Enhancing resolution with computer vision

**ملخص مختصر بالعربية لما يقوم به Notebook: "DIV2K Super Resolution GAN (SRGAN)"**

هذا الدفتر يهدف إلى **توليد صور عالية الدقة (Super Resolution)** من صور منخفضة الدقة باستخدام نموذج **شبكة الخصومة التوليدية (SRGAN)** على **مجموعة بيانات DIV2K**.

الخطوات الأساسية التي يقوم بها هي:

1. تحميل البيانات: من مجموعة DIV2K التي تحتوي على صور عالية ومنخفضة الدقة.

2. معالجة الصور مسبقاً (Preprocessing): عبر تغيير حجم الصور وتطبيعها لتناسب الإدخال إلى الشبكة العصبية.

3. بناء نموذج الـGenerator:(المولد) الذي يحوّل الصور منخفضة الدقة إلى صور عالية الدقة باستخدام طبقات الالتفاف (Convolution) وكتل الباقي (Residual Blocks).

4. بناء نموذج الـDiscriminator: (المميّز) الذي يميّز بين الصور الحقيقية والمولدة لتوجيه المولد نحو تحسين الجودة.

5. تجميع المودل الكلي SRGAN: بحيث يتعلم المولد إنتاج صور واقعية تكفي لخداع المميّز.

6. تدريب المودل: على الصور لفترة من الزمن مع تتبع الخسارة لكل من المولد والمميّز.

7. تقييم النتائج بصريًا من خلال مقارنة الصور الأصلية، منخفضة الدقة، والمُعاد توليدها باستخدام SRGAN.