وصف الخدمة:
أقدم خدمة بناء نماذج رؤية الحاسوب (Computer Vision) المتخصصة في التعرف على الصور باستخدام شبكات الالتفاف العصبية (CNN)، مثل نماذج لتصنيف النفايات، تحليل صور الأقمار الصناعية لتصنيف أنواع الأراضي، أو التحقق من صحة التوقيعات باستخدام شبكات سيامية (Siamese CNN). باستخدام مكتبة TensorFlow.
ما يشمله السعر الأساسي:
- بناء نموذج CNN أساسي لتصنيف صور (حتى 10 فئات، مثل تصنيف النفايات أو أنواع الأراضي)
- تدريب النموذج على مجموعة بيانات صغيرة (حتى 2000 صورة)
- صيغ التسليم: ملفات Python أو Jupyter Notebook مع كود كامل
- تسليم الكود المصدري مجاناً، بما في ذلك التحقق من الدقة ومصفوفة الالتباس
- دعم للصور العادية أو الرمادية (غير المعقدة مثل الطبية أو المتحركة)
مميزات الخدمة:
الحصول على الكود المصدري مجانًا
يتضمن العرض الأساسي تزويد العميل بالكود المصدري الكامل للنموذج بدون أي تكلفة إضافية، لتمكينه من إعادة استخدامه أو تعديله حسب الحاجة، مع تعليقات مفصلة.
مرونة في مجموعات البيانات
يمكنك تقديم مجموعة بياناتك الخاصة dataset (مثل قمت بتجميعها للتوقيعات او خلاف ذلك) أو استخدام مجموعات بيانات عامة مثل EuroSAT، مع خدمة تنظيف وتحسين البيانات.
ما الذي ستستلمه:
الكود المصدري المجاني
ستحصل مع الخدمة الأساسية على الكود المصدري الكامل للنموذج مجانًا، لتتمكن من مراجعته أو تعديله والاستفادة منه في مشاريعك المستقبلية، بما في ذلك أمثلة على تشغيل النموذج على صور عشوائية.
ملفات النموذج المدرب
سيستلم العميل ملفات النموذج المدرب جاهزة للاستخدام (مثل .keras أو .h5)، مع تعليمات لتشغيله على بيئتك الخاصة، سواء على GPU Nvidia أو CPU.
مثال تطبيقي عملي:
قمت سابقًا ببناء نموذج لتصنيف أنواع النفايات باستخدام EfficientNetB0، حيث حقق دقة اختبار تصل إلى 90%، مع رسم منحنيات الدقة ومصفوفة الالتباس لتحليل الأداء.
