إن التجزؤ في الصور مهمة حاسمة في الرؤية الحاسوبية تنطوي على تقسيم صورة إلى مناطق ذات معنى، ويمكن أن يؤدي تطبيق تقنيات التعلم الآلي إلى تعزيز دقة وكفاءة هذه العملية، وتوفر هذه المادة نهجا تدريجيا لتطبيق التعلم الآلي في مجال تجزؤ الصور.

فهم الفصل التصويري

ويهدف تقسيم الصور إلى تصنيف كل كيس في صورة إلى فئات محددة مسبقاً، وهو يستخدم في مختلف التطبيقات مثل التصوير الطبي، والمركبات المستقلة، والاعتراف بالأشياء.

إعداد بيانات التعلم في مجال الآلات

ويشمل إعداد البيانات جمع وتنوير الصور لإنشاء مجموعة بيانات مسمّاة بالعلامات، والوسم السليم أساسي لنماذج التعلم الخاضعة للإشراف، وينبغي أن تكون مجموعة البيانات متنوعة وأن تمثل سيناريوهات العالم الحقيقي التي سيطبق فيها النموذج.

اختيار وتدريب نموذج

وتشمل النماذج الشعبية لتقسيم الصور شبكة يو إن و ماسك ر - ن، وديب لب، وهي نماذج تُدرَّب باستخدام مجموعات بيانات مسمّاة لتعلم الملامح المرتبطة بمناطق مختلفة، ويشمل التدريب تعديل البارامترات النموذجية للتقليل إلى أدنى حد من أخطاء التنبؤ.

تقييم الأداء وتحسينه

ويقيَّم الأداء النموذجي باستخدام مقاييس مثل التقاطع بين الاتحاد ومعامل الديس، ويمكن أن تؤدي تقنيات مثل زيادة البيانات، والتغطية بمسافات عالية، والتعلم في مجال النقل إلى تحسين الدقة، ويكفل التقييم المستمر تكييف النموذج جيدا مع البيانات الجديدة.