siamesenetwork_face_verification

وصف المشروع:

قمت بتطوير نظام أمني ذكي للتحقق من الهوية (Face Verification) باستخدام الشبكات العصبية السيامية (Siamese Networks)، يحاكي أنظمة فتح القفل بالوجه في الهواتف الذكية. يهدف المشروع إلى تحديد ما إذا كانت صورتان تعودان لنفس الشخص بدقة عالية، مما يحل مشاكل التحقق من الهوية في الأنظمة الأمنية.

تفاصيل تنفيذ المشروع:

الأدوات والتقنيات المستخدمة:

لغة البرمجة Python.

مكتبات التعلم العميق TensorFlow و Keras لبناء النموذج المعقد.

مكتبة OpenCV لمعالجة الصور والتقاطها (Computer Vision).

مكتبات NumPy و Matplotlib للعمليات الحسابية وتصور النتائج.

Siamese Neural Network

نوع البيانات:

أزواج من صور الوجوه مقسمة إلى ثلاث فئات:

Anchor: الصورة المرجعية للشخص.

Positive: صورة أخرى لنفس الشخص (للمطابقة).

Negative: صورة لشخص مختلف (للمقارنة).

تحليل ومعالجة البيانات:

تحليل بيانات الصور وفهم توزيعها

تجميع البيانات (Data Collection) وتكوين أزواج الصور لتدريب النموذج.

معالجة الصور (Image Preprocessing) بتوحيد الأحجام (Resizing) ومعايرة الألوان (Scaling) و (Image Augmentation) لضمان سرعة وكفاءة التدريب.

إنشاء خط أنابيب للبيانات (Data Pipeline) باستخدام TensorFlow لضمان تدفق البيانات بسلاسة أثناء التدريب.

آلية عمل النموذج:

بناء شبكة سيامية (Siamese Network) تعتمد على شبكتين عصبيتين التفافيتين (CNN) تشتركان في نفس الأوزان (Shared Weights).

استخراج الـ Embeddings المميزة لكل وجه

حساب المسافة بين الملامح (L1 Distance) المستخرجة من الصورتين؛ فإذا كانت المسافة صغيرة، فإن الصورتين لنفس الشخص، وإذا كانت كبيرة، فهما لشخصين مختلفين.

استخدام دالة الخسارة (Binary Crossentropy) لتحسين دقة النموذج في التمييز بين المطابق وغير المطابق.

نتائج المشروع:

قدرة عالية على التحقق من الهوية (Verification) بدقة، حتى مع وجود اختلافات بسيطة في الزاوية أو الإضاءة.

تطبيق عملي لمفاهيم التعلم العميق المتقدمة (One-Shot Learning) حيث يمكن للنظام التعرف على الشخص من خلال مثال واحد فقط.