في عالم الذكاء الاصطناعي، يسعى الباحثون دائمًا لتطوير تقنيات جديدة تعزز من القدرة على تحليل البيانات وتحقيق نتائج دقيقة. نتحدث اليوم عن دراسة جديدة قُدِمَت في arXiv والتي تركز على "التحقق من القرابة" باستخدام مفهوم الشبكات العصبية الغابية (Forest Neural Networks).

في الماضي، كانت طرق التحقق من القرابة تعتمد بشكل كبير على تمثيلات الوجه، لكن تلك الطرق كانت أقل دقة مقارنة بالتمثيلات المشتركة لصور الوجه بين الآباء والأبناء. وقد طوّر الباحثون approach جديدة تستفيد من مفاهيم الشبكات العصبية البيانية لتطبيق تمثيلات الوجه، محققين نتائج مماثلة للطرق التقليدية.

ولتعزيز أداء النموذج، قام الفريق بتصميم هيكل وحدة التصنيف وإدخال مجموعة جديدة من الخسائر تعمل على دمج فقدان المركز تدريجيًا أثناء تدريب الشبكة. هذه الابتكارات أثبتت فعاليتها خلال التجارب التي أجريت على مجموعتي بيانات KinFaceW-I وII، حيث تم تحقيق أفضل نتيجة على KinFaceW-II بمعدل زيادة يقرب من 1.6 لجميع أنواع القرابة، بينما اقتربت النتائج من المثالية على KinFaceW-I.

هذا البحث يفتح آفاقاً جديدة في مجال فهم الروابط العائلية ويعزز الدقة في التطبيقات المرتبطة بالتحقق من الهوية. إذا كنت مهتمًا بمواكبة أحدث التطورات في الذكاء الاصطناعي، فلا تفوت فرصة استكشاف الكود المتاح على GitHub لمراجعة هذه التكنولوجيا الجديدة.