اكتشف كيف يُمكِّن الذكاء الاصطناعي الذكاء الاصطناعي من تصنيف المرئيات وفهمها، مما يؤدي إلى الابتكار في مجالات الرعاية الصحية وتجارة التجزئة والأمن وغيرها.
التعرف على الصور هو فرع مهم من فروع الذكاء الاصطناعي (AI) والرؤية الحاسوبية (CV) الذي يمكّن الآلات من تحديد وتفسير المعلومات المرئية من الصور أو مقاطع الفيديو. وهو يتجاوز مجرد رؤية البكسلات؛ فهو يتضمن فهم المحتوى، مثل الأشياء والأشخاص والمشاهد والأفعال المصورة داخل البيانات المرئية. وتشكل هذه التقنية الأساس لعدد لا يحصى من التطبيقات، مما يسمح للأنظمة "برؤية" العالم وفهمه بطريقة مشابهة للبشر.
يعتمد التعرف على الصور في جوهره بشكل كبير على التعلم الآلي (ML)، وخاصة خوارزميات التعلم العميق (DL). تُعد الشبكات العصبية التلافيفية (CNNs) مكونًا أساسيًا، وهي مصممة لتعلم التسلسلات الهرمية المكانية للسمات من الصور تلقائيًا وبشكل تكيّفي. عادةً ما تتضمن العملية تدريب نموذج على مجموعات بيانات ضخمة من الصور الموسومة، مثل مجموعة بيانات ImageNet، حيث يتم تمييز كل صورة بمعلومات حول محتواها. أثناء التدريب، يتعلم النموذج ربط أنماط وميزات بصرية محددة بتسميات أو فئات مختلفة. وبمجرد التدريب، يمكن للنموذج تحليل الصور الجديدة غير المرئية والتنبؤ بالأشياء أو المفاهيم الموجودة فيها.
على الرغم من ارتباطه بمهام الرؤية الحاسوبية الأخرى، إلا أن التعرف على الصور له فروق دقيقة محددة:
يعمل التعرف على الصور على تشغيل مجموعة واسعة من التطبيقات في مختلف الصناعات:
غالبًا ما يتضمن تطوير أنظمة التعرف على الصور استخدام أدوات وأطر عمل متخصصة. توفر مكتبات مثل OpenCV وظائف معالجة الصور الأساسية، بينما توفر أطر عمل التعلم العميق مثل PyTorch و TensorFlow اللبنات الأساسية لإنشاء نماذج الشبكات العصبية المعقدة وتدريبها. تعمل المنصات مثل Ultralytics HUB على تبسيط عملية تدريب نماذج الرؤية الحاسوبية ونشرها وإدارتها، بما في ذلك النماذج المستخدمة في مهام التعرف والتصنيف.
AR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
TR
VI
