cnn model for images

في المشروع ده استخدمت Python ومكتبات TensorFlow / Keras لبناء نموذج ذكاء اصطناعي قادر على تصنيف الصور بدقة عالية.

الصور المستخدمة كانت بالأبيض والأسود وبحجم 28×28 بكسل، وتم تجهيزها ومعالجتها قبل التدريب.

الخطوات اللي اتعملت:

تجهيز البيانات (Data Preparation):

تحويل بيانات الصور من ملفات CSV إلى مصفوفات (numpy arrays).

إعادة تشكيل كل صورة لحجم (28×28).

تقسيم البيانات إلى جزء للتدريب وجزء للاختبار.

تطبيع القيم (Normalization) بقسمتها على 255 علشان الشبكة تتعلم أسرع.

تحويل التسميات (Labels):

استخدمت LabelBinarizer لتحويل القيم النصية أو الرقمية إلى صيغة One-Hot Encoding علشان النموذج يتعامل معاها صح.

بناء النموذج (Model Building):

استخدمت شبكة CNN فيها 3 طبقات Convolution + MaxPooling لاستخراج الخصائص من الصور.

بعد كده طبقة Flatten لتحويل النتائج إلى شكل متجه (vector).

ثم طبقة Dense (128) مع ReLU لتعلم الأنماط.

طبقة Dropout (0.2) لتقليل الـ overfitting.

وأخيرًا طبقة إخراج Dense (24) باستخدام Softmax علشان تتنبأ بـ 24 فئة مختلفة.