تصنيف الصور باستخدام الشبكات العصبية التلافيفية (CNN)

مشروع متقدم يهدف إلى بناء نموذج لتصنيف الصور متعدد الفئات باستخدام تقنيات التعلم العميق (Deep Learning)، وتحديداً الشبكات العصبية التلافيفية (CNN).

التفاصيل التقنية والتنفيذ:

الأدوات: تم بناء النموذج باستخدام مكتبتي TensorFlow و Keras.

تصنيف البيانات: نجح النموذج في تصنيف الصور إلى 5 فئات مختلفة بدقة عالية.

معالجة البيانات: استُخدمت تقنيات Data Augmentation (مثل التدوير، والقلب، والتكبير) لتحسين قدرة النموذج على التعميم وتقليل التجاوز (Overfitting).

هيكل النموذج (Architecture): يتضمن التصميم طبقات Conv2D لاستخراج الميزات، و MaxPooling لتقليل الأبعاد، بالإضافة إلى طبقات Dropout لمنع التجاوز، وطبقات Dense للتصنيف النهائي.

الأداء والنتائج:

حقق النموذج دقة اختبار (Test Accuracy) بلغت 92.4%.

تم تدريب النموذج على مدار 20 دورة (Epochs).

تم تقييم الأداء بدقة عبر مصفوفة الارتباك (Confusion Matrix) ومنحنيات الدقة والخسارة (Loss/Accuracy Curves).