تصحيح الترتيب التكييفي: نهج مركزي للبيانات في تصنيف الصور الترتيبي مع تسميات مشوشة

في عالم [التعلم](/tag/التعلم) العميق، تُعتبر [البيانات المصنفة](/tag/[البيانات](/tag/البيانات)-المصنفة) من العناصر الأساسية لتدريب [النماذج](/tag/النماذج) في مهام [الرؤية الحاسوبية](/tag/[الرؤية](/tag/الرؤية)-الحاسوبية). ولكن، عملية [التصنيف](/tag/التصنيف) قد تُواجه صعوبات كبيرة عندما يتعلق الأمر بتمييز الحدود بين الأصناف، خاصة في [تصنيف الصور](/tag/[تصنيف](/tag/تصنيف)-[الصور](/tag/الصور)) الترتيبي (Ordinal Image Classification) حيث يمكن أن تكون التسميات محبطة ومشوشة.

لذا، تظهر الحاجة الملحة للتعامل مع الضجيج في التسميات؛ حيث يُمكن أن تؤثر التسميات الخاطئة بشكل كبير على [أداء](/tag/أداء) ومصداقية [نماذج الذكاء الاصطناعي](/tag/[نماذج](/tag/نماذج)-الذكاء-الاصطناعي). ولهذا الغرض، تُقدم [دراسة جديدة](/tag/[دراسة](/tag/دراسة)-جديدة) مقاربة مبتكرة تُعرف باسم "تصحيح الترتيب التكييفي" (ORDinal Adaptive Correction - ORDAC) التي تهدف إلى [تصحيح التسميات](/tag/تصحيح-التسميات) المشوشة إذا لم يكن بالإمكان التخلص منها.

تتعمق هذه [الدراسة](/tag/الدراسة) في كيفية استخدام [تقنيات](/tag/تقنيات) [تعلم](/tag/تعلم) توزيع التسميات (Label Distribution Learning - LDL) للنموذجين الخفيين من [الغموض](/tag/الغموض) وعدم اليقين الموجودين في التسميات الترتيبية. بدلاً من تجاهل العينات المشوشة، يقوم نظام ORDAC بتعديل المتوسط والانحراف المعياري لتوزيع التسميات لكل عينة، مما يساهم في [تحسين](/tag/تحسين) الاستفادة من [مجموعة البيانات](/tag/مجموعة-[البيانات](/tag/البيانات)) التدريبية بالكامل.

تم [تقييم](/tag/تقييم) فعالية هذه الطريقة على عدة [مجموعات بيانات](/tag/مجموعات-[بيانات](/tag/بيانات)) مرجعية، بما في ذلك تقدير العمر (Adience) وكشف شدة [الأمراض](/tag/الأمراض) (Diabetic Retinopathy) في ظل سيناريوهات ضجيج غاوسي غير متوازن. وتظهر النتائج أن ORDAC، بجانب نسخته المعدلة (ORDAC_C وORDAC_R)، حققت تحسنًا ملحوظًا في [الأداء](/tag/الأداء) النموذجي. فعلى سبيل المثال، في [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) Adience مع 40% من الضجيج، [تمكن](/tag/تمكن) ORDAC_R من خفض الخطأ المطلق إلى 0.62 وزيادة معدل الاسترجاع من 0.37 إلى 0.49.

دليلاً على فعالية هذا النظام، تثبت النتائج كيف يمكن للتصحيح التكيفي للتسميات، بفضل استخدام [توزيعات](/tag/توزيعات) التسميات، أن يعزز من [قوة](/tag/قوة) وموثوقية [نماذج](/tag/نماذج) [التصنيف](/tag/التصنيف) الترتيبي حتى في ظل وجود [بيانات](/tag/بيانات) مشوشة. هل ترى أن هذه الطريقة يمكن أن تحدث ثورة في مجال [تصنيف الصور](/tag/[تصنيف](/tag/تصنيف)-[الصور](/tag/الصور))؟ شاركنا برأيك في [التعليقات](/tag/التعليقات)!