تصنيف العملة المصرية باستخدام شبكة CNN مخصصة (من الصفر)

قمتُ بتطوير مشروع كامل في الرؤية الحاسوبية (Computer Vision) يقوم بتصنيف الأوراق النقدية المصرية من سلسلة 2023 الجديدة باستخدام شبكة عصبية التفافية (CNN) تم بناؤها بالكامل من الصفر دون استخدام أي نماذج مدرّبة مسبقًا أو تقنيات Transfer Learning.

تم تنفيذ النموذج باستخدام Python وTensorFlow/Keras، وتم تدريبه على مجموعة بيانات حقيقية للأوراق النقدية المصرية. يستطيع النظام التعرف بدقة على فئات مختلفة من العملات وحقق أداءً عاليًا في عملية التصنيف.

الميزات الرئيسية للمشروع:

• تصميم وتنفيذ بنية CNN مخصصة بالكامل من الصفر.

• تطبيق تقنيات زيادة البيانات (Data Augmentation) لتحسين قدرة النموذج على التعميم وتقليل مشكلة Overfitting.

• استخدام تقنيات تحسين التدريب مثل:

• Batch Normalization

• Dropout

• Learning Rate Scheduling

• تطبيق تقنية Early Stopping لتحسين عملية التدريب ومنع الإفراط في التعلم.

• تحقيق دقة تصنيف عالية (حوالي 93% أو أكثر).

• إنشاء منحنيات الدقة والخسارة للتدريب والتحقق (Training/Validation Accuracy & Loss Curves).

تم تقييم النموذج باستخدام:

• مصفوفة الالتباس (Confusion Matrix)

• تقرير التصنيف (Classification Report) الذي يتضمن:

• Precision

• Recall

• F1-score

• اختبار النموذج على صور جديدة غير مستخدمة أثناء التدريب.

• حفظ النموذج المدرب وأوزانه لاستخدامه لاحقًا في النشر أو دمجه في تطبيقات أخرى.