أساسيات نافذة التعليقات التوضيحية

شرح البيانات لاكتشاف الأجسام

نظرة أولى

ستحتاج إلى حاسوب مزود بـ Nvidia GPU متوافق، وتمكين دعم AugeLab Studio AI/GPU، وتثبيت الحزمة المطلوبة عبر نافذة Module Downloader Window.

تسمح نافذة Image Annotation في AugeLab Studio للمستخدمين بوضع تسميات على الصور عن طريق رسم صناديق محيطة (bounding boxes) حول الأجسام المطلوبة وربطها بفئات محددة.

البدء

لفتح نافذة Image Annotation، اذهب إلى القائمة العلوية واضغط على "AI Tools" ➡️ "Image Annotation".

لعملية التعليق (annotation) على الصور تحتاج إلى شيئين:

1. ملف .class

2. مجموعة بيانات (Dataset)

ملف الفئات (Class File)

لتمييز بياناتك، تحتاج أولاً إلى ملف classes.names، وهو ملف نصي قياسي بامتداد .names. ملف الفئات النموذجي يبدو كالتالي:

Human
Dog
Cat
Cup

إذا لم يكن لديك مثل هذا الملف، يمكنك إنشاء ملفك الخاص باستخدام قسم Classes:

لإنشاء ملف الفئات الخاص بك:

1. اكتب اسم الفئة

2. اضغط على + لإضافة فئاتك.

3. اضغط على Save Classes (الزر الثالث) وستصبح جاهزًا لاختيار مجلد الصور.

يمكنك أيضًا الضغط على - لإزالة أي فئات غير مرغوب فيها.

تحميل مجلد الصور

تأكد أن مسار مجلد مجموعة البيانات لا يحتوي على أحرف غير إنجليزية.

اضغط على Open Folder أعلى الشاشة واختر المجلد الذي يحتوي على جميع صورك:

بعد الضغط على Open Folder، ستظهر نافذة حوار تطلب منك اختيار المجلد وملف الفئات:

اختيار صورة من القائمة: بعد تحميل مجلد الصور، سيُعرض قائمة الصور المتاحة. انقر على صورة لاختيارها للتعليق.

تعليق الصور (Annotating Images)

عملية التعليق بسيطة جدًا. انقر عند الركن العلوي الأيسر من الكائن الذي تريد تمييزه، اسحب الفأرة وأفلت عند الانتهاء!

Annotation Window

يجب أن تحيط صناديق الـ Bounding Boxes بالكائن بشكل محكم دون تضمين خلفية زائدة. هذا يساعد النموذج على تعلم التركيز على السمات ذات الصلة للكائن.

Bad Annotation

Good Annotation

استخدام لوحة Dataset

تتضمن لوحة Dataset عدة وظائف مفيدة:

1. وظيفة Filter التي تتيح لك تصفية صور فئات متعددة:

   • All جميع الصور سواء كانت معنونة أم لا

   • Annotated الصور التي تحتوي على تسميات معها

   • Empty الصور التي لا تحتوي على تسميات، لكنها مدرجة في التدريب. هذا يعني أن وجود أشياء غير موسومة قد يؤثر سلبًا على التدريب.

   • Excluded الصور التي ليس لها ملف تسمية. هذا يعني أنها لا تؤثر على التدريب على الإطلاق.

2. وظيفة Search تتيح لك تصفية الصور حسب أسمائها.

تعليق الفيديوهات

يمكنك أيضًا التعليق على ملفات الفيديو باستخدام وضع Video في أعلى النافذة:

تغيير وضع الفيديو سيطلب منك مسار ملف. اختيار الفيديو سيسمح لك بالتعليق عليه تمامًا كما تفعل مع مجلد الصور!

الأدوات

توجد عدة أدوات داخل Annotation Tool لمساعدتك أثناء إعداد مجموعة البيانات:

تحليل تكرار الفئات (Class Frequency Analysis)

النقر على تحليل تكرار الفئات سيقوم بتحليل وإظهار عدد الفئات الموجودة في مجموعة بياناتك.

هذا مفيد للتحقق مما إذا كانت مجموعة البيانات متوازنة أم لا.

توسيع/زيادة مجموعة البيانات (Augment Dataset)

يقوم AugeLab Studio تلقائيًا بتطبيق augmentations على مجموعة البيانات. التوسيع هو عملية إنشاء بيانات مشابهة صناعيًا.

يتم شرح هذا الموضوع بالتفصيل في صفحة Augmenting Your Dataset.

🛠️ استكشاف أخطاء رؤية الذكاء الاصطناعي وإصلاحها

إذا كانت نماذج AI لا تعمل كما تتوقع، استخدم هذه التبديلات السريعة لضبط الأداء.

🚫 "لا يعلّم بأي شيء" (Zero Detections)

عندما يكون AI "خجولًا" جدًا في وضع التسميات، عادة ما تكون المشكلة في العتبة أو الوصف النصي.

• Lower Confidence: خفّض قيمة Confidence Threshold قليلًا.

• Text Sensitivity: في حالة استخدام Grounding DINO، خفّض Text Threshold لتكون أقل تشددًا في مطابقة الكلمات.

• كن محددًا: بدلًا من "part" استخدم وصفًا بصريًا مثل "silver metal bolt" أو "red plastic cap".

• تحقق من القوائم: تأكد أن قائمة الفئات محمّلة فعلًا في إعدادات الوحدة وليست فارغة.

📦 "صناديق خاطئة كثيرة" (Ghost Detections)

إذا كانت الشاشة ممتلئة بإيجابيات كاذبة، تحتاج إلى تشديد معايير النموذج.

• Raise Confidence: زد من قيمة Confidence Threshold لتصفية التوقعات منخفضة الثقة.

• Text Strictness: زد Text Threshold لفرض تطابق أقرب بين الصورة والمطالبة النصية.

• إزالة الغموض: تجنب مطالِب عامة مثل "object" أو "item". إذا كان AI يضع تسميات على الظلال، صف الجزء بألوانه أو ملمسه الفريد.

❓ "نموذج YOLO لا يكتشف فئتي"

نماذج YOLO القياسية مدرّبة مسبقًا على مجموعات بيانات محددة.

• COCO Standard: نماذج YOLO الأساسية تتعرف فقط على 80 فئة من COCO. يجب أن تتطابق تسمياتك تمامًا (مثال: person, cell phone, chair, bottle).

• الاحتياجات المخصصة: إذا كنت بحاجة لاكتشاف شيء مخصص (مثل "scratched circuit board")، انتقل إلى نموذج Text-Prompt مثل Grounding DINO أو درّب نموذج Custom YOLO.

🐌 "المعالجة بطيئة أو متقطعة"

نماذج الرؤية تتطلب قوة حسابية كبيرة.

• تأخير التشغيل الأول: من الطبيعي أن يكون التشغيل الأول بطيئًا أثناء تنزيل النماذج وتهيئتها في الذاكرة.

• حجم النموذج: Grounding DINO Base و OWLv2 Large دقيقان لكن "ثقيلان". جرّب إصدار "Tiny" أو "Small" لسرعة أعلى.

• المعدات: تأكد من أن AugeLab يستخدم GPU الخاص بك. تشغيل نماذج ضخمة على CPU سيؤدي إلى تأخير كبير.

---

💡 لا زلت عالقًا؟

جرّب استخدام AI Assistant داخل AugeLab Studio. صف منظر الكاميرا وما تبدو عليه الصناديق حاليًا؛ قد يقترح القيم العشرية الدقيقة لعتباتك.

هل تريد مني إنشاء جدول "Threshold Cheat Sheet" يشرح بالضبط الفرق بين Confidence و Text thresholds؟](./augment-dataset.md).

يجب تنفيذ عملية التوسيع (augmentation) بعد الانتهاء من التعليقات (annotation).

قد تزيد عملية التوسيع من حجم القرص لمجموعة البيانات حتى 10 أضعاف.

Preprocess Image

أداة Preprocess Image تتيح لك تعديل التباين والسطوع والجاما للصور المعروضة في النافذة. هذه الميزة مفيدة عند التعامل مع صور شديدة الظلام أو السطوع.

Change Class Id

أداة Change Class Id تتيح لك تغيير كل حالات الفئة الموسومة إلى فئة مختلفة.

تكون هذه الأداة مفيدة عند دمج مجموعتي بيانات مختلفتين.

الاختصارات والمساعدة

لمعرفة الاختصارات والمساعدة، يمكنك النقر على زر `Help` في القائمة العلوية.

• D: عرض الصورة أو الإطار التالي.

• A: عرض الصورة أو الإطار السابق.

• Shift + D: التقدم بمقدار 10 صور/إطارات.

• Shift + A: الرجوع بمقدار 10 صور/إطارات.

• W: تقليل اختيار الفئة.

• S: زيادة اختيار الفئة.

• Shift + W: تقليل اختيار الفئة بمقدار 3.

• Shift + S: زيادة اختيار الفئة بمقدار 3.

• X: إزالة آخر مربع تعليق (bounding box).

• Shift + C: مسح كل التعليقات.

• O: إضافة ملف تعليق فارغ أو مسح التعليقات.

• P: إزالة التعليقات ومسح الملف.

• M: نقل أو استبعاد الصورة إلى مجلد آخر (وضع Folder Mode فقط).

• Shift + Delete: حذف الصورة وملف التعليق من الحاسوب (وضع Folder Mode فقط).

التدريب بنموذج كشف أشياء مخصص (Custom AI Object Detection)

لتدريب نموذج كشف أشياء مخصص، راجع صفحة Object Detection Train.