Ocular Diseases Classification

يركز هذا المشروع على تحسين مجموعة بيانات التعلم العميق من خلال تكبير الصور وتطبيق تصور Grad-CAM لتحسين قابلية تفسير النموذج. باستخدام بايثون وTensorFlow، يعالج البرنامج النصي مجموعة بيانات من الصور (مثلاً، من فئة "ARMD") بتطبيق تقنيات تكبير مثل التقليب الأفقي لموازنة أحجام الفئات، مستهدفاً ما مجموعه 1000 صورة من مجموعة أولية مكونة من 511 صورة. يستخدم مسار التكبير ImageDataGenerator لتوليد عينات إضافية، مما يضمن بيانات تدريب قوية لنماذج التعلم الآلي. بالإضافة إلى ذلك، يتضمن المشروع تطبيق Grad-CAM لتصور اهتمام النموذج بالصور المُدخلة، مما يُساعد على فهم أهمية الميزات. يُعد هذا المشروع مثالياً لتطبيقات التصوير الطبي، والرؤية الحاسوبية، أو أي مهمة تعلم عميق تتطلب معالجة مسبقة لمجموعات البيانات وقابلية تفسيرها، ويُبرز خبرةً في تكبير البيانات، ومعالجة الصور، وتصور النماذج.