كل المشاريع
رؤية الحاسوب
تصنيف أرقام لغة الإشارة
شبكة CNN للتعرف على أرقام لغة الإشارة (0-9) على 2,062 صورة متوازنة. دقة تحقق 96.13% عند الحقبة 23، F1 التدريب=0.98. CNN بـ 3 طبقات مع BatchNorm + Dropout. تصدير H5 للنشر.
96.13%
Validation accuracy
98%
Training accuracy
0.96
Validation F1
23
Epochs to converge
مجموعة البيانات
2,062 صورة رمادية 64×64 — 10 فئات أرقام متوازنة
المنهجية
CNN بـ 3 كتل مع BatchNorm + Dropout → توقف مبكر → تصدير H5 للنشر
المكدس التقني
PythonKeras/TensorFlowCNNBatchNormH5 export
الكلمات المفتاحية
CNNSign LanguageAccessibilityBatchNormKerasH5 Export
المرئيات5 مخططات
التعمق
التعرف على أرقام لغة الإشارة — من الصور الخام إلى نموذج H5 جاهز للنشر.
مجموعة البيانات
- ◂2,062 صورة رمادية 64×64: 10 فئات (أرقام 0-9)
- ◂تدريب: 1,649 (163±17 لكل فئة) / تحقق: 413 (40±7 لكل فئة)
- ◂متوازن جيداً — لا حاجة لأوزان الفئات أو التضخيم
بنية CNN
Conv2D(32، 3×3) → BatchNorm → ReLU → MaxPool(2×2)
Conv2D(64، 3×3) → BatchNorm → ReLU → MaxPool(2×2)
Conv2D(128، 3×3) → BatchNorm → ReLU → MaxPool(2×2)
Dense(128) → Dropout(0.3) → Dense(10، softmax)
التدريب
- ◂المحسّن: Adam (lr=1e-3) | الخسارة: انتروبيا متقاطعة فئوية
- ◂توقف مبكر: عند الحقبة 23 (هدف val_acc ≥ 95%)
النتائج
| الحقبة | دقة التدريب | دقة التحقق | خسارة التحقق |
|---|---|---|---|
| 10 | 89% | 88% | 0.45 |
| 20 | 97% | 95% | 0.22 |
| 23 | 98% | 96.13% | 0.165 |
- ◂F1 مرجح (تدريب): 0.98 | F1 مرجح (تحقق): 0.96
- ◂تصدير: my_cnn_model.h5
مسار النشر تجزئة اليد → اقتصاص 64×64 → تنبؤ CNN → مخرج الرقم. البنية البسيطة تضمن استدلالاً سريعاً حتى على المعالج.