Flower Image Classification

يهدف هذا المشروع إلى تصنيف صور الزهور إلى خمس فئات مختلفة باستخدام نموذج التعلم العميق (Convolutional Neural Network - CNN). تم تطوير النموذج باستخدام إطار العمل TensorFlow مع التركيز على دقة التنبؤ، تقنيات تحسين النموذج، وتجربة المستخدم في المعالجة والتقييم.

1. جمع البيانات ومعالجتها:

تم استخدام مجموعة بيانات زهور تتضمن 5 أنواع (مثل: daisy, dandelion, roses, sunflowers, tulips).

قمت بتحميل الصور وتنظيمها في مجلدات لكل صنف.

أجريت تحجيمًا موحدًا (Resizing) لكل الصور لتتناسب مع إدخال الشبكة العصبية.

استخدمت تقنيات تعزيز البيانات (Data Augmentation) مثل:

التدوير (Rotation)

الانعكاس الأفقي (Horizontal Flip)

التقريب والتكبير (Zoom)

بناء النموذج (Model Architecture):

تم استخدام نموذج CNN مخصص باستخدام Conv2D, MaxPooling2D, وDropout.

تم تضمين طبقات Flatten و Dense لربط الميزات وتحديد الفئة.

استخدمت دالة التفعيل في الطبقات المخفية وSoftmax في الطبقة الأخيرة.

لتدريب والتقييم:

تم تدريب النموذج باستخدام خوارزمية Adam Optimizer.

تم تتبع الدقة والخسارة باستخدام Validation Split لقياس أداء النموذج خلال التدريب.

وصلت دقة النموذج إلى أكثر من 90% بعد تحسين الطبقات وتهيئة المعلمات (Hyperparameters).