سأبني نموذجًا لتصنيف الصور باستخدام تقنيات الذكاء الاصطناعي والرؤية الحاسوبية.
يمكن استخدام الخدمة لتصنيف المنتجات، المخلفات، النباتات، الحيوانات، المستندات، أو أي صور تنتمي إلى فئات محددة.
يشمل العمل تجهيز البيانات، معالجة الصور، استخراج الخصائص، تدريب النموذج، تقييم النتائج، وعرض مقاييس الأداء مثل Accuracy وPrecision وRecall وF1-Score.
يمكنني استخدام نماذج تعلم آلي مثل SVM وk-NN، أو استخراج خصائص من الصور باستخدام HOG وResNet50، ثم اختيار الحل الأنسب حسب حجم البيانات وطبيعتها.
تشمل الخدمة الأساسية تدريب نموذج واحد على بيانات صور صغيرة، مع كود Python أو Jupyter Notebook، نتائج التقييم، ورسوم أو جداول توضح أداء النموذج.
يمكن إضافة تطويرات مثل مقارنة عدة نماذج، زيادة وتحسين البيانات، أو تطبيق كاميرا مباشر باستخدام OpenCV حسب متطلبات المشروع.
تنظيم الصور ومعالجتها وتجهيزها قبل التدريب لتحسين جودة البيانات وتقليل الأخطاء.
استخدام HOG أو خصائص مستخرجة من ResNet50 لتحويل الصور إلى بيانات قابلة للتصنيف.
تدريب النموذج وقياس أدائه باستخدام مؤشرات مثل Accuracy وPrecision وRecall وF1-Score
مقارنة النماذج أو إعداداتها عند الحاجة لاختيار أفضل توازن بين الدقة وسرعة التنفيذ.
ملف Python أو Jupyter Notebook منظم يحتوي على خطوات تجهيز البيانات وتدريب النموذج.
ملفات النموذج المدرب والملفات اللازمة لاستخدامه في التنبؤ بالصور الجديدة.
ملخص يوضح أداء النموذج، النتائج، وأهم الملاحظات أو التوصيات.
إجابة عن الاستفسارات المتعلقة بالملفات والنتائج المسلمة لمدة تصل إلى 7 أيام بعد التسليم.