Flower Image Recognition

قمت ببناء نموذج Image Classification لتحديد وتصنيف أنواع مختلفة من الأزهار باستخدام الصور. بدأ المشروع بجمع البيانات ومعالجتها مسبقًا، حيث تم تحسين جودة الصور، وتحجيمها، وتطبيعها لضمان دقة النموذج. استخدمت CNNs (Convolutional Neural Networks) لاستخراج الميزات المهمة من الصور، مثل الألوان، الحواف، والأنماط المميزة لكل نوع من الأزهار، مما ساهم في تحسين أداء النموذج في التعرف على الأنواع بدقة. تم تدريب النموذج باستخدام TensorFlow/Keras مع ضبط Hyperparameters مثل عدد الطبقات، learning rate، وعدد epochs لضمان تحقيق أفضل أداء. كما تم استخدام تقنيات مثل Data Augmentation لتوسيع حجم البيانات وتحسين تعميم النموذج على صور جديدة. بعد التدريب، تم تقييم النموذج باستخدام بيانات اختبار لم يسبق له رؤيتها، وحقق accuracy عالية في التعرف على الأزهار المختلفة. كما تمت مقارنة الأداء مع نماذج أخرى لضمان كفاءة الحل. هذا المشروع يعكس قدرتي على تطبيق تقنيات Deep Learning وComputer Vision في حل مشكلات التصنيف باستخدام Neural Networks وأدوات الذكاء الاصطناعي المتقدمة.