموذج رؤية الكمبيوتر لاستخراج الميزات ذات الصلة من البيانات. يتم بعد ذلك الكشف عن الأشياء وتحديدها داخل البيانات، وتصنيفها وفقًا للعلامات أو الفئات المحددة مسبقًا.

التقسيم الدلالي والتحليل

يتم بعد ذلك تقسيم الصورة إلى أجزاء مختلفة بإضافة علامات دلالية إلى كل بكسل فردي. يتم بعد ذلك تحليل البيانات ومعالجتها وفقًا لمتطلبات المهمة.

التعرف على الصور مقابل رؤية الكمبيوتر: كيف يختلفان؟

على الرغم من أن كلا التعرف على الصور ورؤية الكمبيوتر يعملان على نفس المبدأ الأساسي لتحديد الأشياء، إلا أنهما يختلفان فيما يتعلق بنطاقهم وأهدافهم ومستوى تحليل البيانات والتقنيات المشاركة. دعونا نناقش كل ذلك بشكل فردي.

النطاق والأهداف

الهدف الرئيسي للتعرف على الصور هو تحديد وتصنيف الأشياء أو الأنماط داخل صورة. الهدف الرئيسي هو الكشف عن كائن داخل صورة. من ناحية أخرى، تهدف رؤية الكمبيوتر إلى تحليل وتحديد أو التعرف على الأنماط أو الأشياء في الوسائط الرقمية بما في ذلك الصور والفيديوهات. الهدف الرئيسي هو ليس فقط الكشف عن كائن داخل الإطار، ولكن أيضًا التفاعل معه.

مستوى التحليل

الفرق الأكثر أهمية بين التعرف على الصور والتحليل البياني هو مستوى التحليل. في التعرف على الصور، يهتم النموذج فقط بالكشف عن الكائن أو الأنماط داخل الصورة. من ناحية أخرى، يهدف نموذج رؤية الكمبيوتر ليس فقط إلى الكشف عن الكائن، ولكن أيضًا إلى فهم محتوى الصورة، وتحديد الترتيب المكاني.

على سبيل المثال، في الصورة أعلاه، قد يتحليل نموذج التعرف على الصور الصورة فقط لتحديد الكرة والدراجة والطفل في الإطار. في حين أن نموذج رؤية الكمبيوتر قد يتحليل الإطار لتحديد ما إذا كان الكرة يضرب الدراجة أو يضرب الطفل أو يفوتهم جميعًا.

الcomplexity

تميل خوارزميات التعرف على الصور بشكل عام إلى أن تكون أبسط من نظيراتها في رؤية الكمبيوتر. وذلك لأن التعرف على الصور يتم توزيعه بشكل عام لتحديد أشياء بسيطة داخل صورة، وبالتالي يعتمد على تقنيات مثل التعلم العميق والشبكات العصبية التلافية لاستخراج الميزات.

نموذج رؤية الكمبيوتر أكثر تعقيدًا لأنها تكشف عن الأشياء وتتفاعل معها ليس فقط في الصور، ولكن أيضًا في الفيديوهات والبث المباشر. نموذج رؤية الكمبيوتر هو بشكل عام مزيج من تقنيات مثل التعرف على الصور والتعلم العميق والتعرف على الأنماط والتقسيم الدلالي وغيرها.

التعرف على الصور مقابل رؤية الكمبيوتر: هل هما متشابهان؟

على الرغم من اختلافاتهما، فإن كلا التعرف على الصور ورؤية الكمبيوتر يشاركان بعض التشابهات أيضًا، ويمكن القول إن التعرف على الصور هو جزء فرعي من رؤية الكمبيوتر. من المهم فهم أن كلا المجالين يعتمدان بشكل كبير على تقنيات التعلم الآلي، ويستخدمان نماذج موجودة تم تدريبها على مجموعات بيانات مسماة لتحديد وتحديد الأشياء داخل الصورة أو الفيديو.

أفكار ختامية

لتلخيص الأمور، يتم استخدام التعرف على الصور لمهمة محددة وهي تحديد وتحديد الأشياء داخل صورة. تأخذ رؤية الكمبيوتر التعرف على الصور خطوة إلى الأمام، وتفسر البيانات البصرية داخل الإطار.