#فتح_البلاك_بوكس في #معالجة_الصور
بواسطة الباحث عبد الله الغامدي
@3bdallah_AM
يُفضّل البعض استخدام #تعلم_الآله كصندوق اسود او #بلاك_بوكس يدخل فيه البيانات ويستخرج منه العلاقات، هذه الطريقة فعالة ومقبوله بحكم عدم التخصص في هذا المجال ولكن هل تعلم الآله معقد جداً لتجاوز فهمه؟
بواسطة الباحث عبد الله الغامدي
@3bdallah_AM
يُفضّل البعض استخدام #تعلم_الآله كصندوق اسود او #بلاك_بوكس يدخل فيه البيانات ويستخرج منه العلاقات، هذه الطريقة فعالة ومقبوله بحكم عدم التخصص في هذا المجال ولكن هل تعلم الآله معقد جداً لتجاوز فهمه؟
ببساطه من الممكن شرح تعلم الاله عن طريق الوحدات المكونه له: لنضرب مثال في تعلم الصور كاحدى تطبيقات الذكاء الإصطناعي. فمعالجة الصور تتم عن طريق وحده ادخال لكل صوره بقيم البكسلات الموجوده بها
@3bdallah_AM
@3bdallah_AM
وبعدها يكون هناك وحده استخراج العلامات الفارقة (feature extraction) لكل صوره واخر وحدة هي تصنيف الصور حسب المعد مسبقا لكل صوره عن طريق العلامات الفارقه المستخرجة مسبقاً
@3bdallah_AM
@3bdallah_AM
فلو افترضنا ان نطرح مثال مشهور وهو التفريق بين صور القطط والكلاب فيجب اولا ان نعد عدد كبير من الصور لقطط وكلاب باشكال مختلفه والوان متفرقه
@3bdallah_AM
@3bdallah_AM
اولا يتم عمل التدريب والاختبار لكل صوره عن طريق اختيار صوره وتحديد مسماها (قطه او كلب). عند التدريب يستقبل التصميم الصوره ومسماها لكي يتمرن على معرفه جميع الاشكال والالوان ويستخرج الخصائص لكل من الكلاب والقطط
@3bdallah_AM
@3bdallah_AM
اما عند الاختبار فيتم اختباره بصور لم يراها من قبل ومقارنه اختياره بالموجود مسبقاً لدينا وبهذا نعرف قدرة التصميم على معرفة الصور وكيفيه حسن اختياره للخصائص التي تستطيع ان تفرق بين القطط والكلاب
@3bdallah_AM
@3bdallah_AM
تحسب قدرة التصميم في التفريق بين النوعين بالدقة التي وصل لها من خلال اختباره لعينه الاختبار واعطائنا توقعه وحيث اننا نعلم مسبقاً الاختيار الصحيح فنقارن توقعه بالاختيار الصحيح لمعرفة دقة التصميم
@3bdallah_AM
@3bdallah_AM
هذا بشكل عام كيف تعمل معالجة الصور عن طريق الذكاء الإصطناعي من خلال التدريب والاختبار. وممكن ان يتوسع هذا التصميم بحيث يشمل تحديد اماكن الاشياء في الصوره (object detection) او متابعة حركة الشيء من خلال الفيديو (object tracking)
@3bdallah_AM
@3bdallah_AM
في عام 2017 تم اقتراح نوع جديد من الشبكات يسمى الشبكات الكبسوليه (capsule network)وهي تختص في الجزء الخاص بالتصنيف. فيتم التصنيف عن طريق الموجهات (vectors)
@3bdallah_AM
@3bdallah_AM
ما يميز الموجهات انها لها قيمتين الاولى طول الموجه والثانيه اتجاهه وتتميز عن الطريقة التقليدية في التصنيف التي تعتمد على قيمه واحدة فقط.
@3bdallah_AM
@3bdallah_AM
ولشرح مثال بسيط لدينا قاعدة بيانات فيها قوارب وبيوت والمطلوب استخدام #الذكاء_الاصطناعي في تحديد ما اذا كان المستطيل والمثلث تعبر عن بيت او قارب.
@3bdallah_AM
@3bdallah_AM
فاذا كان المثلث ملتصق مع المستطيل بخط مستقيم فهو بيت اما اذا كان ملتصق عن طريق زاويه المثلث فهو قارب
@3bdallah_AM
@3bdallah_AM
الطرق التقليديه يمكن ان تتعرف على وجود مثلث و مستطيل ولكن ستجد صعوبة في معرفه اتجاه المثلث واتجاه المستطيل وهنا تكمن قوة الشبكات الكبسولية بالموجهات فهي تستطيع ان تحدد الاتجاه من خلال الموجهات وايضا تستطيع ان تحدد وجود الشكل من خلال طول الموجهه
@3bdallah_AM
@3bdallah_AM
الفكرة الاساسية تم تطبيقها على قاعدة بيانات الارقام المكتوبه ومن خلالها تم الوصول لاقل نسبة خطأ مقارنة بالطرق التقليديه.
@3bdallah_AM
@3bdallah_AM
من خلال بحثي الحالي في مرحلة الدكتوراه مع مشرفي استطعنا ان نثبت قوه هذة الشبكات من خلال تطبيقها على الفيديو ومعرفه افعال الاشخاص ومقارنتها مع الطرق التقليديه.
@3bdallah_AM
@3bdallah_AM
عند استخراج الموجه الخاص بكل فعل ومن خلال تحريك الحدود في الموجه اثبتتا ان كل حركة ممكن ان تخزن داخل هذة الموجهات وحتى الخلفيه والاضاءة وغيرها من المتغيرات في الصور المستخرجه من الفيديو الخاص بالافعال.
@3bdallah_AM
@3bdallah_AM
وللاستزادة عن البحث يمكنكم زيارة الرابط التالي: wrap.warwick.ac.uk
ختاماً استخدام #تعلم_الاله في #معالجة_الصور ليس بالموضوع المعقد بل من السهوله ان يتم استخدام التقنيات الحديثه في هذا المجال وتطبيقها على تطبيقات كثيره مثل التعرف على الوجوه أو الاماكن أو حتى تطبيقات السيارات آلية القياده.
@3bdallah_AM
@3bdallah_AM
رتبها مشكوراً @Rattibha
جاري تحميل الاقتراحات...