Natural Scene Classification Using Deep Learning & Computer Vision

مشروع في مجال الرؤية الحاسوبية لتطوير نظام قائم على التعلم العميق قادر على تصنيف صور المشاهد الطبيعية تلقائيًا إلى ست فئات مختلفة: المباني، الغابات، الأنهار الجليدية، الجبال، البحار، والشوارع.

بدأ المشروع بتحليل واستكشاف بيانات الصور، ثم تجهيز الصور وإجراء المعالجة المسبقة وزيادة البيانات بهدف تحسين قدرة النموذج على التعميم وتقليل احتمالية فرط التعلم.

تم بناء وتقييم نموذج أساسي باستخدام الشبكات العصبية الالتفافية، ثم تطبيق تقنية نقل التعلم باستخدام MobileNetV2 للاستفادة من الخصائص البصرية المتعلمة مسبقًا وتحسين أداء عملية تصنيف الصور.

تم تقييم النموذج باستخدام مجموعة من مقاييس الأداء، مع تحليل النتائج والأخطاء باستخدام مصفوفة الالتباس ومقاييس التصنيف المختلفة، بالإضافة إلى اختبار قدرة النموذج على تصنيف صور جديدة لم يتم استخدامها أثناء عملية التدريب.

حقق النموذج أداءً قويًا بدقة تصنيف تجاوزت 92%، مع نتيجة مماثلة تقريبًا لمقياس F1.

أبرز مراحل المشروع:

• تحليل واستكشاف بيانات الصور

• المعالجة المسبقة للصور وتجهيزها

• زيادة وتنويع بيانات الصور

• بناء الشبكات العصبية الالتفافية

• بناء وتقييم النموذج الأساسي

• تطبيق تقنية نقل التعلم

• استخدام نموذج MobileNetV2

• تقييم أداء النموذج

• إنشاء وتحليل مصفوفة الالتباس

• تحليل أخطاء التصنيف

• اختبار النموذج على صور جديدة

• تصنيف المشاهد الطبيعية إلى ست فئات مختلفة

التقنيات والأدوات المستخدمة:

Python، TensorFlow، Keras، الشبكات العصبية الالتفافية، MobileNetV2، نقل التعلم، الرؤية الحاسوبية، التعلم العميق، معالجة الصور، تصنيف الصور