مشروع Computer Vision لتصنيف القمامة باستخدام Deep Learning

قمت بتطوير نموذج Computer Vision لتصنيف صور القمامة إلى عدة فئات باستخدام تقنيات Deep Learning.

تم بناء النموذج باستخدام مكتبة PyTorch واعتماد معمارية EfficientNet-B2 لاستخراج الخصائص من الصور وتحقيق دقة عالية في التصنيف.

شمل المشروع المراحل التالية:

تجهيز البيانات ومعالجتها (Image preprocessing).

تدريب النموذج باستخدام EfficientNet-B2.

استخدام Data Augmentation لتحسين قدرة النموذج على التعميم.

تقييم النموذج باستخدام عدة مؤشرات مثل

Accuracy – Precision – Recall – F1-score.

تحليل أداء النموذج باستخدام Confusion Matrix.

تطبيق تقنية Test Time Augmentation (TTA) لتحسين دقة التوقعات.

حقق النموذج دقة وصلت إلى حوالي 91% على بيانات التحقق