نظام ذكي لتصنيف صور الأزياء والملابس باستخدام الشبكات العصبية العميقة (CNN)

تم تطوير نظام ذكي متكامل يعتمد على تقنيات التعلم العميق (Deep Learning) وتحديداً الشبكات العصبية التلافيفية (CNN) للتعرف على صور الملابس وتصنيفها بدقة عالية. يهدف المشروع إلى أتمتة عملية تصنيف المنتجات في المتاجر الإلكترونية، مما يوفر الوقت والجهد ويحسن تجربة المستخدم.

مميزات النظام:

دقة عالية: حقق النموذج دقة تصل إلى 93.3% في تصنيف الصور المختبرة.

تصنيف متعدد: القدرة على التمييز بين 10 أصناف رئيسية (قمصان، بناطيل، فساتين، أحذية، حقائب، إلخ).

واجهة مستخدم تفاعلية: تم بناء واجهة سهلة الاستخدام وتفاعلية باستخدام Streamlit.

API قوي: توفير واجهة برمجية (API) باستخدام FastAPI لسهولة الربط مع تطبيقات أخرى.

معالجة متقدمة: يتضمن النظام مراحل متطورة لمعالجة الصور (Preprocessing) واستخراج الخصائص (Feature Extraction).

التقنيات والأدوات المستخدمة:

لغة البرمجة: Python

النمذجة والذكاء الاصطناعي: TensorFlow / Keras

واجهة المستخدم: Streamlit

الواجهة البرمجية: FastAPI / Uvicorn

مكتبات البيانات: Pandas, NumPy, Matplotlib

مجموعة البيانات: Fashion MNIST (70,000 صورة)

هيكلية النموذج:

تم بناء النموذج ببنية قوية تشمل:

طبقات Conv2D لاستخلاص الخصائص الدقيقة للصور.

تقنيات Batch Normalization و Dropout لتحسين الأداء ومنع الـ Overfitting.

طبقات Dense لاتخاذ القرار النهائي في التصنيف.