شخصيصعب

التعرّف الدقيق على طرازات السيارات

دراسة في التعلم العميق تتعرّف على الطراز الدقيق للسيارة في الصورة: شبكة CNN مُدرَّبة من الصفر، و٢٥ متغيرًا بتغيير واحد، وتعلّم بالنقل تبلغ فيه شبكة ResNet مُدرَّبة مسبقًا على ١٫٢٥ مليون صورة سيارات دقة ٩٢٫٢٪ على Stanford Cars، مع عرض توضيحي على iOS يعمل على الجهاز نفسه.

— نظرة عامة

نظرة عامة على البنية

عرض توضيحي على iOS

الدفتر

التدريب المسبق

مجموعات البيانات

٢٢٤ بكسل، ٩٢٫٢٪

DVM-CAR
١٫٤٥ مليون صورة، ٨٦٥ طرازًا

DVM-100
١٠٠ طراز

Stanford Cars
١٩٦ فئة

شبكة ResNet الخاصة بنا
رؤوس للعلامة والطراز والسنة واللون

المهمة ١: CNN من الصفر

المهمة ٢: ٢٥ متغيرًا بتغيير واحد

المهمة ٣: ٦ إعدادات للنقل

YOLO يحدد السيارة

مصنّف ONNX يسمّيها

مشروع فردي في التعلم العميق لمقرر AIDE500 ضمن ماجستير هندسة البيانات في الجامعة اللبنانية: التعرّف على الطراز الدقيق للسيارة من صورة، كأن تكون BMW 3 Series لا 5 Series. إنه تصنيف دقيق (fine-grained)، تتشارك فيه فئات كثيرة التصميم نفسه ولا تختلف إلا في شبكة أمامية أو مصباح أو نِسب الهيكل.

تتبع الدراسة مهام التكليف الثلاث في دفتر واحد. تضع شبكة CNN بسيطة من ثماني طبقات، مُدرَّبة من الصفر على ١٠٠ طراز، خطَّ الأساس عند دقة اختبار ٦٧٫٠٪ مقابل ١٪ للتخمين العشوائي، وأخطاؤها أزواج متشابهة من العلامة نفسها. ثم يغيّر كلٌّ من خمسة وعشرين متغيرًا شيئًا واحدًا، بالبيانات والبذرة العشوائية وعدد الحقب نفسها، فيُعزى كل فرق إلى ذلك التغيير: يتبيّن أن التطبيع الدفعي (batch normalisation) أساسي، فبدونه تبقى الشبكة عند مستوى الصدفة، وأن حذف الطبقات يكلّف أكثر بكثير مما تكسبه إضافتها.

النتيجة الأبرز تتعلق بالمصدر الذي ينبغي أن يأتي منه التدريب المسبق. شبكة ResNet دُرّبت من أوزان عشوائية على DVM-CAR بأكملها، نحو ١٫٢٥ مليون صورة من إعلانات السيارات، لقرابة اثنتي عشرة ساعة، تنتقل إلى Stanford Cars أفضل بكثير من ResNet-18 المدرَّبة على ImageNet: ‏٨٩٫٩٪ بعد الضبط الدقيق عند ١٢٨ بكسل مقابل ٧٣٫٦٪، بأوزان أقل بأربع مرات، و٩٢٫٢٪ عند ٢٢٤ بكسل. وتتجاوز أفضل دقة لشبكة التدريب من الصفر بعد حقبتين فقط، وحين تُضبط على ربع البيانات تتفوّق مع ذلك على التدريب من الصفر على البيانات كلها. دُرّب كل إعداد مرة واحدة، لذا يعامل الدفتر الفروق التي لا تتجاوز نقطة أو نقطتين على أنها ضجيج لا نتائج.

الميزات الرئيسية:

  • تقسيمات مجمّعة حسب الإعلان، فلا تقع صور السيارة الواحدة في التدريب والاختبار معًا
  • خمسة وعشرون متغيرًا يغيّر كلٌّ منها عاملًا واحدًا، تشمل العمق والنوى وتقليص الأبعاد والتطبيع ودالة التفعيل والمُحسِّن ومعدّل التعلّم وجداوله والتوسيع، بما فيه MixUp وCutMix
  • شبكة ResNet متعددة الرؤوس مُدرَّبة مسبقًا على DVM-CAR للعلامة والطراز والسنة واللون، بدقة ٩٢٫٩٪ على ٨٦٥ طرازًا
  • ستة إعدادات للتعلّم بالنقل تُقارن من حيث الدقة وسرعة التقارب وكفاءة البيانات
  • تقييم دون مربعات الإحاطة، أقرب إلى صورة مستخدم حقيقي (تنخفض ٨٩٫٩٪ إلى ٨٠٫٨٪)
  • تعديل اللوجيتات (logit adjustment) لمعالجة الذيل الطويل، إذ لدى ٢٢٤ من أصل ٨٦٥ طرازًا أقل من ٢٠ صورة
  • عرض توضيحي على iOS بـ Flutter: يحدد YOLO السيارة، وتسمّيها الشبكة المدرَّبة على ٢٢٤ بكسل بعد تصديرها إلى ONNX، على الجهاز نفسه

التقنيات المستخدمة:

  • التدريب: Python، PyTorch، torchvision، Apple Silicon (MPS)
  • التحليل: Jupyter، pandas، NumPy، Matplotlib
  • البيانات: DVM-CAR، Stanford Cars، أوزان ResNet-18 من ImageNet
  • الهاتف: Flutter بعناصر Cupertino، Dart، ONNX Runtime، Ultralytics YOLO

عمل جامعي، لذا يبقى المستودع خاصًا.

— التقنيات
PythonPyTorchالتعلم الآليالرؤية الحاسوبيةFlutterDartiOSالتعلم العميقJupyterONNXYOLOpandasNumPy