التعلم المركّز في الاتجاه: تعزيز التوافق في التعلم الآلي

إحدى التحديات المعروفة في مهام الرؤية الحاسوبية هي التنوّع البصري للصور، الذي قد يؤدي إلى توافق أو عدم توافق بين المعرفة المستخلصة والمضمون البصري المُظهر في الملاحظة الحالية. في هذه الدراسة، نُعرّف أولًا هذا التوافق في عملية تعلّم المفاهيم باسم "الاتساق". بشكل رسمي، مع مهمة معيّنة ومجموعة بيانات كافية الحجم، يحدث مسألة الاتساق في عملية التعلّم حيث تكون الدلالات المخصصة للمهمة في بيانات التدريب متغيرة بشكل كبير. نقترح طريقة تُسمى تعلّم التركيز الاتجاهي (DCL) لتحسين الاتساق أثناء عملية التعلّم، حيث يُؤثّر تحسين الاتساق على مسار التقارب ليصبح أقل تعقيدًا ودورة. تُظهر النتائج التجريبية أن الطريقة المقترحة تُعامَل مع النماذج والمحسّنات المتطورة حاليًا، وتحسّن أداء مهام التنبؤ بالملحوظية، والتعلّم المستمر، ومهام التصنيف. علاوةً على ذلك، تساعد في تقليل مشكلة النسيان الكارثي في مهام التعلّم المستمر. تم إتاحة الشفرة المصدرية بشكل عام عبر الرابط التالي: https://github.com/luoyan407/congruency.