Image classifier using machine learning

هذا المشروع يستخدم تصنيف الصور بالاعتماد على التعلم العميق (Deep Learning) عبر TensorFlow بلغة Python، مع تسريع الأداء بواسطة GPU من NVIDIA. الهدف من المشروع هو التعرف تلقائيًا على أسماء المنتجات الدوائية في الصور وتصنيفها بدقة.

مكونات المشروع:

استخدام نموذج التعلم العميق:

يعتمد على شبكات الالتفاف العصبية (CNNs) لاستخراج الميزات من الصور.

تدريب النموذج على مجموعة بيانات تحتوي على صور لأدوية مختلفة مع تسميات صحيحة.

الاعتماد على TensorFlow وKeras:

استخدام TensorFlow مع مكتبة Keras لتصميم النموذج وتدريبه على البيانات.

تطبيق تقنيات تحسين النموذج مثل التعزيز بالبيانات (Data Augmentation) لزيادة دقة التنبؤات.

استخدام وحدة معالجة الرسومات (GPU):

تسريع التدريب وتحسين الأداء باستخدام NVIDIA CUDA لدعم المعالجة الحسابية المكثفة.

الاستفادة من cuDNN لتسريع عمليات الشبكة العصبية.

التعرف على المنتجات الدوائية:

عند إدخال صورة تحتوي على أدوية، يقوم النموذج باكتشاف الأدوية داخل الصورة وتحديد أسمائها بدقة عالية.

يتم رسم إطارات حول المنتجات المكتشفة وإضافة التسمية المميزة ونسبة الثقة (Confidence Score) كما يظهر في الصورة.

التطبيقات المحتملة:

الصيدليات والمستشفيات: لأتمتة فحص الأدوية وتصنيفها.

التجارة الإلكترونية: لتسهيل البحث والتعرف على المنتجات الدوائية عبر الصور.

المجال الصحي: لمساعدة العاملين في المجال الطبي في تحديد الأدوية بسرعة.

الخلاصة:

هذا المشروع يوضح قوة التعلم العميق في تصنيف الصور، ويستخدم تقنيات حديثة مثل TensorFlow + Keras مع معالجة الرسومات NVIDIA GPU لتسريع العمليات وتحقيق دقة عالية في التعرف على الأدوية تلقائيًا من الصور.