"فليمينغو" الخاص بك هو "طيوري" الخاص بي: دقيق، أم ليس كذلك

ما إذا كان ما تراه في الشكل 1 هو "فلامينغو" أم "طائر"، هو السؤال الذي نطرحه في هذه الورقة. في حين يسعى التصنيف البصري الدقيق (FGVC) إلى التوصل إلى الإجابة الأولى، فإن "طائر" قد يكفي بالفعل لمعظم الناس غير الخبراء. لذا فإن السؤال الحقيقي هو: كيف يمكننا تكييف النموذج وفقًا لتعريفات دقيقة مختلفة، حسب مستويات الخبرة المختلفة؟ لحل هذه المشكلة، نعيد تصور البيئة التقليدية لـ FGVC، من التصنيف بعلامة واحدة، إلى عملية تسلسل هرمي من الأعلى إلى الأسفل عبر هرمية مسبقة التعريف من العلامات تبدأ من العام إلى الخاص — بحيث تصبح الإجابة: "طائر" → "فونوكوبتيريفورميس" → "فونوكوبتيريداي" → "فلامينغو". وللتعامل مع هذه المشكلة الجديدة، نقوم أولًا بدراسة إنسانية شاملة، نؤكد من خلالها أن معظم المشاركين يفضلون العلامات متعددة الدقة، بغض النظر عن ما إذا كانوا يرون أنفسهم خبراء أم لا. ثم نكتشف الفكرة المحورية التالية: إن توقع العلامات على المستوى العام يُعزز تعلم الميزات الدقيقة، في حين أن الميزات على المستوى الدقيق تُحسّن تعلم التصنيف على المستوى العام. ويتيح لنا هذا الاكتشاف تصميم حل بسيط جدًا ولكنه فعّال بشكل مدهش لمشكلتنا الجديدة، حيث نقوم بـ (i) استغلال رؤوس تصنيف مخصصة لكل مستوى لفصل الميزات العامة عن الميزات الدقيقة، و (ii) السماح للميزات الدقيقة بالمشاركة في توقعات العلامات العامة، مما يسهم بدوره في تحسين عملية الفصل. تُظهر التجارب أن طريقة العمل لدينا تحقق أداءً متفوقًا في البيئة الجديدة لـ FGVC، كما تتفوق على أحدث الطرق في المشكلة التقليدية للتصنيف بعلامة واحدة. وبفضل بساطتها، يمكن تنفيذ طريقة العمل هذه بسهولة فوق أي إطار موجود لـ FGVC، وهي خالية من المعاملات (parameter-free).