التعرف على الوجوه بالشبكات الهجينة وإشراف الهامش الزاوي: حساسية الإشراف واستقرار التقييم

تستخدم أنظمة التعرف على الوجوه على نطاق واسع في المراقبة والتحقق البيومتري من الهوية وضبط الدخول والتحقق الرقمي من الهوية، غير أن جوانب جوهرية في سلوكها ما تزال غير مفهومة بما يكفي، وفي مقدمتها حساسيتها لنوع الإشراف المستخدم في التدريب واستقرار تقييمها واتساق أدائها عبر مجموعات البيانات المختلفة، وهو ما يثير تساؤلات حول موثوقية المقارنات الشائعة بين البنى المعمارية المختلفة، وتتزايد الحاجة إلى هذا الفهم مع اتساع الاعتماد على هذه الأنظمة في تطبيقات تمس الخصوصية والأمن والحقوق الرقمية للأفراد

وتعالج هذه الدراسة هذه الفجوة بمقارنة منهجية بين بنى تعتمد على الشبكات الالتفافية وبنى تعتمد على المحولات وبنى هجينة تجمع بينهما، تحت نظامي إشراف مختلفين هما سوفت ماكس التقليدي وآرك فيس الذي يضيف هامشًا زاويًا جمعيًا إلى دالة الإشراف، وباستخدام تحقق متقاطع صارم يفصل بين الأشخاص في الطيات الخمس، وعلى مجموعتي بيانات معروفتين في المجال، بما يسمح بعزل أثر الإشراف عن أثر البنية وأثر البيانات في تفسير فروق الأداء

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى فحص سلوك بنى التعرف على الوجوه الالتفافية والمعتمدة على المحولات والهجينة تحت إشرافي سوفت ماكس وآرك فيس، وطبقت تحققًا متقاطعًا من خمس طيات بفصل كامل بين الأشخاص على مجموعتي البيانات المعروفتين باسم الوجوه المصنفة في البرية وفاجيف 2، وقيمت بنى ريزنت 50 وموبايل نت في 3 ودايت سمول وبنية هجينة متعددة الفروع تدمج تمثيلات سمات التفافية ومحولية متكاملة، باستخدام مقاييس دقة التعرف من المحاولة الأولى والمساحة تحت منحنى خصائص تشغيل المستقبل ومعدل الخطأ المتساوي إضافة إلى التعقيد الحسابي وتحليل إحصائي على مستوى الطيات لرصد استقرار النتائج

ثانيًا: أبرز النتائج

1، في مجموعة الوجوه المصنفة في البرية حققت البنية الهجينة مع سوفت ماكس أعلى دقة تعرف من المحاولة الأولى بنسبة 62.4 في المئة

2، في المجموعة نفسها حقق نموذج دايت سمول مع سوفت ماكس أقوى أداء تحقق بمساحة تحت المنحنى قدرها 0.905 ومعدل خطأ متساو قدره 0.159

3، في مجموعة فاجيف 2 حققت البنية الهجينة ودايت سمول مع سوفت ماكس أعلى دقة تعرف بنسبة 38.0 في المئة، بينما حققت البنية الهجينة مع سوفت ماكس أقوى تحقق بمساحة قدرها 0.825 ومعدل خطأ متساو قدره 0.251

4، تباين أثر إشراف آرك فيس عبر البنى ومجموعات البيانات، إذ حقق تحسينات متسقة لبعض البنى الالتفافية دون النماذج المعتمدة على المحولات أو الهجينة

5، أظهر التقييم عبر مجموعات البيانات تغيرًا في ترتيب النماذج وسلوك الإشراف، مما يدل على تأثر الأداء المقارن بشدة بخصائص مجموعة البيانات وظروف التقييم

ثالثًا: دلالات الدراسة وتطبيقاتها

تثبت هذه النتائج أن إشراف الهامش الزاوي الجمعي لا يتفوق عالميًا على تحسين سوفت ماكس التقليدي، وأن الحكم على بنية أو نظام إشراف من مجموعة بيانات واحدة قد يكون مضللًا، وتبرز الدراسة أهمية المعايرة متعددة مجموعات البيانات والتقييم على مستوى الطيات وتحليل حساسية الإشراف لبناء معايير قياس صلبة وقابلة لإعادة الإنتاج في التعرف على الوجوه، وهي دروس منهجية يستفيد منها باحثو الرؤية الحاسوبية العرب عند تصميم تجاربهم وتفسير نتائجهم، كما تنبه الممارسين إلى ضرورة اختبار الأنظمة على بيانات تمثل بيئات التشغيل الفعلية قبل اعتمادها في تطبيقات حساسة كالتحقق من الهوية وضبط الدخول، وينبغي أن تمتد هذه الدروس إلى الجهات المعيارية والتنظيمية عند اعتماد أنظمة التعرف في الخدمات الحكومية والمصرفية بما يضمن تقييمًا عادلًا ومتوازنًا عبر فئات المستخدمين المختلفة وظروف الالتقاط المتغيرة في الإضاءة والزوايا والجودة بصورة موثقة وقابلة للتحقق المستقل

وخلاصة القول إن موثوقية أنظمة التعرف على الوجوه لا تنبع من البنية أو الإشراف وحدهما بل من تفاعلهما مع البيانات وظروف التقييم، وإن التحليل متعدد المستويات الذي تقدمه هذه الدراسة يقدم أساسًا أمتن لبناء أنظمة تعرف أكثر صلابة وقابلية لإعادة الإنتاج والاعتماد عليها في التطبيقات العملية