قمت بتطوير نموذج للتعرف على الصور بهدف تصنيف الحروف المكتوبة بخط اليد في صور بالأبيض والأسود. استخدمت التعلم العميق لتدريب النموذج على مجموعة بيانات مكونة من صور بحجم 64x64 بكسل، حيث تمثل كل صورة حرفًا من الحروف من A إلى Z. اعتمدت على تقنيات معالجة البيانات وزيادة البيانات، مثل إعادة القياس، والتدوير، والتحويل، وتعديل السطوع، لتعزيز قدرة النموذج على التعرف بدقة أعلى وتحسين أدائه.
تم تصميم هيكل النموذج باستخدام طبقات تلافيفية (Convolutional layers) لاستخراج الميزات الأساسية من الصور، تلتها طبقات تجميعية (Pooling layers) لتحسين القوة التمييزية للنموذج. ثم استخدمت طبقات متصلة بالكامل (Fully connected layers) للتصنيف إلى 26 فئة تمثل الحروف الأبجدية. لتحقيق أفضل أداء، قمت بتحسين عملية التدريب باستخدام تقنية الإيقاف المبكر (Early stopping) لمنع الإفراط في التكييف (Overfitting). النموذج النهائي حقق دقة عالية في التعرف على الحروف المكتوبة بخط اليد من الصور المدخلة. بالإضافة إلى ذلك، قمت بتطوير وظيفة لاختبار الصور الجديدة، حيث يمكن للنموذج التنبؤ بالحرف في الوقت الحقيقي.
اسم المستقل | Omar A. |
عدد الإعجابات | 0 |
عدد المشاهدات | 13 |
تاريخ الإضافة | |
تاريخ الإنجاز |