Skin Disease Classification using VGG16

نظرة عامة: تم تصنيف صور أمراض الجلد إلى 9 فئات باستخدام التعلم بالنقل (Transfer Learning) مع VGG16. البيانات: مجموعة بيانات تصنيف أمراض الجلد (~878 صورة، 9 فئات، 697 للتدريب / 181 للتحقق). سير العمل (Pipeline): معالجة البيانات وزيادة حجمها (Data Augmentation): التدوير، التحريك العرضي/الطولي، التكبير، الانعكاس الأفقي. التعلم بالنقل باستخدام VGG16 (ImageNet) مع طبقات مخصصة: GlobalAveragePooling → Dense(256, ReLU) → BatchNorm → Dropout → Dense(9, Softmax) تجميع وتدريب النموذج مع استخدام EarlyStopping لتجنب الإفراط في التعلم. النموذج المستخدم: VGG16 مسبق التدريب مع تثبيت الطبقات الأساسية (Frozen Layers) التقنيات: التعلم بالنقل مع قاعدة VGG16 المثبتة زيادة البيانات (Data Augmentation) طبقات Dense مع Dropout وBatchNormalization استخدام EarlyStopping النتائج: أفضل دقة تحققها النموذج على بيانات التحقق: ~53٪ رسم منحنيات الدقة والخسارة مصفوفة الالتباس لجميع الفئات التسع النشر / المخرجات: حفظ النموذج بصيغة skin_disease_vgg16.h5 لإعادة الاستخدام الأدوات المستخدمة: Python، TensorFlow، Keras، Matplotlib، Pandas، Scikit-learn