شرح الشبكات العصبية الالتفافية مع مثال | Convolutional Neural Networks (CNN) | YouTubeToText
YouTube Transcript: شرح الشبكات العصبية الالتفافية مع مثال | Convolutional Neural Networks (CNN)
Skip watching entire videos - get the full transcript, search for keywords, and copy with one click.
Share:
Video Transcript
تحيل اننا نعرض على الحاسوب صوره
لقطه بالنسبه لك كذا
بسيط عينان اذنان
ذيل واضح انها قطه ولكن بالنسبه للحاسوب
فالصوره ليست كائنا حيا بل مجرد مصفوفه
ضخمه من
الارقام كل بكس هو قيمه
رقميه هذه القيم تمثل درجات الالوان او
الاضاءه وهنا تظهر الحاجه الى نموذج
يستطيع قراءه هذه الارقام كما نقرا نحن
الاشكال هذا ما تفعله الشبكات العصبيه
الالتفافيه سي ان ام هي معماريه مصممه
خصوصا للتعامل مع الصور وذلك من خلال
سلسله من المرافل الذكيه تبدا باستخراج
السمات الاساسيه وتنتهي باتخفاذ القرار
حول ما تحتويه الصوره وقبل ان نستعرض مرا
ان لم تكن لديك فكره واضحه عن الشبكات
العصبيه الاصطناعيه فمن الافضل ان تشاهد
الفيديو السادث لفهم الاساسيات لان سي ان
ام ما هي الا تطوير واستفاده اذكى من نفس
الفكره الان دعنا نبدا بشرح الطبقات
الرئيسيه لهذه الشبكه من خلال مثال
عملي تحيل ان لدينا صوره صغيره بحجم 6 في
6 تحتوي على شكل يمثل الرقم ثلاثه مكتوبا
بخط بسيط بالابيض
والاسود في هذه الصوره تمثل القيمه واحد
اللون الاسود اي شكل الرقمك بينما تمثل
الصفر الخلفيه
البيضاء في اول مراحل سي ان نستخدم طبقه
الالتفاف
الكونثولوشين ناخذ فلترا بحجم 3 في 3 وهو
عباره عن مصفوفه صغيره من
الاوزان ونمرره فوق الصوره جزءا جزءا وكل
مره نقوم بعمليه رياضيه تسمى الضرب
النقطي في شبكات سي ان الحقيقيه لا نحدد
يدويا ما اذا كان الفلتر يكتشف الحواف او
الانحناءات بل يتعلم محتوى الفلتر تلقائيا
اثناء التدريب من خلال خوارزميه الانتشار
العكسي في البدايه تكون قيم فلاتر
عشوائيه وبعد كل تمريره تدريبيه تقوم
الشبكه بتعديل هذه القيم بناء على الخطا
في المخرجات حتى تتعلم الفلاتر اكتشاف
السمات الاكثر
فاعليه لهذا السبب في نهايه التدريد يكون
لدينا فلاتر متخصصه تلقائيا في كشف انماط
معينه مثل الحواف الزوايا القوام او حتى
تفاصيل وجه معين كل ذلك دون ان نخبر
الشبكه بما يجب ان تراه ومع ذلك ولاغراض
الشرح فقط سنستخدم هنا فلترا يدويا معروفا
يستخدم لكشف الحواف الراسيه وشكله
كالتالي ناخذ اول منطقه ثلاثه في ثلاثه من
الصوره وهي هذه نحسب ناتج الضرب النقطي
يساوي سالب
ا نضع هذا الناتج في اول خانه من خريطه
الخصائص نحرك الفلتر خطوه واحده الى
اليمين ونكرر العمليه حتى نغطي كامل
الصوره
بعد هذه الجوله نحصل على خريطه خصائص
اسرار بعد ان حصلنا على خريطه الخصائص من
تطبيق الفلتر على الصوره ننتقل الان الى
خطوه مهمه جدا في تصميم الشبكه وهي اضافه
الانحياز الانحياز هو ببساطه قيمه ثابته
تضاف الى ناتج كل عمليه
التفاف الهدف منه هو اعطاء الشبكه العصبيه
مرونه اضافيه بحيث لا تعتمد فقط على القيم
الناتجه من الفلتر بل تستطيع ايضا تعديل
مخرجاتها في اتجاه
معين يمكنك ان تتخيله كاداه للضبط الدقيق
للنتائج تساعد الشبكه على التعامل مع
الحالات التي قد تكون فيها القيم منخفضه
جدا او سالبه في مثالنا اضفنا انحيازا
لقيمه زائد واحد الى كل عنصر من عناصر
خريطه الخص
خصائص وبفضل هذا التعديل اصبحت خريطه
خصائص اكثر ايجابيه واكثر استعدادا
للمرحله
التاليهه داله ري العود هي واحده من ابسط
واكثر دوال التفعيل استخداما في التعلم
العميق وظيفتها بسيطه اي قيمه سالبه
تستبدل بصفر اما القيم الموجبه فتمر كما
هي وهذا يجعل الشبكه تركز على الاشارات
الفعاله فقط وتتجاهل الاشارات الضعيفه او
العشوائيه بتطبيق داله ررييلو على
خريطتنا نحصل على النتيجه
التاليه هذه القيم تمثل السمات الايجابيه
الفعليه التي اكتشفها الفلتر في
الصوره وقد اصبحت الان جاهزه للمرحله
التاليه في الشبكه وهو
التجميع نستخدم هنا طبقه التجميع
الاقصى وهي تهدف الى تقليد حجم البيانات
مع الاحتفاظ بالمعلومات المهمه فقط من
اشهر انواع هذه الطبقه هو التجميع الاقصى
والذي يعمل بشكل بسيط
وفعال نقسم الخريطه الى مربعات صغيره على
سبيل المثال 2 في 2 ومن كل مربع ناخذ فقط
اعلى قيمه فلو اخذنا المربع
الازرق الناتج سيكون
ثلاث النتيجه النها نهائيه هي حريطه
اسعار لكنها تحتفظ بالخلاصه البصريه
المهمه التي تم
استخلاصها نحول هذه المصفوفه الى قائمه من
الارقام او ما يعرف بالمتجه لتصبح جاهزه
للدخول في الشبكه العصبيه
التقليديه هنا تبدا الشبكه العصبيه
التقليديه والتي تستقبل غدى المتجه وتقوم
بتحليل القيم من خلال طبقه خفيه ثم تنتج
ناتجا نهائيا في طبقه الاخراج كل قيمه في
هذا المتجه تضرب بوزن معين ويضاف اليها
انحياز ثم تمر عبر داله تفعيل اخرى فاذا
اعطى النيون المخصص للرقم ثلاثه قيمه اكبر
من داق النيونات فهذا يعني ان الشبكه قررت
ان هذه الصوره تمثل الرقم ثلاثه وهكذا
نكون قد مررنا هذه الصوره الصغيره من
مصفوفه حم معرورا بالف الفلترات وخريطه
الخصائص والانخياز والتفعيل والتجميع ثم
الشبكه العصبيه التقليديه الى ان وصلنا
الى تصنيف دقيق للرقم الموجود
داخلها هذا المثال البسيط يجسد بشكل عملي
كيف تعمل سي ان على قراءه وتحليل الصور من
الصفر واستخراج المعنى منها خطوه بخطوه
اذا اعجبك هدى الشرف لا تنسى الرجوع الى
فيديو الشبكات العصبيه الاست اصطناعيه اي
ان ان لفهم الاساس واشترك في القناه لمزيد
من دروس الذكاء الاصطناعي والتعلم
العميق شكرا لمشاهدتك ونراك في الفيديو
القادم باذن لا
Click on any text or timestamp to jump to that moment in the video
Share:
Most transcripts ready in under 5 seconds
One-Click Copy125+ LanguagesSearch ContentJump to Timestamps
Paste YouTube URL
Enter any YouTube video link to get the full transcript
Transcript Extraction Form
Most transcripts ready in under 5 seconds
Get Our Chrome Extension
Get transcripts instantly without leaving YouTube. Install our Chrome extension for one-click access to any video's transcript directly on the watch page.
