ظهر نموذج DETR (Detection Transformer) ونسخه كأحد الحلول الواعدة في ميدان اكتشاف الأجسام، حيث يقدم خط أنابيب تنبؤ شامل. ومع ذلك، يواجه النموذج تحديًا كبيرًا، إذ ينتج المئات من التنبؤات التي تتجاوز بكثير عدد الأجسام الموجودة فعليًا في الصورة. وهذا يطرح سؤالًا حيويًا: أي من هذه التنبؤات يمكن الوثوق به؟

تتضح أهمية هذا السؤال بشكل خاص في التطبيقات الحرجة للسلامة، مثل السيارات الذاتية القيادة. للتصدي لهذا التحدي، نعرض أدلة تجريبية ونظرية تُظهر أن التنبؤات ضمن نفس الصورة تلعب أدوارًا متميزة، مما يؤدي إلى مستويات متفاوتة من الموثوقية.

تكشف تحليلنا أن نماذج DETR تعتمد استراتيجية متخصصة مثالية: يتم تدريب تنبؤ واحد لكل جسم ليكون موثوقًا (well-calibrated)، بينما يتم تدريب التنبؤات الأخرى لتقليل ثقتها إلى الصفر تقريبًا، مع الحفاظ على دقة التوطين. يتضح أن هذه الاستراتيجية تظهر كحل يقلل من الخسائر في عملية المطابقة الهنغارية، مما يغير بشكل أساسي مخرجات نماذج DETR.

بينما يعد اختيار التنبؤات الموثوقة هو الخيار الأمثل، إلا أنها لا يمكن التعرف عليها أثناء وقت الاستدلال، مما يجعل أي خوارزمية معالجة لاحقة تحمل مخاطر تقديم مجموعة تنبؤات بمستويات موثوقية مختلطة. وبناءً عليه، فإن النشر العملي يتطلب تقييمًا مشتركًا لكل من جودة معايرة النموذج وفعالية خوارزمية المعالجة اللاحقة.

ومع ذلك، نثبت أن المقاييس الحالية مثل دقة المتوسط (average precision) وخطأ المعايرة المتوقعة (expected calibration error) غير كافية لهذه المهمة. لمواجهة هذه المشكلة، نقدم خطأ المعايرة على مستوى الجسم (Object-level Calibration Error - OCE): تصميم مركّز على الجسم يعاقب على الاحتفاظ بالتنبؤات المكبوتة والأجسام الحقيقية المفقودة، مما يجعل OCE ملائمًا لتقييم النماذج وتحديد مجموعة التنبؤات الموثوقة.

أخيرًا، نقدم إطار عمل لتقدير الشكوك بعد المعالجة (post hoc uncertainty quantification framework) يتنبأ بدقة النموذج لكل صورة، مما يسهم في تحسين موثوقية مكتشفات الأجسام.