تجزئة الصور دلالياً بدقة عالية (Semantic Segmentation) باستخدام U-Net و MobileNetV2

قمت بتطوير نموذج ذكاء اصطناعي متقدم لتجزئة الصور (Semantic Segmentation)، يعتمد على معمارية هجينة تجمع بين السرعة والدقة، بهدف تصنيف كل بكسل في الصورة وتحديد الأجسام بدقة متناهية.

الهيكلية الهندسية للمشروع (Model Architecture):

تم بناء النموذج باستخدام استراتيجية Transfer Learning بذكاء:

مستخرج الخصائص (Feature Extractor / Encoder): استخدمت شبكة MobileNetV2 (المدربة مسبقاً) كعمود فقري (Backbone) لاستخراج الخصائص العميقة من الصور. اختيار MobileNetV2 يضمن سرعة المعالجة وقلة استهلاك الموارد مقارنة بالشبكات التقليدية.

بناء الصورة (Decoder): استخدمت معمارية U-Net في مرحلة فك التشفير (Decoding) لعمل Upsampling واستعادة التفاصيل المكانية الدقيقة، مما ينتج عنه "قناع" (Mask) عالي الدقة يحدد حواف الأجسام بدقة البكسل.

مميزات النظام:

دقة التحديد (Pixel-level Precision): القدرة على فصل العناصر المعقدة والمتداخلة عن الخلفية.

الأداء العالي: النموذج خفيف الوزن (Lightweight) وقابل للعمل على أجهزة الموبايل أو الأنظمة المدمجة (Embedded Systems).

التقنيات المستخدمة:

Architecture: U-Net with MobileNetV2 Encoder.

Framework: TensorFlow / Keras.

Technique: Semantic Segmentation.

Evaluation Metric: IoU (Intersection over Union