general
ما مختبر الرؤية الحاسوبية؟
بيئة تعليمية تفاعلية لتعلم الرؤية الحاسوبية من معالجة البكسلات حتى التفسير والتجزئة الطبية. تضم ثمانية مختبرات تعمل في المتصفح، ودروساً منظمة، وتجارب جاهزة، وبطاقات نماذج موثّقة.
هل أحتاج إلى حساب لاستخدام المختبر؟
لا. المختبرات والدروس والتجارب متاحة دون تسجيل دخول. لوحة الإدارة فقط تتطلب صلاحيات المسؤول.
هل يعمل المختبر على الهاتف؟
نعم، الواجهة مصممة للجوال أولاً. النماذج الصغيرة مثل MobileNetV2 وSSDlite تعمل جيداً على الهواتف الحديثة، أما النماذج الأكبر فقد تكون أبطأ حسب الذاكرة والمعالج.
ما الفرق بين هذا المختبر ومختبر الذكاء الاصطناعي في الموقع؟
مختبر الذكاء الاصطناعي (/ai-playground/) يغطي تعلم الآلة عموماً، بينما يتخصص هذا المختبر في الصور والرؤية الحاسوبية والتصوير الطبي. وللاطلاع على معماريات النماذج بالتفصيل يوجد أطلس النماذج (/ai-model-atlas/).
بأي ترتيب أدرس المحتوى؟
ابدأ بأساسيات الصور ثم معالجة الصور، فالشبكات الالتفافية، ثم الكشف والتجزئة، ثم التفسير، وأخيراً التصوير الطبي. الصفحة الرئيسية للمختبر تعرض مساراً مقترحاً، وكل درس يذكر متطلباته السابقة.
هل المحتوى مراجع علمياً؟
كل درس وخوارزمية يحمل حالة مراجعة. المحتوى الأولي موسوم «بحاجة إلى مراجعة» حتى يراجعه مختص، والمراجع موثقة بروابط DOI جرى التحقق من وجودها.
كيف أبلّغ عن خطأ في درس؟
تواصل مع إدارة الموقع واذكر الرابط المختصر للدرس والفقرة. يمكن للمسؤول تعديل الدرس وتغيير حالة مراجعته من لوحة الإدارة.
ما المتصفحات المدعومة؟
أي متصفح حديث يدعم WebAssembly وWeb Workers، مثل Chrome وEdge وFirefox وSafari بإصداراتها الحالية.
هل يمكن تصدير نتائج التجربة؟
نعم، يمكن تنزيل الصورة الناتجة والقناع والنتائج النصية من أزرار التصدير في كل مختبر.
هل يدعم المختبر الوضع الداكن؟
نعم، يتبع وضع القالب أو إعداد جهازك تلقائياً.
هل يمكن تضمين مختبر في صفحة أخرى؟
نعم، عبر الرموز المختصرة مثل [dlarabic_cv_lab type="processing"] أو [dlarabic_cv_experiment slug="..."].
privacy
هل تُرفع صوري إلى الخادم؟
لا. كل المعالجة وتشغيل النماذج المضمّنة يتمان داخل متصفحك، ولا تُرسل الصورة إلى أي خادم. الاستثناء الوحيد هو العمليات التي تتطلب خادم Python الاختياري، وتطلب موافقة صريحة قبل الإرسال في كل مرة.
هل يحفظ الموقع الصور التي أجربها؟
لا تُحفظ الصور في قاعدة البيانات. تبقى في ذاكرة الصفحة وتزول عند إغلاقها. أما خادم Python الاختياري فيحذف الملف بعد إنهاء المهمة وفق إعداد مدة الاحتفاظ لديه.
ما حجم الصور المسموح برفعها؟
يحدد المسؤول الحد الأقصى، والافتراضي 10 ميغابايت. تُقبل صيغ JPEG وPNG وWebP، ويُفحص نوع الملف الفعلي لا الامتداد فقط.
الصور الطبية
هل المختبر بديل عن التشخيص الطبي؟
لا. المختبر الطبي تعليمي فقط، ونتائجه لا تُستخدم للتشخيص أو العلاج أو أي قرار سريري. أي قرار طبي يعود إلى مختص مؤهل يعتمد على أدوات معتمدة تنظيمياً.
ما الفرق بين DICOM وNIfTI؟
DICOM معيار سريري يحمل الصورة مع بيانات المريض والجهاز. NIfTI صيغة بحثية للأحجام ثلاثية الأبعاد مع مصفوفة اتجاه، دون بيانات سريرية تقريباً.
هل يقبل المختبر ملفات DICOM؟
نعم، يقرأ مختبر الصور الطبية في المتصفح ملفات DICOM غير المضغوطة (أحادية القناة) وملفات NIfTI (.nii و.nii.gz). ملفات DICOM المضغوطة غير مدعومة. استخدم بيانات مُزالة الهوية دائماً، فالملف يبقى في متصفحك.
ما وحدات هاونسفيلد؟
مقياس كثافة في الأشعة المقطعية: الماء 0 والهواء −1000 والعظم الكثيف أكثر من +1000.
ما النافذة والمستوى في CT؟
اختيار مدى من وحدات هاونسفيلد لعرضه على تدرج الرمادي: المستوى مركز المدى والعرض اتساعه. نافذة الرئة مختلفة تماماً عن نافذة العظم.
ما المجسم الاصطناعي (Phantom)؟
حجم ثلاثي الأبعاد مولّد رياضياً بشكل معروف، فنعرف حقيقته الأرضية بدقة ونستطيع قياس أي طريقة تجزئة بموضوعية دون بيانات مرضى.
ما المستويات المحورية والإكليلية والسهمية؟
ثلاثة اتجاهات لقطع الحجم: المحوري أفقي، والإكليلي أمامي، والسهمي جانبي.
ما تنمية المنطقة؟
تبدأ من بذرة وتضيف البكسلات المجاورة ذات الشدة القريبة حتى لا يبقى جار مقبول.
ما تسجيل الصور الطبية؟
محاذاة صورتين لنفس العضو، كصورة قبل العلاج وبعده، بإيجاد التحويل الذي يجعل إحداهما تنطبق على الأخرى.
كيف أعرف أن التسجيل نجح؟
في المختبر نزيح الصورة إزاحة معروفة ثم نقارنها بالإزاحة المقدّرة، ونقيس الخطأ وانخفاض MSE بعد المحاذاة.
لماذا يضعف أداء U-Net على صوري الطبية؟
لأن النموذج المضمّن مدرب على صور رنين قلبية قصيرة المحور فقط. أي صورة من نوع آخر خارج توزيعه، ونتائجه عليها غير ذات معنى.
ما النموذج الطبي المضمّن؟
نموذج ventricular_short_axis_3label من Model Zoo لمشروع MONAI، يجزئ تجويف البطين الأيسر وعضلته وتجويف البطين الأيمن في صور رنين قلبية قصيرة المحور، ورخصته MIT (Eric Kerfoot).
لماذا نستخدم CLAHE في صور الشبكية؟
لإبراز الأوعية والآفات الصغيرة في القناة الخضراء دون تضخيم كبير للضوضاء.
هل صور الشبكية في المختبر حقيقية؟
نعم، صور حقيقية منشورة برخصة CC0 ضمن بيانات scikit-image، ومصدر كل عينة ورخصتها مذكوران في مكتبة العينات. وهي للتعليم فقط.
ما nnU-Net؟
إطار يضبط تلقائياً المعالجة والمعمارية والتدريب لكل مجموعة بيانات طبية، وحقق نتائج قوية في كثير من المسابقات. توجد له بطاقة معرفية فقط.
لماذا لا يكفي Dice وحده في التقييم الطبي؟
لأنه لا يعكس أخطاء الحدود ولا أهمية الأخطاء الصغيرة سريرياً. توصيات Metrics Reloaded تقترح اختيار المقاييس بحسب المشكلة.
ما أثر الضوضاء على التجزئة الطبية؟
تخفض الضوضاء جودة العتبة وتنمية المنطقة، ويمكن رؤية انخفاض Dice مباشرة في تجربة أثر الضوضاء.
ما الذكاء الاصطناعي الطبي المسؤول؟
ممارسات تشمل التحقق الخارجي، والشفافية، وحماية الخصوصية، ومراقبة الانحياز، وإبقاء القرار بيد المختص.
ما التجزئة التقليدية في الصور الطبية؟
طرق لا تحتاج تدريباً مثل العتبة وتنمية المنطقة والعمليات الشكلية. بسيطة وقابلة للتفسير، لكنها حساسة للضوضاء والتباين.
ما خطوات المعالجة المسبقة للصور الطبية؟
عادة: إعادة التوجيه، وإعادة أخذ العينات، والنافذة أو التطبيع، وقص المنطقة المهمة، وأحياناً تصحيح عدم تجانس الحقل.
ما التمدد المجهري الدموي (Microaneurysm) في الشبكية؟
تمدد صغير في الشعيرات يظهر نقاطاً حمراء صغيرة، ومن أولى علامات اعتلال الشبكية السكري. تجربة أوتسو عليها تبين صعوبة فصلها بعتبة بسيطة.
models
لماذا يطلب المختبر تنزيل النموذج عند أول تشغيل؟
الأوزان لا تُحمَّل مع الصفحة حفاظاً على سرعتها. عند أول تشغيل يُنزَّل ملف النموذج ويُتحقق من بصمته SHA-256، ثم يُخزَّن في ذاكرة المتصفح فلا يُنزَّل مرة أخرى.
ماذا يعني أن النموذج «غير مثبت»؟
يعني أن حزمة أوزانه الاختيارية لم يرفعها مدير الموقع بعد. البطاقة تبقى معرفية، ويعرض المختبر النماذج المتاحة فقط ولا يختلق نتائج لنموذج غير موجود.
هل الأرقام المعروضة في بطاقات النماذج من تجاربكم؟
لا. المؤشرات في البطاقات منشورة رسمياً، ولكل رقم رابط مصدره (مثل صفحة النموذج في torchvision). أما زمن الاستدلال المعروض في المختبر فيقاس فعلياً على جهازك لحظة التشغيل.
ما النماذج التي تعمل في المتصفح؟
MobileNetV2 افتراضياً، ومعه بحسب الحزم المثبتة MobileNetV3 وEfficientNet-B0 وResNet-18 وResNet-50 وDeiT-Tiny، وSSDlite للكشف، وLR-ASPP وDeepLabV3 للتجزئة، وU-Net من MONAI للبطين.
من أين جاءت أوزان النماذج؟
من الأوزان الرسمية المنشورة في torchvision وHugging Face (facebook/deit-tiny-patch16-224) وMONAI Model Zoo، حُوّلت إلى ONNX ورُبط كل نموذج برابط مصدره ورخصته.
ما رخص النماذج المضمّنة؟
كود torchvision بترخيص BSD-3-Clause، وأوزان EfficientNet-B0 بترخيص Apache-2.0، وDeiT-Tiny من Hugging Face بترخيص Apache-2.0، ونموذج البطين من MONAI Model Zoo بترخيص MIT. الأوزان مدربة على ImageNet أو COCO أو VOC، وشروط تلك البيانات مذكورة في كل بطاقة.
لماذا لا يوجد Mask R-CNN في المتصفح؟
حجمه وعملياته الديناميكية تجعل تشغيله في المتصفح بطيئاً وغير موثوق، لذا يعمل عبر خادم Python الاختياري فقط.
ما الفرق بين LR-ASPP وDeepLabV3؟
كلاهما يجزئ إلى فئات VOC. LR-ASPP أخف وأسرع، وDeepLabV3 أدق عادة وأثقل.
ما EfficientNet؟
عائلة نماذج توازن العمق والعرض والدقة بمعامل تحجيم مركب. النسخة B0 هي الأصغر.
ما أقدم نموذج في البطاقات؟
LeNet-5 لـ LeCun وزملائه عام 1998 للتعرف على الأرقام المكتوبة، وهو بطاقة معرفية فقط.
كيف يثبّت المسؤول حزمة نموذج؟
يرفع ملف ZIP الحزمة من لوحة الإدارة، فيتحقق النظام من البيان والبصمات والرخص قبل تفعيلها.
evaluation
هل يمكن استخدام نتائج المختبر في بحث علمي؟
المختبر أداة تعليمية. يمكنك الاستشهاد بالمراجع الأصلية المذكورة في كل درس، لكن التجارب البحثية تحتاج إلى بيئة قابلة للتكرار مع بيانات وإعدادات موثقة وتقييم إحصائي سليم.
ما تسرب البيانات؟
وصول معلومات من بيانات الاختبار إلى التدريب، كوجود صور المريض نفسه في المجموعتين، فتبدو النتائج أفضل من الواقع.
لماذا الدقة الكلية مضللة مع عدم توازن الفئات؟
لأن نموذجاً يتنبأ دائماً بالفئة الغالبة قد يحقق دقة عالية. استخدم الاستدعاء والدقة وF1 والدقة المتوازنة.
كيف أقارن نموذجين بإنصاف؟
على البيانات نفسها وبالمعالجة المسبقة نفسها، مع قياس الزمن بعد التسخين وتكرار القياس، وذكر حدود المقارنة.
ماذا يعني تطابق النماذج في مختبر المقارنة؟
نسبة اتفاق النماذج على الفئة العليا للصورة نفسها، وهو ليس مقياس دقة لأنه لا يعتمد على حقيقة أرضية.
هل زمن الاستدلال المعروض ثابت؟
لا. يعتمد على جهازك والمتصفح وحمل المعالج، لذلك يُقاس محلياً في كل تشغيل.
ما مصفوفة الالتباس؟
جدول يقارن التنبؤات بالحقيقة: الإيجابيات الصحيحة والكاذبة والسلبيات الصحيحة والكاذبة.
ما الفرق بين الدقة (Precision) والاستدعاء (Recall)؟
الدقة نسبة التنبؤات الإيجابية الصحيحة من كل التنبؤات الإيجابية، والاستدعاء نسبة الإيجابيات الحقيقية التي اكتُشفت.
basics
ما البكسل؟
أصغر عنصر في الصورة الرقمية، يحمل قيمة شدة (في الرمادي) أو ثلاث قيم ألوان (في RGB). الصورة مصفوفة من البكسلات بأبعاد الارتفاع × العرض × عدد القنوات.
لماذا نحول الصورة إلى الرمادي؟
لتقليل البيانات إلى قناة واحدة حين لا يكون اللون ضرورياً، فتصبح عمليات مثل كشف الحواف والعتبات أبسط وأسرع.
لماذا لا يكون الرمادي متوسطاً بسيطاً للقنوات؟
لأن العين أكثر حساسية للأخضر، فيُستخدم مجموع موزون Y = 0.299R + 0.587G + 0.114B كما في OpenCV.
ما فائدة فضاء HSV؟
يفصل الصبغة عن الإضاءة، فيصبح اختيار لون معين أكثر ثباتاً عند تغير الإضاءة.
معالجة الصور
ما المدرج التكراري للصورة؟
رسم يبين عدد البكسلات عند كل قيمة شدة. يكشف إن كانت الصورة مظلمة أو ساطعة أو منخفضة التباين.
ما الفرق بين معادلة المدرج وCLAHE؟
المعادلة الكلية توزع الشدات على كل الصورة دفعة واحدة وقد تضخم الضوضاء. CLAHE يعمل على مربعات محلية ويقص المدرج عند حد معين، فيحسن التباين المحلي مع ضوضاء أقل.
ما تصحيح غاما؟
تحويل غير خطي للشدة: قيمة γ أقل من 1 تفتّح الظلال، وأكبر من 1 تعتّم الصورة.
لماذا تظهر مناطق بيضاء بالكامل عند زيادة التباين؟
لأن القيم تتجاوز 255 فتُقص إلى الحد الأعلى (التشبع)، وتضيع التفاصيل فيها.
متى أستخدم المرشح الغاوسي ومتى الوسيط؟
الغاوسي مناسب للضوضاء الغاوسية لكنه يطمس الحواف. الوسيط أفضل لضوضاء الملح والفلفل ويحافظ على الحواف أكثر.
ما المرشح الثنائي؟
مرشح ينعّم الصورة بأوزان تعتمد على المسافة المكانية وعلى الفرق في الشدة معاً، فيحافظ على الحواف.
كيف يعمل كاشف Canny؟
تنعيم غاوسي، ثم حساب التدرج، ثم إزالة غير الأعظمي، ثم عتبتان مع تتبع الحواف بالتخلف (Hysteresis).
ما الفرق بين سوبل ولابلاس؟
سوبل مشتق أول يعطي اتجاه الحافة ومقدارها، ولابلاس مشتق ثانٍ متماثل حساس للضوضاء ولا يعطي اتجاهاً.
كيف تختار طريقة أوتسو العتبة؟
تجرب كل عتبة ممكنة وتختار التي تعظّم التباين بين الصنفين (أو تقلل التباين داخل كل صنف) بالاعتماد على المدرج التكراري.
متى تفشل عتبة أوتسو؟
عندما لا يكون المدرج ثنائي القمة، أو تكون الإضاءة غير متجانسة. في الحالة الثانية تكون العتبة التكيفية أنسب.
ما الفرق بين الفتح والإغلاق في العمليات الشكلية؟
الفتح (تآكل ثم تمدد) يزيل النقاط الصغيرة، والإغلاق (تمدد ثم تآكل) يملأ الثقوب الصغيرة.
لماذا تظهر حواف مسننة عند تصغير الصورة؟
بسبب التعرّج (Aliasing). الاستيفاء بالجار الأقرب لا يأخذ متوسط المنطقة، أما طريقة Area فتقلل هذا الأثر.
هل يمكنني تطبيق عدة عمليات متتالية؟
نعم، مختبر المعالجة يدعم سلسلة عمليات تُطبَّق بالترتيب، ويمكن تصدير النتيجة صورةً.
ما التحويل الأفيني؟
تحويل هندسي يحافظ على توازي الخطوط، ويشمل الإزاحة والدوران والتحجيم والقص.
ما قناع التمويه غير الحاد (Unsharp masking)؟
زيادة الحدة بطرح نسخة منعّمة من الصورة وإضافة الفرق إليها مضروباً في معامل.
ما التطبيع Min-Max؟
تحويل القيم خطياً إلى مدى محدد مثل 0–1 بطرح الأدنى والقسمة على المدى.
deep
ما الالتفاف في الشبكات العصبية؟
مرور نواة صغيرة على الصورة وحساب مجموع حاصل ضرب عناصرها في البكسلات المقابلة عند كل موضع. تقنياً تنفذ أغلب المكتبات الارتباط المتقاطع (Cross-correlation).
كيف أحسب حجم خريطة السمات؟
O = ⌊(N + 2P − K) / S⌋ + 1، حيث N حجم الدخل وP الحشو وK حجم النواة وS الخطوة.
ما فائدة الحشو؟
يحافظ على الأبعاد المكانية ويمنع إهمال البكسلات عند الأطراف.
ما فائدة التجميع الأعظمي؟
يقلل الأبعاد ويمنح قدراً من الثبات أمام الإزاحات الصغيرة.
لماذا نستخدم ReLU؟
لأنها تضيف اللاخطية بكلفة ضئيلة، ولا تتشبع في الجزء الموجب فتخفف تلاشي التدرج.
ما Softmax؟
دالة تحول مخرجات الطبقة الأخيرة إلى احتمالات موجبة مجموعها 1.
هل نسبة الثقة في التصنيف احتمال حقيقي؟
ليست بالضرورة. الشبكات الحديثة كثيراً ما تكون مفرطة الثقة، ولا يعني 90% أن النموذج يصيب في 90% من الحالات ما لم يُعاير.
لماذا يخطئ المصنف في صورتي؟
قد تكون الفئة غير موجودة ضمن فئات ImageNet الألف، أو الصورة مختلفة عن توزيع التدريب، أو الكائن صغيراً. جرّب Grad-CAM لترى ما ركز عليه النموذج.
لماذا أسماء الفئات بالإنجليزية؟
أسماء فئات ImageNet الألف رسمية بالإنجليزية، ولا توجد ترجمة عربية معتمدة لها كلها، فتركناها كما هي تجنباً لترجمة خاطئة.
ما التطبيع الدفعي؟
تطبيع مخرجات الطبقة بمتوسط الدفعة وتباينها ثم إعادة تحجيمها بمعلمات متعلمة، مما يسرّع التدريب ويثبّته.
ما فكرة الاتصال المتبقي في ResNet؟
تتعلم الكتلة الفرق F(x) وتضيفه إلى الدخل x، فتسهل تدريب الشبكات العميقة جداً.
لماذا MobileNet خفيف؟
يستبدل الالتفاف العادي بالتفاف عمقي ثم نقطي، مما يقلل الحسابات والمعلمات كثيراً.
ما التعلم بالنقل؟
إعادة استخدام شبكة مدربة على بيانات كبيرة مثل ImageNet ثم ضبطها على مهمة جديدة ببيانات أقل.
ما المحول البصري ViT؟
نموذج يقسّم الصورة إلى رقع ويعاملها كسلسلة رموز تمر عبر طبقات انتباه ذاتي.
ما الفرق بين ViT وDeiT؟
DeiT يستخدم معمارية ViT نفسها مع وصفة تدريب وتقطير تجعله يتدرب على ImageNet-1K وحده بكفاءة. النسخة Tiny متاحة في المختبر.
ماذا تعني خرائط السمات المتعلمة؟
مخرجات المرشحات في طبقات الشبكة. الطبقات الأولى تلتقط حوافاً وألواناً، والأعمق تلتقط أنماطاً أعقد.
كيف يعمل النموذج في المتصفح؟
يُحوَّل النموذج إلى صيغة ONNX ويُشغَّل بمكتبة ONNX Runtime Web عبر WebAssembly داخل Web Worker منفصل حتى لا تتجمد الصفحة.
لماذا الاستدلال الأول أبطأ؟
لأنه يشمل تنزيل النموذج وتهيئة الجلسة. القياسات التالية أدق في تمثيل زمن الاستدلال الفعلي.
هل يمكنني إيقاف تشغيل نموذج بطيء؟
نعم، زر الإلغاء ينهي العامل الذي يشغّل النموذج فوراً.
هل يمكن أن تختلف النتيجة عن PyTorch؟
قد تختلف قليلاً بسبب الدقة العددية (fp16 أو fp32) وطريقة تغيير الحجم، لكن الفئة العليا تتطابق عادة. اختبرنا المطابقة قبل النشر.
ما الانتباه الذاتي؟
آلية تحسب لكل رمز مجموعاً موزوناً لقيم كل الرموز، بأوزان من تشابه الاستعلام والمفتاح: softmax(QKᵀ/√d)V.
ما التطبيع الذي تحتاجه نماذج ImageNet؟
تحويل القيم إلى 0–1 ثم طرح المتوسط (0.485، 0.456، 0.406) والقسمة على الانحراف المعياري (0.229، 0.224، 0.225) لكل قناة، ويطبقه المختبر تلقائياً.
لماذا يختلف التعلم العميق عن المعالجة التقليدية؟
المعالجة التقليدية تعتمد مرشحات يصممها الإنسان، والتعلم العميق يتعلم المرشحات من البيانات.
ما المعماريات الالتفافية الشهيرة؟
LeNet ثم AlexNet ثم VGG ثم ResNet، ثم النماذج الكفؤة مثل MobileNet وEfficientNet.
ما التقطير المعرفي في DeiT؟
تدريب النموذج الطالب بمساعدة نموذج معلم عبر رمز تقطير مخصص يتعلم من تنبؤات المعلم.
التفسير البصري وخرائط الانتباه
ما Grad-CAM؟
طريقة تحسب تدرج درجة الفئة بالنسبة إلى خرائط السمات الأخيرة، وتستخدم متوسطه وزناً لكل قناة، فتنتج خريطة حرارية تبين المناطق المؤثرة في القرار.
لماذا خريطة Grad-CAM خشنة؟
لأنها تُحسب على دقة آخر طبقة التفافية (مثل 7×7) ثم تُكبَّر إلى حجم الصورة.
ما الفرق بين Grad-CAM وGrad-CAM++؟
Grad-CAM++ يستخدم أوزاناً من مشتقات أعلى رتبة، فيغطي عادة أكثر من مثيل للفئة في الصورة بشكل أفضل.
هل الخريطة الحرارية تثبت أن النموذج «يفهم»؟
لا. هي تبين ما أثر في المخرج، لا سبب ذلك. وقد تبدو معقولة حتى لنموذج يعتمد على ارتباطات زائفة، لذا تُقيَّم بفحوص مثل اختبارات السلامة.
ما حساسية الإخفاء (Occlusion)؟
تغطية رقعة من الصورة وقياس انخفاض درجة الفئة. المناطق التي يسبب إخفاؤها انخفاضاً كبيراً تكون مهمة.
لماذا يختلف LIME بين تشغيلين؟
لأنه يعتمد على عينات عشوائية من البكسلات الفائقة. تثبيت البذرة يعيد النتيجة نفسها، وتغييرها يكشف مدى استقرار التفسير.
ما التدرجات المتكاملة؟
تجمع التدرجات على طول مسار من صورة أساس (غالباً سوداء) إلى الصورة الأصلية، وتحقق خاصية الاكتمال. تُشغَّل في هذا المختبر عبر خادم Python الاختياري.
ما خرائط الانتباه في المحولات؟
تبين أوزان الانتباه بين الرموز. طريقة Attention Rollout تضرب مصفوفات الانتباه عبر الطبقات لتقدير تأثير كل رقعة.
ماذا يعني تطابق طرق التفسير؟
نسبة تداخل المناطق الأهم بين طريقتين. التطابق المرتفع لا يثبت الصحة، والمنخفض يدعو إلى الحذر في الاعتماد على أي منهما.
هل يمكنني اختيار الفئة التي أفسرها؟
نعم، يمكنك اختيار أي فئة من أعلى النتائج ورؤية المناطق التي تدعمها.
ما البكسلات الفائقة SLIC؟
تجميع البكسلات المتقاربة لوناً ومكاناً إلى مناطق متجانسة، وتستخدمه LIME وحدات للتفسير.
اكتشاف الأجسام
ما الفرق بين التصنيف والكشف؟
التصنيف يعطي فئة للصورة كلها، والكشف يحدد موقع كل كائن بصندوق وفئة ودرجة ثقة.
ما IoU؟
نسبة مساحة التقاطع بين صندوقين إلى مساحة اتحادهما، وتُستخدم في مطابقة التنبؤات وفي NMS.
ما إزالة غير الأعظمي NMS؟
تبقي الصندوق الأعلى ثقة وتحذف الصناديق المتداخلة معه فوق عتبة IoU معينة، لكل فئة.
ماذا يحدث عند خفض عتبة الثقة؟
تظهر كائنات أكثر لكن مع إيجابيات كاذبة أكثر. رفعها يقلل الأخطاء ويفوّت بعض الكائنات.
ما المراسي (Anchors)؟
صناديق مرجعية بأحجام ونسب محددة مسبقاً، يتنبأ الكاشف بإزاحات بالنسبة إليها بدل التنبؤ بالإحداثيات مباشرة.
ما الفرق بين SSD وFaster R-CNN؟
SSD كاشف أحادي المرحلة سريع. Faster R-CNN ثنائي المرحلة: يقترح مناطق ثم يصنفها، وهو أدق عادة وأبطأ، ويعمل هنا عبر الخادم الاختياري.
ما مقياس mAP؟
متوسط الدقة المتوسطة عبر الفئات، حيث تُحسب الدقة المتوسطة من منحنى الدقة والاستدعاء عند عتبة IoU معينة أو متوسط عتبات.
لماذا لا يكتشف SSDlite الكائنات الصغيرة؟
لأن دخله 320×320 وخرائط سماته الخشنة تحد من دقة الكائنات الصغيرة. هذه محدودية معروفة للكواشف الخفيفة.
ما فئات COCO؟
80 فئة كائنات يومية مثل الإنسان والسيارة والكلب. الكاشف المضمّن مدرب عليها ولا يكتشف غيرها.
هل يدعم المختبر YOLO؟
توجد بطاقة معرفية لعائلة YOLO، لكن لا يُشغَّل أي نموذج YOLO هنا لأن أغلب أوزانه الحديثة برخص لا تناسب التوزيع ضمن الإضافة.
ما الكشف بمقترحات المناطق؟
نهج ثنائي المرحلة: شبكة تقترح مناطق محتملة ثم يُصنَّف كل منها وتُضبط حدوده.
تجزئة الصور
ما الفرق بين التجزئة الدلالية والمثيلية والشاملة؟
الدلالية تعطي كل بكسل فئة، والمثيلية تفصل كل كائن على حدة، والشاملة تجمع الاثنين فتغطي الأشياء القابلة للعد والخلفيات.
ما فئات VOC في التجزئة؟
21 صنفاً (20 فئة + الخلفية) من مجموعة PASCAL VOC، وهي التي تُخرجها نماذج التجزئة المضمّنة.
كيف يعمل التقسيم المثيلي في المتصفح؟
نقرّب التجزئة المثيلية بفصل المكونات المتصلة في قناع التجزئة الدلالية. هذا تقريب تعليمي، أما Mask R-CNN الحقيقي فيعمل عبر الخادم الاختياري.
ما معامل Dice؟
ضعف التقاطع مقسوماً على مجموع حجمي القناعين، وقيمته بين 0 و1.
ما الفرق بين Dice وIoU؟
كلاهما يقيس التداخل، وبينهما علاقة رتيبة: Dice = 2·IoU / (1 + IoU). Dice أعلى قيمةً دائماً عند التداخل الجزئي.
كيف أقيس دقة التجزئة على صورتي؟
ارفع قناع الحقيقة الأرضية بالأبعاد نفسها، وسيحسب المختبر Dice وIoU والدقة والاستدعاء ومصفوفة الالتباس.
لماذا يختلف نموذجا التجزئة على الصورة نفسها؟
لاختلاف المعمارية ودقة المخرج وبيانات التدريب. المختبر يحسب نسبة التطابق بينهما بكسلاً بكسلاً.
ما U-Net؟
شبكة مشفر ومفكك مع وصلات تخطٍّ تنقل التفاصيل المكانية، وصارت معياراً في التجزئة الطبية.
ما الشبكة الالتفافية الكاملة FCN؟
شبكة تستبدل الطبقات الكثيفة بالتفافات فتُخرج خريطة تنبؤ لكل بكسل.
ما شفافية التراكب في التجزئة؟
تتحكم في مقدار ظهور القناع الملون فوق الصورة، ولا تغير النتيجة نفسها.
server
ما خادم Python الاختياري؟
خدمة FastAPI منفصلة يشغّلها المسؤول لتنفيذ النماذج الثقيلة مثل Faster R-CNN وMask R-CNN والتدرجات المتكاملة. المختبر يعمل كاملاً دونه.
لماذا يطلب المختبر موافقتي قبل إرسال الصورة للخادم؟
لأن الإرسال يخرج الصورة من متصفحك. نطلب الموافقة في كل مرة ولا نرسل شيئاً دونها.
assistant
ما المساعد الذكي في المختبر؟
مساعد يجيب من محتوى المختبر فقط: الدروس والخوارزميات والتجارب والنماذج والأسئلة الشائعة، ويعرض مصادره. يعمل محلياً افتراضياً دون أي خدمة مدفوعة.
هل يجيب المساعد عن أي سؤال؟
لا. نطاقه الرؤية الحاسوبية ومحتوى المختبر. الأسئلة خارج النطاق يعتذر عنها ويقترح موضوعاً قريباً.
هل يستخدم المساعد نموذج لغة خارجياً؟
يمكن للمسؤول تفعيل مزود خارجي اختيارياً. حتى عندها يجيب النموذج من المقاطع المسترجعة من قاعدة المختبر فقط، ويُذكر ذلك في الإجابة.
هل يرى المساعد صوري؟
لا. المساعد يستقبل نص سؤالك واسم المختبر الحالي فقط، ولا يستقبل الصور.
هل يمكن للمساعد شرح نتيجتي؟
يمكنه شرح معنى المقاييس والخرائط مثل Dice أو Grad-CAM أو عتبة NMS من محتوى المختبر، لكنه لا يحلل صورتك ولا يخترع أرقاماً.
