الكشف عن قناع الوجه باستخدام TensorFlow و OpenCV

يعمل الرؤية الحاسوبية (Computer vision) على تغيير طريقة تفاعلنا مع الأماكن العامة وضمان السلامة. يعد بناء نظام تصنيف الكائنات في الوقت الفعلي أحد أكثر الطرق العملية لإتقان التعلم العميق. في هذه الدورة القائمة على النصوص، ستتعلم كيفية تصميم وتدريب وتنفيذ شبكة عصبية تلافيفية (CNN) تكتشف تلقائيًا ما إذا كان الأفراد يرتدون أقنعة الوجه. ستبدأ بالمفاهيم الأساسية للمعالجة المسبقة للصور والرؤية الحاسوبية قبل الانتقال إلى التطبيق العملي باستخدام TensorFlow و OpenCV. ما ستتعلمه: - فهم المفاهيم الأساسية للرؤية الحاسوبية، وتمثيل الصور، وهندسة التعلم العميق. - المعالجة المسبقة لمجموعات بيانات الصور الأولية باستخدام مكتبات Python لإعدادها لتدريب الشبكة العصبية. - بناء شبكة عصبية تلافيفية (CNN) من الصفر لتصنيف الوجوه المقنعة وغير المقنعة. - تطبيق التعلم الانتقالي (transfer learning) باستخدام معماريات حديثة وخفيفة الوزن ومحسّنة لأجهزة الحافة (edge devices) في الوقت الفعلي. - تنفيذ الكشف عن الوجه على الصور الثابتة وتدفقات الفيديو المباشرة باستخدام OpenCV. - تقييم أداء نموذجك باستخدام مصفوفات الارتباك (confusion matrices)، والدقة (precision)، والاستدعاء (recall)، ودرجة F1-score. تبدأ الدورة بالمفاهيم التأسيسية في معالجة الصور وتصميم الشبكات العصبية. ستنتقل بعد ذلك عبر إعداد البيانات، وتدريب النموذج، وتنفيذ الاستدلال في الوقت الفعلي باستخدام مسارات الرؤية الحاسوبية القياسية. تم تصميم هذه الدورة للمبتدئين في علم البيانات والتعلم الآلي الذين يرغبون في بناء مشروع عملي في محفظة الرؤية الحاسوبية. لا تتطلب خبرة سابقة في التعلم العميق، على الرغم من أن الإلمام الأساسي بـ Python مفيد. ابدأ القراءة اليوم لبناء أول تطبيق رؤية حاسوبية واقعي لك.