الدرس الأول (١)

يقوم التعلم الموجه في رؤية الحاسب على تدريب الآلات باستخدام صور مسماة ومعنومة لكي تتمكن من التعرف على المعلومات المرئية وتفسيرها واتخاذ قرارات بناء عليها. يعتمد هذا الدرس على تحميل ومعالجة مجموعة بيانات لصور حيوانات، حيث تُقرأ الصور وتُغير أبعادها إلى تنسيق موحد مثل $(100, 100, 3)$ باستخدام تنسيق الألوان RGB الذي يمثل كل بكسل بثلاث قنوات لونية لكل منها قيم تتراوح من $0$ إلى $255$. ثم تُجرى اختبارات للتحقق من أبعاد الصور واكتشاف الصور غير المطابقة مثل صور RGBA أو التدرج الرمادي، وإزالتها لتنظيف البيانات، وأخيراً تحويلها إلى مصفوفات رقمية وتقسيمها إلى مجموعة تدريب ومجموعة اختبار باستخدام دالة train_test_split.

الفكرة الأساسية

تقوم فكرة التعلم الموجه على إعطاء الآلة صوراً معنومة ومرفقة بعناوين واضحة لكي تتعلم منها كيف تصنف الصور الجديدة بدقة. في هذا الدرس، نطبق هذه الفكرة على مجموعة بيانات لصور حيوانات، فنقوم بتحميل الصور، وتحويلها إلى أرقام، وتنسيق أبعادها، وتجهيزها لتكون جاهزة لتدريب نماذج التعلم الآلي.

الشرح

عند التعامل مع رؤية الحاسب، لا تراعي الآلة الصورة كبشر، بل تتعامل معها كشبكة ثنائية الأبعاد تحتوي على صفوف وأعمدة تمثل إحداثيات $x$ و$y$ للبكسلات، وتسمى مصفوفة الصور Image Matrix. تنسيق الألوان الافتراضي هو RGB، وهو يتكون من ثلاث قنوات رئيسية: الأحمر (Red) والأخضر (Green) والأزرق (Blue). كل بكسل يمتلك ثلاث قيم لهذه القنوات، وتتراوح قيمة كل قناة من $0$ إلى $255$ في تنسيق البايت بدون إشارة Unsigned Byte، بحيث تعني القيمة $(0, 0, 0)$ لوناً أسود، وتعني القيمة $(255, 255, 255)$ لوناً أبيض.

تتطلب خوارزميات التعلم الموجه أن تكون كل الصور في مجموعة البيانات ذات أبعاد موحدة، ولذلك نستخدم دوال لتغيير حجم الصور مثل تغييرها إلى الأبعاد $(100, 100)$ لتصبح بصيغة أبعاد ثلاثة $(100, 100, 3)$. قد تحتوي بعض الصور على أخطاء في التنسيق مثل وجود قناة رابعة شفافة تسمى ألفا Alpha في تنسيق RGBA لتصبح الأبعاد $(100, 100, 4)$، أو قد تكون الصورة بتنسيق التدرج الرمادي Grayscale بقناة واحدة فقط. لذلك نقوم بالتحقق من أبعاد الصور باستخدام الأكواد البرمجية، واكتشاف القيم المتطرفة أو الفئات الشاذة مثل فئة الطبيعة Nature التي لا تحتوي على حيوانات، ثم نحذفها من القوائم.

بعد تنظيف البيانات، نحول الصور والعناوين إلى مصفوفات نمباي باستخدام المتغيرين $X$ و$Y$، حيث يمثل $X$ مجموعة الصور و$Y$ مجموعة العناوين. وأخيراً نقوم بتقسيم البيانات إلى مجموعة تدريب ומجموعة اختبار باستخدام دالة train_test_split بنسبة اختبار تبلغ $20\%$ مع تفعيل خاصية إعادة الترتيب العشوائي shuffle = True.

مثال محلول خطوة بخطوة

لديك صورة رئيسية أصلية أبعادها $(169, 169)$ بثلاث قنوات لونية RGB، أي بإجمالي $(28,561)$ بكسل. تريد تجهيزها لتتوافق مع خوارزمية التعلم الموجه:

1. تقرأ الصورة باستخدام دالة imread وتفحص شكلها الأبدي ليظهر لك $(169, 169, 3)$.
2. تغير حجم الصورة لتصبح بأبعاد $(100, 100)$ باستخدام دالة resize لتتوافق مع باقي مجموعة البيانات.
3. تفحص أبعاد الصورة الجديدة باستخدام الأمر print(resized.shape) ليكون الناتج $(100, 100, 3)$.
4. تفحص قيمة أول بكسل في الصورة لترى قيم قنوات الألوان الثلاث.

أخطاء شائعة

• ترك الصور بأبعاد مختلفة دون توحيدها، مما يسبب خطأ في تطابق الأبعاد لدى إدخالها إلى مصفوفة نمباي.
• إغفال فحص الصور التي تحتوي على قناة رابعة RGBA أو تدرج رمادي Grayscale، مما يؤدي إلى عدم مطابقة التنسيق المتوقع $(100, 100, 3)$.
• نسيان تفعيل خاصية إعادة الترتيب العشوائي shuffle = True عند تقسيم البيانات، مما يجعل مجلدات الصور تترتب بطريقة متتالية تضر بأداء النموذج.

سؤالان للتدريب مع الإجابة

السؤال الأول: ما هو تنسيق الألوان الافتراضي الذي تُنشئه دالة imread، وماذا تعني الحروف الثلاثة التي يتكون منها؟ الإجابة: التنسيق هو RGB، والحروف تعني اللون الأحمر (Red) واللون الأخضر (Green) واللون الأزرق (Blue).

السؤال الثاني: لماذا يجب توحيد أبعاد جميع الصور في مجموعة البيانات قبل بدء التدريب على خوارزميات التعلم الموجه؟ الإجابة: لكي تكون جميع الصور في مجموعة البيانات لها الأبعاد نفسها وتتطابق مع المتطلبات الشكلية لتمثيل البيانات في مصفوفة نمباي وتجنب حدوث أخطاء في أبعاد المصفوفة الناتجة.