التناقض والتدوير(semantic) الإقليمي للتصنيف الدلالي المُراقب بشكل ضعيف

التعلم من تقسيم المعنى باستخدام بيانات مُسَمَّة بشكل ضعيف (مثل العلامات الصورية فقط) يُعد تحديًا كبيرًا، نظرًا لصعوبة استخلاص مناطق الكائنات الكثيفة من علامات معنوية متباعدة. وعلى الرغم من الدراسة الواسعة التي تمت في هذا المجال، تظل معظم الجهود الحالية تتعلم مباشرة من ملاحظات معنوية محدودة مُرتبطة بصورة فردية أو أزواج من الصور، وغالبًا ما تفشل في الحصول على خرائط توطين شاملة. يخفف عملنا من هذا التحدي من منظور جديد، من خلال استكشاف السياقات المعنوية الغنية بشكل متزامن بين كميات كبيرة من البيانات التدريبية المُسَمَّة بشكل ضعيف، لدعم التعلم والاستنتاج في الشبكة. وتحديدًا، نقترح طريقة تُسمى "التناقض والدمج المعنوي الإقليمي" (RCA). تمتلك RCA بنك ذاكرة إقليمي لتخزين أنماط كائنية ضخمة ومتنوعة تظهر في بيانات التدريب، والذي يعمل كدعم قوي لاستكشاف البنية المعنوية على مستوى المجموعة. ونُقدِّم بشكل خاص: (أ) التناقض المعنوي، الذي يُحفِّز تعلم الشبكة من خلال مقارنة مناطق كائنية فئوية كبيرة، مما يؤدي إلى فهم أكثر شمولية لأنماط الكائنات، و(ب) الدمج المعنوي، الذي يجمع بين السياقات العلاقة المتنوعة في الذاكرة لتعزيز التمثيلات المعنوية. وبهذه الطريقة، تكتسب RCA قدرة قوية على الفهم المعنوي الدقيق، وتُحقِّق في النهاية نتائج جديدة في مستوى الحد الأقصى من الأداء على حالتين شهيرتين، وهما: PASCAL VOC 2012 وCOCO 2014.