تصنيف أمراض الجلد باستخدام VGG16

نظرة عامة:

تم تصنيف صور أمراض الجلد إلى 9 فئات باستخدام التعلم بالنقل (Transfer Learning) مع VGG16.

البيانات:

مجموعة بيانات تصنيف أمراض الجلد (~878 صورة، 9 فئات، 697 للتدريب / 181 للتحقق).

سير العمل (Pipeline):

معالجة البيانات وزيادة حجمها (Data Augmentation): التدوير، التحريك العرضي/الطولي، التكبير، الانعكاس الأفقي.

التعلم بالنقل باستخدام VGG16 (ImageNet) مع طبقات مخصصة:

GlobalAveragePooling → Dense(256, ReLU) → BatchNorm → Dropout → Dense(9, Softmax)

تجميع وتدريب النموذج مع استخدام EarlyStopping لتجنب الإفراط في التعلم.

النموذج المستخدم:

VGG16 مسبق التدريب مع تثبيت الطبقات الأساسية (Frozen Layers)

التقنيات:

التعلم بالنقل مع قاعدة VGG16 المثبتة

زيادة البيانات (Data Augmentation)

طبقات Dense مع Dropout وBatchNormalization

استخدام EarlyStopping

النتائج:

أفضل دقة تحققها النموذج على بيانات التحقق: ~53٪

رسم منحنيات الدقة والخسارة

مصفوفة الالتباس لجميع الفئات التسع

النشر / المخرجات:

حفظ النموذج بصيغة skin_disease_vgg16.h5 لإعادة الاستخدام

الأدوات المستخدمة:

Python، TensorFlow، Keras، Matplotlib، Pandas، Scikit-learn