تصنيف حروف لغة الإشارة العربية باستخدام التعلم العميق

قمتُ بتطوير نظام رؤية حاسوبية (Computer Vision) قادر على التعرف على حروف لغة الإشارة العربية (Arabic Sign Language - ASL) من صور اليد باستخدام تقنيات التعلم العميق (Deep Learning). يهدف المشروع إلى تسهيل التواصل مع الأشخاص الصم وضعاف السمع من خلال ترجمة إشارات اليد تلقائيًا إلى حروف قابلة للقراءة. تم بناء النموذج باستخدام شبكة عصبية التفافية (Convolutional Neural Network - CNN) من الصفر بالكامل دون الاعتماد على Transfer Learning أو نماذج مدربة مسبقًا، وحقق النموذج أداءً عاليًا في التصنيف على بيانات اختبار غير مرئية. الميزات الرئيسية: • تصميم وتنفيذ بنية CNN مخصصة من الصفر. • تصنيف حروف لغة الإشارة العربية من صور إيماءات اليد. • تحقيق دقة اختبار بلغت 97.13٪. تم تقييم النموذج باستخدام: • مصفوفة الالتباس (Confusion Matrix) • قياس الدقة وأداء التصنيف • اختبار التنبؤ على صور جديدة غير مستخدمة أثناء التدريب • القدرة على التمييز بين إيماءات اليد المتشابهة بصريًا بدقة عالية. • تطبيق تقنيات معالجة الصور (Image Preprocessing) وتحسين أداء النموذج (Model Optimization).