مشروع: مصنّف صور

طريقان إلى نفس الفكرة

قبل أن تبدأ

الفكرة الجوهرية

مشروع المسار مصنّف صور لأصناف تجمعها بنفسك. تجمع الصور وتقسّمها، ثم تبني نسختين بنفس الإعدادات، ثم تبحث أين تخطئ كل نسخة، ثم تكتب التقرير.

1اجمع وقسّم بالجلسة

اختر 3 إلى 5 أصناف تستطيع تصويرها بهاتفك في يومين، مثل أنواع التمور. اجمع 60 إلى 100 صورة لكل صنف، بإضاءات وخلفيات وزوايا مختلفة، فالتنوّع أهم من العدد.

انظر إلى الرسم: الخطوة المميّزة هي تصوير الاختبار في ظروف أخرى.

torchvision يقرأ فئات الصور من أسماء المجلدات مباشرة. قسّم مبكرًا ولا تنقل صورة بين المجلدات بعد ذلك.

dates/
  train/
    sukkari/   *.jpg
    ajwa/      *.jpg
    khalas/    *.jpg
  val/
    sukkari/ ajwa/ khalas/
  test/
    sukkari/ ajwa/ khalas/

صوّر مجموعة الاختبار في يوم مختلف أو مكان مختلف عن التدريب. إن صوّرت كل شيء على نفس الطاولة، قد يتعلّم النموذج الطاولة لا التمر، وتبدو دقته ممتازة إلى أن يراه أحد على طاولة أخرى.

2نسختان بنفس الإعدادات

النسخة الأولى شبكة التفافية صغيرة من الصفر، وهي خط الأساس. الثانية ResNet18 بعمود فقري مجمّد ورأس جديد.

انظر إلى الرسم: الفرق بينهما في النموذج وحده. نفس التقسيم والتوسيع وعدد الدورات والبذرة، وإلا لم تعرف سبب الفرق.

يحتاج torchvision وصورك وتنزيل الأوزان، فهو للقراءة هنا وللتشغيل على جهازك.

import time

import torch
from torch import nn
from torchvision import datasets, transforms
from torchvision.models import ResNet18_Weights, resnet18

norm = transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
train_tf = transforms.Compose([transforms.RandomResizedCrop(224, scale=(0.7, 1.0)),
                               transforms.ColorJitter(0.2, 0.2), transforms.ToTensor(), norm])
eval_tf = transforms.Compose([transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), norm])

train = datasets.ImageFolder("dates/train", train_tf)
val = datasets.ImageFolder("dates/val", eval_tf)
train_dl = torch.utils.data.DataLoader(train, batch_size=32, shuffle=True, num_workers=2)
val_dl = torch.utils.data.DataLoader(val, batch_size=64)

torch.manual_seed(0)
model = resnet18(weights=ResNet18_Weights.DEFAULT)
model.requires_grad_(False)
model.fc = nn.Linear(model.fc.in_features, len(train.classes))
optimizer = torch.optim.Adam(model.fc.parameters(), lr=1e-3)

start = time.perf_counter()
for epoch in range(8):
    model.train()
    for xb, yb in train_dl:
        loss = nn.functional.cross_entropy(model(xb), yb)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
    model.eval()
    with torch.no_grad():
        correct = sum((model(xb).argmax(1) == yb).sum().item() for xb, yb in val_dl)
    print(f"epoch {epoch} val acc {correct / len(val):.3f}")
print(f"training time: {time.perf_counter() - start:.0f}s")

كل ما في هذا الملف رأيته في دروس المسار: المعالجة والتطبيع من الدرس الأول، والتوسيع بلا قلب، والتجميد واستبدال الرأس، والأسطر الخمسة للتدريب، وeval مع no_grad للتقييم. انسخه للنسخة من الصفر واستبدل فقط تعريف model والمحسّن.

3أين يخطئ النموذج

مصفوفة الالتباس تقول لك أي صنفين يخلط بينهما النموذج. ثم تنظر بنفسك إلى الصور الخاطئة، فتجد غالبًا سببًا واحدًا يتكرّر.

انظر إلى الرسم: الدقة العامة تخفي أن صنفًا واحدًا أضعف بكثير من البقية.

قبل صورك، جرّب التحليل على صور الأرقام بمصنّف بسيط. نفس الأسطر تعمل على تنبّؤات أي نموذج.

import numpy as np
from sklearn.datasets import load_digits
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

X, y = load_digits(return_X_y=True)
X_tr, X_te, y_tr, y_te = train_test_split(X, y, train_size=300, random_state=0, stratify=y)
pred = SVC().fit(X_tr, y_tr).predict(X_te)
cm = confusion_matrix(y_te, pred)
print(f"accuracy: {(pred == y_te).mean():.3f}")
per_class = cm.diagonal() / cm.sum(axis=1)
print("worst classes:", [(int(c), round(float(per_class[c]), 2)) for c in np.argsort(per_class)[:3]])
off = cm.copy()
np.fill_diagonal(off, 0)
i, j = np.unravel_index(off.argmax(), off.shape)
print(f"most common confusion: true {i} predicted as {j}, {off[i, j]} times")

دقة 95.3% إجمالًا، لكن الرقم 3 يُصنَّف صحيحًا 86% فقط، وأكثر خلط هو 3 يُقرأ 8، ثماني مرات. هذا منطقي بصريًا: 3 هو 8 بنصف أيسر مفتوح. في مشروعك ستجد مثله: «العجوة والخلاص يختلطان في الصور المعتمة»، وهذه جملة تقود لإصلاح محدّد، مثل صور أكثر بإضاءة خافتة.

4التقرير

التقرير يقارن النسختين بأرقام قيست على نفس الجهاز. ثم يحكم: هل الفرق يستحق؟ نسخة أفضل بنقطتين وأبطأ عشر مرات في التوقّع قد لا تناسب الهاتف.

انظر إلى الرسم: الأرقام التي تدخل الجدول، ثم فقرة عن أكثر نوعين من الأخطاء مع صورة وفرضية لكلٍّ.

كيف يعمل، خطوة بخطوة: كيف تبني المصنّف وتقارن نسختيه

مثال محلول

اختر ثلاث إلى خمس فئات تستطيع تصويرها بهاتفك في يومين، مثل أنواع التمر، أو أصناف القهوة، أو أوراق نباتات حديقتك. اجمع 60 إلى 100 صورة لكل فئة، بإضاءات وخلفيات وزوايا مختلفة.

جرّب بلا كود

خرافة مقابل حقيقة

جرّب بنفسك

بطاقات مراجعة سريعة

تحقق من فهمك