Hand Written Recognition

مشروع نموذج التعرف على الكتابة اليدوية باستخدام الشبكات العصبية التلافيفية (CNNs)

يهدف هذا المشروع إلى التعرف على الأحرف المكتوبة بخط اليد من الصور، وقد تم بناؤه باستخدام الشبكات العصبية التلافيفية (CNNs) ضمن مكتبة TensorFlow. تم تدريب النموذج على English Handwritten Characters Dataset من Kaggle، والذي يحتوي على أكثر من 372,000 صورة تشمل الأحرف الإنجليزية الكبيرة والصغيرة، الأرقام، وبعض الرموز الخاصة.

مراحل التنفيذ والأدوات المستخدمة:

إعداد ومعالجة البيانات: تم معالجة وتنقيح الصور باستخدام Python وJupyter Notebook، مع مكتبات مثل Pandas وOpenCV، حيث تم تحويل البيانات إلى تنسيق يناسب تدريب النموذج.

بناء النموذج وتطويره: استخدم النموذج تقنية الشبكات العصبية التلافيفية (CNN) لاستخراج الميزات وتصنيف الأحرف. تم تطوير النموذج في TensorFlow وKeras مع طبقات تلافيفية وتجميعية لتحليل الأنماط في الصور.

تدريب النموذج: تم تدريب النموذج على البيانات واختباره على بيانات التحقق لضمان دقته وقدرته على التعميم. استخدمت تقنيات تحسين مثل Dropout لتقليل التجاوز وتحسين الأداء.

تقييم الأداء: تم تقييم النموذج باستخدام مؤشرات مثل الدقة، الاستدعاء، الدقة، ومقياس F1. كما تم استخدام مصفوفة الالتباس لتحليل النتائج وتوضيح الأخطاء.