Professional Documents
Culture Documents
FirstName Lastname Classno
FirstName Lastname Classno
2
1
يشمل معالجة الصور الملونة ومساحات األلوان هي عملية التقاط صورة بجهاز استشعار
.المختلفة
4
3
6
5
8
هي عملية تحديد ميزات معينة لكائنات معينة .هي عملية تصور ووصف البيانات المعالجة
.في صورة ما
5
طرق وتقنيات وأدوات معالجة
الصور
Image processing methods, techniques and tools
7
مكتبات مفتوحة المصدر لمعالجة الصور
االصطناعي
Open source الذكاء
libraries for القائمة على
AI-based image processing
9
أطر التعلم اآللي ومنصات معالجة الصور
hine learning frameworks and image processing platforms
رؤية الكمبيوتر هي خدمة قائمة على Googleتعد رؤية السحابة جز ًءا من نظام
والتي Microsoftالسحابة تقدمها األساسي وتقدم مجموعة من ميزات Cloud
تمنحك الوصول إلى خوارزميات متقدمة معالجة الصور .يوفر واجهة برمجة تطبيقات
لمعالجة الصور واستخراج البيانات لدمج ميزات مثل تسمية الصور وتصنيفها ،
.وتوطين الكائنات ،والتعرف على الكائنات
10
استخدام الشبكات العصبية
Using neural networks to process images لمعالجة الصور
تستخدم العديد من األدوات التي تحدثنا عنها في القسم السابق الذكاء االصطناعي لتحليل الصور
وحل مهام معالجة الصور المعقدة .في الواقع ،تعد التحسينات في الذكاء االصطناعي والتعلم اآللي
أjحد أسباب التقدم المذهل في تكنولوجيا رؤية الكمبيوتر التي يمكننا رؤيتها اليوم.
تستخدم نماذج التعلم اآللي األكثر فاعلية لمعالجة الصور الشبكات العصبية والتعلم العميق.
يستخدم التعلم العميق الشبكات العصبية لحل المهام المعقدة بشكل مشابه للطريقة التي يحلها بها
الدماغ البشري .يمكن نشر أنواع مختلفة من الشبكات العصبية لحل مهام معالجة الصور المختلفة ،
بدءًا من التصنيف الثنائي البسيط (سواء كانت الصورة تتطابق أو ال تتطابق مع معايير معينة) إلى
تجزئة المثيل .يلعب اختيار النوع والبنية المناسبين للشبكة العصبية دورًا أساسيًا في إنشاء حل
معالجة صور فعال قائم على الذكاء االصطناعي .أدناه ،نلقي نظرة على العديد من الشبكات
العصبية الشائعة ونحدد المهام األكثر مالءمة لها.
11
Convolutional Neural Network
العصبية الشبكة
التالفيفية
الشبكات العصبية التالفيفية ( ( Conv Netsأو ( )CNNهي فئة من شبكات التعلم العميق
التي تم إنشاؤها خصيصًا لمعالجة الصور باستخدام الذكاء االصطناعي .ومع ذلك ،فقد تم
تطبيق شبكات CNNبنجاح على أنواع مختلفة من البيانات ،وليس فقط على الصور.
في هذه الشبكات ،يتم تنظيم الخاليا العصبية وتوصيلها بشكل مشابه لكيفية تنظيم الخاليا
العصبية وتوصيلها في الدماغ البشري .على عكس الشبكات العصبية األخرى ،تتطلب شبكات
CNNعددًا أقل من عمليات المعالجة المسبقة .باإلضافة إلى ذلك ،بدالً من استخدام
المرشحات المصممة يدويًا (على الرغم من قدرتها على االستفادة منها) ،يمكن لشبكات
() CNNمعرفة المرشحات والخصائص الضرورية أثناء التدريب.
شبكات CNNعبارة عن شبكات عصبية متعددة الطبقات تتضمن طبقات اإلدخال واإلخراجj
باإلضافة إلى عدد من كتل الطبقات المخفية التي تتكون من:
12
الشبكة العصبية التالفيفية
طبقات التجميع الطبقات التالفيفية
13
ق;;ناع R-CNN
Mask R-CNNهي شبكة عصبية عميقة تستند إلى R-CNNأسرع ويمكن استخدامها
لفصل الكائنات في صورة أو فيديو معالج .تعمل هذه الشبكة العصبية على مرحلتين:
التقسيم :تعالج الشبكة العصبية صورة ،وتكتشف المناطق التي قد تحتوي على كائنات ،
وتقوم بإنشاء مقترحات.
إنشاء المربعات واألقنعة المحيطة :تحسب الشبكة قناعًا ثنائيًا لكل فئة وتقوم بإنشاء
النتائج النهائية بناءً على هذه الحسابات
نموذج الشبكة العصبية هذا مرن وقابل للتعديل ويوفر أداء أفضل عند مقارنته بالحلول
المماثلة .ومع ذلك ،فإن Mask R-CNNتكافح مع المعالجة في الوقت الفعلي ،حيث أن
هذه الشبكة العصبية ثقيلة جدًا وتضيف طبقات القناع القليل من األداء ،خاصةً بالمقارنة مع
.Faster R-CNN
14
ي;;و ن;;تU-Net
هي شبكة عصبية تالفيفية تسمح بتجزئة الصور بسرعة ودقة ،.تم تصميم U-Netخصيصًا
لتجزئة الصور الطبية الحيوية .لذلك ،ليس من المستغرب أن U-Netيُعتقد أنها متفوقة
على Mask R-CNNخاصة في مهام معقدة مثل معالجة الصور الطبية.
U-Netبنية على شكل حرف Uولديها المزيد من القنوات المميزة في جزء االختزال
الخاص بها .نتيجة لذلك ،تنشر الشبكة معلومات السياق إلى طبقات عالية الدقة ،وبالتالي
إنشاء مسار توسعي متماثل إjلى حد ما إjلى الجزء المتعاقد.
16
الشبكة التوليدية
Generative Adversarial Network
من المفترض أن تتعامل شبكات الخصومة التوليدية (( )GANsمع أحد أكبر التحديات
التي تواجهها الشبكات العصبية هذه األيام :الصور التوليدية .
تُعرف الصور العدائية بأنها تسبب إخفاقات هائلة في الشبكات العصبية .على سبيل المثال ،
يمكن jخداع الشبكة العصبية إذا أضفت طبقة من الضوضاء المرئية تسمى االضطراب إلى
الصورة األصلية.
وعلى الرغم من أن االختالف يكاد يكون غير ملحوظ للدماغ البشري ،إال أن خوارزميات
الكمبيوتر تكافح لتصنيف الصور العدائية بشكل صحيح .
18
الخاتمjة
بمساعدة خوارزميات التعلم العميق والشبكات العصبية ،يمكن jتعليم اآلالت رؤية الصور
وتفسيرها بالطريقة المطلوبة لمهمة معينة.
إن التقدم في تنفيذ خوارزميات الذكاء االصطناعي لمعالجة الصور مثير لإلعجاب ويفتح
مجموعة واسعة من الفرص في مجاالت من الطب والزراعة .
يشعر متخصصو Aprioritمن فريق الذكاء االصطناعي بالفضول الشديد بشأن الذكاء
االصطناعي والتعلم اآللي ،لذلك نتتبع أحدث التحسينات في معالجة الصور التي تعمل
بالذكاء االصطناعي ونستخدم هذه المعرفة عند العمل في مشاريع الذكاء االصطناعي .
نقوم بتطوير الذكاء االصطناعي وحلول التعلم العميق بناءً على أjحدث األبحاث في معالجة
الصور واستخدام أطر عمل مثل Kerasو TensorFlowو .PyTorch
عندما يكون نموذج الذكاء االصطناعي النهائي جاهزًا ويكون العميل راضيًا عن النتائج ،
نساعده على دمجه في أي منصة ،من سطح المكتب والجوال إلى الويب والسحابة وإنترنت
األشياء.
20