شارك
الرئيسية
1 دقيقةما هي خريطة المزايا؟
تُعرف خريطة المزايا في التعلم الآلي بأنها ناتج الطبقة الالتفافية الناتجة عن استخراج المرشحات من الصورة، وهذه المرشحات عبارة عن أقسام صغيرة من الصورة والتي ستكون لها ميزات مختلفة، ويجب أن يؤدي عدد المرشحات المستخدمة في الإدخال إلى إنشاء العدد نفسه من خرائط المزايا.
كيفية ضبط خريطة المزايا
يتم التحكم بحجم خريطة المزايا من خلال ثلاث معلمات يتم تحديدها قبل البدء بتنفيذ خطوة الالتفاف في الشبكة العصبونية الالتفافية على صورة ما، وهي ما يلي:
- تحديد الخطوة (N): يشير هذا إلى عدد البكسلات التي يقطعها المرشح بعد كل عملية ضرب على صورة الإدخال، وتقلل قيمة الخطوة الكبيرة من حجم خريطة المزايا.
- العمق: يشير العمق إلى عدد المرشحات المستخدمة في عملية الالتفاف إذ يعطي كل مرشح خريطة ميزة فردية، مثلاً ستعطي المرشحات عدد 3 خرائط مزايا بعدد 3.
- الحشوة الصفرية: هي عملية توفير حشوة لصورة الإدخال الأصلية عن طريق إلحاق بكسلات إضافية بحدود صورة الإدخال وتُسمَّى أيضاً الالتفاف الواسع.
استخدامات خريطة المزايا
تُستخدم خرائط المزايا في الشبكات العصبية الالتفافية لعدة أسباب، إليك أهمها:
- اكتشاف المزايا المهمة: تلتقط خرائط المزايا أنماطاً منخفضة المستوى، ولكن أثناء انتشارها إلى طبقات متتالية، تكتشف أنماطاً جديدة وتقوم بدمجها لتشكيل مزايا عالية المستوى.
- مشاركة المزايا: يتم تمرير خريطة ميزة عبر طبقات متعددة في الشبكة العصبونية لمعالجة الصور، وبالتالي فإن المزايا التي وجدتها الطبقات السابقة تنتشر في كل طبقة تليها.
- التعرّف على الكائنات: يمكن تمرير خرائط المزايا إلى شبكة عصبونية اصطناعية لتدريبها على التنبؤ بالكائنات الموجودة في الصورة.
- تقطيع الصورة الرقمية: تساعد خرائط المزايا على تقسيم الصورة إلى أجزاء مختلفة، يمثّل كل منها جزءاً ذا مغزى من الصورة.