مختبر الرؤية الحاسوبية الدروس منهجية مقارنة النماذج
منهجية مقارنة النماذج
How to compare models fairly
المعالجة نفسها، والبيانات نفسها، والمقياس نفسه: قواعد المقارنة العادلة.
هذا المحتوى أُعدّ آلياً من مصادر موثقة ولم تكتمل مراجعته العلمية البشرية بعد. إن وجدت خطأً فأبلغنا.
المقدمة
أكثر الادعاءات المضللة في أوراق الذكاء الاصطناعي تأتي من مقارنات غير عادلة.
الأهداف التعليمية
- تحديد شروط المقارنة العادلة.
- التمييز بين الدقة المنشورة والقياس المحلي.
- قياس الزمن بشكل صحيح.
المتطلبات السابقة
تصنيف الصور.
الشرح العلمي
لا تُقارن دقتان إلا إذا قيستا على مجموعة الاختبار نفسها، وبالمعالجة المسبقة نفسها، والمقياس نفسه. الزمن يتأثر بالجهاز والمحرك والخيوط وأول تشغيل (التحميل والتهيئة). الصورة الواحدة لا تعطي «دقة» بل اتفاقاً أو اختلافاً.
المعادلات الرياضية
فترة ثقة تقريبية لدقة p على n عينة: p ± 1.96·√(p(1−p)/n).
مثال عملي
مختبر المقارنة يعرض زمن التشغيل الأول والزمن بعد التحميل منفصلين، واتفاق التوقع الأول، وتداخل قوائم أعلى خمسة.
خطوات التنفيذ
- افتح مختبر المقارنة.
- اختر نموذجين أو أكثر.
- قارن على عدة صور قبل أي استنتاج.
النتائج المتوقعة
اختلاف الزمن بين أول تشغيل والتالي.
الأخطاء الشائعة
مقارنة نموذج مقيس على ImageNet بآخر مقيس على بيانات أخرى.
التطبيقات العملية
كتابة الأوراق، اختيار النماذج للإنتاج.
المراجع
- O. Russakovsky et al. (2015).ImageNet Large Scale Visual Recognition Challenge. International Journal of Computer Vision 115. doi:10.1007/s11263-015-0816-y
- L. Maier-Hein et al. (2024).Metrics reloaded: recommendations for image analysis validation. Nature Methods 21. doi:10.1038/s41592-023-02151-z
