3.4.4
معالجة الصور
تنقسم معالجة الصور الملونة إلى مجالين رئيسيين:
1
) معالجة اللون
- يتم الحصول على الصور باستخدام مستشعر بالألوان الكاملة، مثل كاميرا تلفزيون ملونة أو ماسح ضوئي ملون.
- تستخدم في النشر والتصور والإنترنت
2
) معالجة اللون
- تعيين لون لكثافة أحادية اللون معينة أو نطاق من الشدة. الضوء المرئي كنطاق ضيق من الترددات
في الموجات الكهرومغناطيسية
- يظهر الجسم الذي يعكس الضوء المتوازن في جميع الأطوال الموجية المرئية باللون الأبيض
- ومع ذلك، فإن الجسم الذي يفضل الانعكاس في نطاق محدود من الطيف المرئي يظهر بعض ظلال الألوان
- تعكس الأجسام الخضراء الطول الموجي في نطاق 500 نانومتر إلى 570 نانومتر أثناء امتصاص معظم الطاقة
عند أطوال موجية أخرى ] 40 .]
شكل ) 3.8 (: الطول الموجي )بالنانومتر(] 40 .]
3.4.5
الموجات الصغيرة والمعالجة متعددة الحلول
الموجات الصغيرة هي دوال رياضية تقسم البيانات إلى مكونات تردد مختلفة، ثم تدرس كل مكون بدقة
مطابقة لمقياسها.
تقوم Wavelet بتحويل الإشارة إلى مجموعة من الوظائف الأساسية. تسمى وظائف الأساس هذه باسم "الموجات الصغيرة "] 41 .]
استخدم الموجة الصغيرة من أجل:
- خصائص تقريبية جيدة.
- طريقة فعالة لضغط البيانات السلسة إلا في المنطقة المحلية. من السهل التحكم في خصائص الموجات الصغيرة.
) مثال : نعومة، دقة أفضل بالقرب من التدرجات الحادة(.
Wavelets هي أداة إحصائية قوية يمكن استخدامها لمجموعة واسعة من التطبيقات:
معالجة الإشارةمعالجة الصور-التلطيف والحد من ضوضاء الصورة.التعرّف على الكلام
تتمثل ميزة ضغط الموجة الصغيرة في أنه، على عكس JPEG ، لا تقسم خوارزمية الموجة الصغيرة الصورة إلى كتل، ولكنها تحلل الصورة
بأكملها. يتم تطبيق تحويل الموجة على الصور الفرعية، لذلك لا ينتج عنه أي أدوات حجب. تتمتع الموجات الصغيرة بميزة كبيرة تتمثل في القدرة على
فصل التفاصيل الدقيقة في إشارة. يسمح Wavelet بالحصول على أفضل نسبة ضغط، مع الحفاظ على جودة الصور ] 41 .]
يؤدي ضغط الصورة باستخدام الموجة الصغيرة إلى تحسين نسبة الضغط بالإضافة إلى جودة الصورة. تحويل الموجات الصغيرة هو الطريقة
الوحيدة التي توفر كل من معلومات المجال المكاني والتردد. تساعد خصائص الموجة الصغيرة هذه بشكل كبير في تحديد واختيار المعامل المهم وغير
المهم. توفر تقنيات تحويل الموجات حاليًا النهج الواعد لضغط الصور عالية الجودة ] 41 .]
3.4.6
3.4.6 معالجة الصور
من حيث التخزين، يمكن زيادة سعة جهاز التخزين بشكل فعال باستخدام الطرق التي تضغط مجموعة من البيانات في طريقها إلى التخزين.
الجهاز وفك ضغطه عند استرداده. فيما يتعلق بالاتصالات، يمكن زيادة عرض النطاق الترددي لوصلة الاتصال الرقمي بشكل فعال عن طريق ضغط
البيانات في نهاية الإرسال وفك ضغط البيانات في الطرف المتلقي. في أي وقت من الأوقات، يتم إصلاح قدرة الإنترنت على نقل البيانات. وبالتالي، إذا
كان من الممكن ضغط البيانات بشكل فعال حيثما أمكن، فيمكن تحقيق تحسينات كبيرة في إنتاجية البيانات. يمكن تخزين العديد من الملفات في مستند
مضغوط واحد مما يجعل الإرسال أسهل ] 38 .]
ضغط الصورة هو فن وعلم تقليل بيانات الكمية المطلوبة لتمثيل الصورة. تقنية تستخدم لتقليل حجم المعلومات المراد نقلها حول صورة ما.
تدفق ترميز ضغط الصورة
ما هو ما يسمى بترميز ضغط الصورة ؟ ترميز ضغط الصورة هو تخزين الصورة في دفق بت مضغوط قدر الإمكان وعرض الصورة التي
تم فك تشفيرها في الشاشة بأكبر قدر ممكن من الدقة. الآن ضع في اعتبارك جهاز تشفير وجهاز فك تشفير كما هو موضح في الشكل 3.11 عندما يتلقى
جهاز التشفير ملف الصورة الأصلي، سيتم تحويل ملف الصورة إلى سلسلة من البيانات الثنائية، والتي تسمى دفق البت. ثم تستقبل وحدة فك التشفير دفق
البت المشفر وتفك تشفيره لتشكيل الصورة التي تم فك تشفيرها. إذا كانت كمية البيانات الإجمالية لتيار البت أقل من كمية البيانات الإجمالية للصورة
الأصلية، فهذا ما يسمى بالصورة يكون تدفق الضغط الكامل كما
كما هو موضح في الشكل 3.9
شكل ) 3.9 (: تدفق الترميز العام لضغط الصورة ] 38 .]
النسبة كالتالي:
Cr=n1/n2 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ( 3.6 )
حيث n1 هو معدل بيانات الصورة الأصلية و n2 هو معدل دفق البت المشفر.
3.4.7
3.4.7 معالجة الصور
قد تحتوي الصور الثنائية على العديد من العيوب. على وجه الخصوص، المناطق الثنائية التي تنتجها عتبة بسيطة مشوهة بالضوضاء والملمس.
تسعى معالجة الصور المورفولوجية إلى تحقيق أهداف إزالة هذه العيوب من خلال حساب شكل الصورة وبنيتها. يمكن توسيع هذه التقنيات لتشمل الصور
ذات المقياس الرمادي ] 43 .]
المفاهيم الأساسية
المورفولوجيا فرع في علم الأحياء يتعامل مع شكل وبنية الحيوانات والنباتات. ] 40 ]
المورفولوجيا الرياضية كأداة لاستخراج مكونات الصورة، المفيدة في تمثيل ووصف شكل المنطقة، ولغة المورفولوجيا الرياضية هي نظرية
سيت ] 40 .]
الجدول ) 3-1 (: نظرية الضبط ] 40 .]
مجموعة فرعية
𝐴|𝐵
التحالف
𝐴|𝐵
تقاطع
ص
متنافرين, عدم السماح بشيء عند القيام به مرة أخرى
ص
المتممة
م الفرق بين الموازنتين
ا- ا- ا }ا | ا، ا = ا{
انعكاس
ا }ا| ا = ا، ا{
Translation
}??????????????+ ??= ??| ??{ ???)??(
في الصور الثنائية، تكون العناصر المحددة أعضاء في مساحة الأعداد الصحيحة ثنائية الأبعاد، حيث يكون كل عنصر ) x ، y( إحداثيًا لبكسل
أسود )أو أبيض( في الصورة. ] 40 ]
تقوم التقنيات المورفولوجية بفحص صورة ذات شكل صغير أو قالب يسمى عنصر الهيكلة، ويتم وضع عنصر الهيكلة في جميع المواقع الممكنة
في الصورة وتتم مقارنته بالأحياء المقابلة للبكسل. اختبار بعض العمليات
ما إذا كان العنصر "مناسبًا" داخل الأحياء، بينما يختبر الآخرون ما إذا كان "يضرب" أو يتقاطع مع الأحياء:
شكل ) 3.10 (:سبر صورة بعنصر هيكلي ] 40 .]
شكل ) 3.11 (: بعض العمليات المنطقية بين الصور الثنائية. يمثل اللون الأسود 1s الثنائية و 0s الثنائية البيضاء في هذا المثال. ] 40 ]
تنشئ العملية المورفولوجية على صورة ثنائية صورة ثنائية جديدة تحتوي فيها البكسل على قيمة غير صفرية فقط إذا كان الاختبار ناجحًا في
ذلك الموقع في صورة الإدخال.
عنصر الهيكلة هو صورة ثنائية صغيرة، أي مصفوفة صغيرة من وحدات البكسل، كل منها بقيمة صفر أو واحد: ] 43 ]
تحدد أبعاد المصفوفة حجم عنصر الهيكلة.
يحدد نمط الآحاد والأصفار شكل عنصر الهيكلة.
عادة ما يكون أصل عنصر الهيكلة أحد وحدات البكسل الخاصة به، على الرغم من أن الأصل بشكل عام يمكن أن يكون خارج عنصر
الهيكلة.
شكل ) 3-12 (: أمثلة على عناصر هيكلة بسيطة. ] 43 ]
من الممارسات الشائعة أن يكون هناك أبعاد غريبة لمصفوفة الهيكلة والأصل المحدد على أنه مركز المصفوفة. تلعب عناصر الهيكلة في معالجة الصور
المورفولوجية نفس دور حبات الالتفاف في تصفية الصور الخطية ] 43 .]
الترشيح المورفولوجي
للصورة الثنائية من خلال النظر في العمليات المركبة مثل الفتح والإغلاق كمرشحات. قد تعمل كمرشحات للشكل. على سبيل المثال، الفتحة
بعنصر هيكلة القرص تنعم الزوايا من الداخل، والإغلاق بقرص ينعم الزوايا من الخارج. ولكن يمكن لهذه العمليات أيضًا أن ترشح من الصورة أي تفاصيل
أصغر حجمًا من عنصر الهيكلة، على سبيل المثال الفتح هو ترشيح الصورة الثنائية بمقياس يحدده حجم عنصر الهيكلة. فقط تلك الأجزاء من الصورة التي
تناسب عنصر الهيكلة يتم تمريرها بواسطة المرشح ؛ يتم حظر الهياكل الأصغر واستبعادها من صورة الإخراج. حجم عنصر الهيكلة هو الأكثر أهمية
للقضاء على التفاصيل الصاخبة ولكن ليس لإلحاق الضرر بالأشياء المثيرة للاهتمام ] 40 .]
استخراج الحدود
أولاً، تآكل A بواسطة B، ثم اصنع فرقًا محددًا بين A والتآكل يعتمد سمك الكفاف على حجم جسم البناء – Ω :
................................ ................................ ................................ ................................ .......... (. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . )( - )( = )( 3.7 )
شكل ) 3-13 (: الاستخراج الحدودي باستخدام نظرية المنطق ] 40 .]
شكل ) 3-14 (: مثال على الاستخراج الحدودي ] 40 .]
3.4.8
3.4.8 معالجة الصور
تحليل الصور
التقسيم، أي تقسيم الصورة إلى أجزائها أو كائناتها المكونة. يعد التقسيم الذاتي أحد أصعب المهام في معالجة الصور، وتستند خوارزميات
التقسيم إلى خاصيتين أساسيتين لقيم المستوى الرمادي:
• الانقطاع: يتم تقسيم الصورة بناءً على التغييرات المفاجئة في المستوى الرمادي. النهج الرئيسي هو الكشف عن الحافة.
• التشابه: تقسيم الصورة إلى مناطق متشابهة. النهج الرئيسية هي العتبة، ونمو المنطقة، وتقسيم المنطقة ودمجها. ] 40 ]
ثلاثة أنواع أساسية من الانقطاعات في الصور الرقمية: النقاط والخطوط والحواف.
اكتشاف النقطة: اكتشاف نقطة معزولة )بكسل داكن داخل المنطقة الساطعة أدناه( ] 40 ]
كشف الخط: إذا تم تحريك قناع حول صورة، فسوف يستجيب بقوة أكبر للخطوط في الاتجاه المقابل.
يظهر كشف الحواف في الشكل 3.13
شكل ) 3-15 (: الاتجاه المقابل ] 40 [، ملاحظة: كمامات محصلتها صفر
شكل ) 3.16 (: )أ(نموذج الحافة الرقمية المثالية. )ب(نموذج حافة المنحدر. يتناسب ميل المنحدر مع درجة الضبابية في الحافة ] 40 .]
وضع حد
يعد اختيار الميزات داخل مشهد أو صورة شرطًا أساسيًا مهمًا لمعظم أنواع القياس أو التحليل للمشهد. تقليديًا، تتمثل إحدى الطرق البسيطة
لإنجاز هذا التحديد في تحديد مجموعة من قيم السطوع في الصورة الأصلية، وتحديد وحدات البكسل داخل
هذا النطاق على أنه ينتمي إلى المقدمة، ويرفض جميع وحدات البكسل الأخرى في الخلفية. ثم يتم عرض هذه الصورة عادة كصورة ثنائية أو ذات مستويين،
باستخدام الأسود والأبيض )أو في بعض الأحيان ألوان أخرى( لتمييز المناطق. لا توجد اتفاقية قياسية حول ما إذا كانت الميزات المثيرة للاهتمام بيضاء
أو سوداء ؛ يعتمد الاختيار على جهاز العرض المعين المستخدم وتفضيل المصمم ؛ في الأمثلة الموضحة هنا، تكون الميزات سوداء والخلفية بيضاء، والتي
تتطابق مع معظم شاشات الكمبيوتر الحديثة والطباعة التي تعرض نصًا أسود على خلفية بيضاء ] 40 .]
3.4.9
3.4.9 التمثيل والوصف معالجة الصور
عادة ما تأخذ تقنيات التجزئة في الاعتبار البكسل على طول الحدود والبكسل الموجودين في المنطقة. ونهج للحصول على الواصف الذي
يضغط البيانات في التمثيل.
نتائج التجزئة هي مجموعة من المناطق. يجب بعد ذلك تمثيل المناطق ووصفها. طريقتان رئيسيتان لتمثيل المنطقة، الخصائص الخارجية
)حدودها(: التركيز على الشكل، الخصائص الداخلية )البكسلات الداخلية(، التركيز على اللون، القوام. 32 .
س لسلة )ج: سلاسل(
يستخدم رمز السلسلة لتمثيل حد بطول واتجاه مقاطع الخط المستقيم. عادةً ما يعتمد هذا التمثيل على اتصال 4 أو 8 من الشرائح. ] 32 ]
الشكل ) 3.17 (: )أ( رمز السلسلة رباعي الاتجاه )ب( رمز السلسلة رباعي الاتجاه.
تقنيات الدمج
تم تطبيق تقنيات الدمج بناءً على متوسط الخطأ أو معايير أخرى على مشكلة التقريب المضلع. يتمثل النهج في دمج النقاط على طول الحدود
حتى يتجاوز الحد الأدنى لخط الخطأ المربع للنقاط التي تم دمجها حتى الآن عتبة محددة مسبقًا.
المُوصف
بشكل عام، الأوصاف هي مجموعة من الأرقام التي يتم إنتاجها لوصف شكل معين. قد لا يكون الشكل قادرًا تمامًا على إعادة البناء من
الأوصاف، ولكن يجب أن تكون الأوصاف للأشكال المختلفة مختلفة بما يكفي بحيث يمكن تمييز الأشكال. 32 .
الأوصاف البسيطة:
الطول
تعيين عدد من بكسل
عدد المكونات الرأسية والأفقية + √ 2 ضعف عدد المكونات القطرية.
القطر )طول المحور الرئيسي(.
المستطيل الأساسي )الذي يتكون من المحور الرئيسي والثانوي، يحيط بالحدود( وانحرافه )المحور الرئيسي/الثانوي(.
1
1 ) شكل الأرقام.
ترتيب الشكل: عدد الأرقام أرقام الشكل، يعتمد الاختلاف الأول للحدود المشفرة بسلسلة على نقطة البداية. يتم تعريف رقم شكل هذه الحدود،
بناءً على الكود رباعي الاتجاه على أنه الفرق الأول لأصغر قدر. بالنسبة لترتيب الشكل المطلوب، نجد مستطيل الترتيب n الذي يقترب انحرافه
المركزي بشكل أفضل من المستطيل الأساسي ونستخدم هذا المستطيل الجديد لتحديد حجم الشبكة. ] 32 ]
2
2 أوصاف فورييه. (
تبدأ واصفات فورييه من نقطة عشوائية ) x ، y ( .يمكن التعامل مع كل زوج إحداثي كعدد مركب بحيث:
)k(jy) k(x) k(s .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ( 3.8 )
إن واصفات فورييه ليست غير حساسة للترجمة، ولكن التأثيرات على معاملات التحويل معروفة.
ميزات المنطقة النموذجية:
اللون
قيمة RGB
المدرج التكراري للألوان في R ، G ، والمدرج التكراري للألوان في ) R ، G ، B .)
الشكل ) Shape )
تعيين عدد من بكسل
إضافة سمات العرض والارتفاع
سمات نعومة الحدود.
علامات المناطق
3.4.10
3.4.10 التعرف على الكائن:
أوصاف الصور الشائعة للكشف
تقوم الأوصاف بتشفير النافذة المجاورة المحلية حول النقاط الرئيسية
شكل ) 3.18 (: مثال النافذة المجاورة حول النقاط الرئيسية ] 44 .]
• تحاول الواصفات الشائعة في اكتشاف الكائنات التقاط معلومات التدرج ] 44 .]
– الإدراك البشري حساس لتوجه التدرج
– غير متغير للتغيرات في الإضاءة والتشوهات الصغيرة
شكل ) 3.19 (: التقاط معلومات التدرج ] 44 .]
معظم أوصاف الصور الشائعة المستخدمة حاليًا في الكشف عن الكائنات ] 44 .]
– تحويل المزايا بدون تغيير الحجم
– الرسم البياني للتدرجات الموجهة
– العديد من المتغيرات من هذه
||| UNTRANSLATED_CONTENT_START|||Scale Invariant Feature Transform(SIFT) [44].|||UNTRANSLATED_CONTENT_END |||
• إدخال صورة
• استخراج النقاط الرئيسية
– يجد "زوايا"
– يحدد حجم واتجاه النقطة الرئيسية
• حساب الواصف لكل نقطة رئيسية
– الرسم البياني للتدرجات في نافذة Gaussian حول نقطة المفاتيح
شكل ) 3.20 (: تحويل خاصية ثبات المقياس ] 44 .]
• حساب التدرج لكل بكسل في النافذة المجاورة المحلية
– عادة 8 اتجاهات متدرجة
– يتم تحديد النافذة المجاورة حسب مقياس النقطة الرئيسية
• تجمع التدرجات في مدرج تكراري 4 × 4
– قم بوزن كل حجم من خلال نافذة غاوسية تتمحور حول النقطة
الرئيسية
• 8x4x4=128 متجه خرج بعدي تم تطبيعه إلى 1
الشكل ) 3.21 (: واصف النقطة الرئيسية مقياس تحويل السمة الثابتة ] 44 .]
• مطابقة مجموعات النقاط الرئيسية عبر الصور
– لا يختلف عن المقياس وبعض التغييرات في الإضاءة والتوجيه
• رائع للعثور على نفس مثيل الكائن!
• ليست جيدة في العثور على حالات مختلفة من كائن ] 44 .]
الرسم البياني للتدرجات الموجهة (HOS) [ 44 ]
• إدخال صورة
• تطبيع غاما واللون
• حساب التدرجات
• تجميع الأصوات المرجحة لتوجيه التدرج على الصناديق المكانية
• تطبيع التباين داخل كتل الخلايا المتداخلة
• جمع HOGs لجميع الكتل فوق الصورة
الشكل ) 3.22 (: مثال على الرسم البياني للتدرجات الموجهة ] 44 .]
نموذج الهيكل المكاني
النماذج الجزئية.
نماذج التصويت.
نمذجة كائن كعدد من الأجزاء الأصغر المسموح لها بالانحراف قليلاً عن متوسط المظهر. 44
– النموذج النجمي - مرشحات الجذر الخشنة وقطع الغيار عالية الدقة
شكل ) 3.23 (: النموذج الجزئي ] 44 .]
نماذج التصويت
• إنشاء كواشف ضعيفة باستخدام الأجزاء والتصويت لموقع مركز الكائن
شكل ) 3.24 (: نماذج التصويت ] 44 .]
تجميع قطع الغيار
أولاً، نجمع مجموعة من قوالب الأجزاء من مجموعة من كائنات التدريب.
شكل ) 3.25 (: مثال تجميع الأجزاء ] 44 .]
أجهزة الكشف عن الأجزاء الضعيفة
- نعرّف الآن عائلة "أجهزة الكشف الضعيفة" على أنها:
شكل ) 3.26 (: كواشف الأجزاء الضعيفة ] 44 .]
- يمكننا القيام بعمل أفضل باستخدام الصور المفلترة
شكل ) 3.27 (: كواشف الأجزاء الضعيفة باستخدام الصور المفلترة ] 44 .]
نموذج التصويت
شكل ) 3.28 (: مثال على كشف الشاشة ] 44 .]
مجموعات البيانات للكشف عن تصنيف الكائنات
• Caltech101
• Caltech256
• باسكال
• ImageNET
• LabelMe
||| UNTRANSLATED_CONTENT_START|||CHAPTER FOUR
4
||| UNTRANSLATED_CONTENT_END |||
تصميم الانظمة
4.1
4.1 المقدمة
4.2
4.2 ||| UNTRANSLATED_CONTENT_START|||System Block Diagram|||UNTRANSLATED_CONTENT_END |||
4.3
4.3 مخطط انسياب النظام
4.4
4.4 كاميرا صغيرة خاصة
4.5
4.5 لغة البرمجة باستخدام بايثون
4.6
4.6 ||| UNTRANSLATED_CONTENT_START|||Raspberry pi 3|||UNTRANSLATED_CONTENT_END |||
4.7
4.7 مجموعة بيانات الصورة
4.8
4.8 الاعتراف
4.9
4.9 مصدر الطاقة
4.1
4.1 المقدمة
أحد الأهداف الرئيسية لرؤية الكمبيوتر هو فهم المشاهد المرئية. يتضمن فهم المشهد العديد من المهام بما في ذلك التعرف على الأشياء الموجودة،
وتوطين الأشياء في ثنائية وثلاثية الأبعاد، وتحديد سمات الأشياء والمشهد، وتوصيف العلاقات بين الأشياء وتقديم وصف دلالي للمشهد.
4.2
4.2 مخطط كتلة النظام
الفكرة الرئيسية لمخطط كتلة النظام هي العمل كعين جزء مماثلة في الإنسان للشخص غير المكفوف ومساعدة المكفوفين على فهم الكائن
حول حياته من خلال الكشف والتعرف باستخدام الكاميرا وإخبار النتيجة على سماعة الأذن بما يمكن للكاميرا رؤيته. يمكن لهذه الكتلة وصفها.
شكل ) 4-1 (: رسم تخطيطي للمشروع.
الكاميرا عبارة عن صندوق يتحكم في كمية الضوء التي تصل إلى سطح حساس للضوء في الداخل )إما فيلم أو مستشعر رقمي أو سطح آخر(. لم تكن
الكاميرات الأصلية تحتوي حتى على عدسة زجاجية، على الرغم من أنه يمكننا القول اليوم أن معظم الكاميرات تشمل: صندوقًا محكمًا للضوء وعدسة
زجاجية وسطحًا يلتقط الضوء.
لقد قطعت الكاميرا شوطًا طويلاً من بداياتها المتواضعة، لكنها لا تزال مجرد صندوق يتحكم في كمية الضوء التي تصل إلى قطعة من الفيلم )أو
المستشعر(.تحتوي الكاميرا على أنواع مختلفة من الجسم والحجم والشكل في هذا المشروع، نستخدم كاميرا خاصة صغيرة تستخدم في العمليات
الجراحية صغيرة جدًا ويمكنها ولكن بسهولة على النظارات وهي جيدة جدًا في الظلام المنخفض والتيار المنخفض، وتحتوي على 6 مصابيح LED
داخل الكاميرا تعمل في الظلام وحساسية عالية وبكسل عالي للصورة للحصول على جودة عالية، ثم يكون أفضل للتعرف السريع وتوصيله بكابل
USB بالكمبيوتر الصغير .
في الكاميرا في الوقت الفعلي كمصدر وسائط متعددة مرئية يجمع بين سلسلة من الصور لتشكيل صورة متحركة. ينقل الفيديو إشارة إلى شاشة ويعالج الترتيب
الذي يجب أن تظهر به لقطات الشاشة.
المعالجة الرئيسية في مشروعي للعمل كجزء مماثل من الدماغ لفهم الكائن على ما يمكن للكاميرا رؤيته من خلال المطابقة في قاعدة بيانات
الصور التي نستخدمها تسمى Raspberry pi 3 model b عند الحصول على تسلسل إدخال الصورة بواسطة الكاميرا ثم القيام بطريقة معالجة
الصورة نتحدث عنها في الفصل 3 وعند الانتهاء من المعالجة، يتم تخزين الكمبيوتر الصغير المطابق لجميع تسلسل الصورة مع شبكة الصورة أو قاعدة
البيانات في الكمبيوتر الصغير ويتم اكتشافه باستخدام لغة برمجة بايثون نتيجة صوت إخراج الكائن عن طريق توصيل سماعة الأذن لمعرفة
ما يمكن للكاميرا رؤيته وما يمكن فهمه بعد المعالجة الكاملة، يمكن للمكفوفين معرفة ما يدور حول الحياة لوقت سريع والشعور بمزيد من الراحة دون
الحاجة إلى أي مساعدة من شخص آخر.
4.3
4.3 خريطة سير العمل
في هذا العمل، يتم تقديم نهج التعرف على الكائنات من خلال تطبيق عدة خطوات: اكتشاف الكائنات، وإنشاء واصف فريد لكل كائن، والاسترجاع
من قاعدة بيانات النموذج، والمطابقة. قاعدة البيانات النموذجية هي مرحلة أساسية يجب بناؤها من أجل تطبيق عملية المطابقة. يحتوي على ميزات لجميع
الأشياء الشائعة في بيئات المكفوفين ] 58 .]
شكل ) 4-2 (: مخطط انسياب النظام للطريقة المقترحة ] 58 .]
يتم استخراج جميع الكائنات الموجودة في بيئة المكفوفين يدويًا وتحديدها من قبل المستخدم لتطبيق التعلم الآلي. تحفظ قاعدة بيانات النموذج
الميزات لكل كائن، والتي يتم استخدامها لاحقًا لتطبيق عملية المطابقة. ثم يتم حفظ الميزات المستخرجة في قاعدة البيانات كما هو موضح في الجدول 4.1 .
من أجل تقليل عدم التطابق والوقت الحسابي، فإن خدمة GPS هي
تستخدم لتحديد موقع كل كائن. وبالتالي يتم تطبيق المقارنات فقط على الأشياء الموجودة في منطقة معنية ] 58 .]
الجدول ) 4.1 (: بنية قاعدة البيانات للحالات في العالم الحقيقي ] 58 .]
معرّف الكائن
تصنيفات معالم )بيانات اتجاهية(
إحداثيات GPS
الرئيس
V - object1
)خط العرض 1، خط الطول 1 )
باب
V - object1
)خط العرض 2، خط الطول 2 )
.…
.………
……
شيء – موضوع –
هدف. غرض
V - objectN
( LatitudeN ، LongitudeN )
يتم إنشاء قاعدة بيانات النماذج من خلال تطبيق ما يلي: ] 58 ]
1
1 ) لكل كائن في صورة الإدخال: قم بالخطوات التالية.
2
2 ) استخرج واصف ميزات SURF .
3
3 ) احصل على إحداثيات نظام تحديد المواقع العالمي ) GPS .)
4
4 ) حدد الكائن من قبل المستخدم.
5
5 ) احفظ المعلومات المستخرجة.
بناءً على قاعدة بيانات النماذج، يتم إجراء فهرسة سريعة باستخدام علامة Laplacian لنقطة الاهتمام الأساسية وخدمة GPS
لتحديد المناطق المعنية. عادة،ً كما تم إجراؤه في ) Bay etal ، 2006 (، توجد نقاط الاهتمام في الهياكل من النوع الفقاعي وتميز علامة لابلاسيان
الفقاعات الساطعة على الخلفيات المظلمة عن الوضع العكسي. يتم استخدام هذه الميزة والخدمة المستندة إلى منطقة GPS لتطبيق العمل المقترح دون أي
تكلفة حسابية إضافية. تجدر الإشارة إلى أننا نقارن الميزات فقط إذا كان لها نفس النوع من التباين وفي نفس الموقع. لذلك، تسمح هذه المعلومات بمطابقة
أسرع وتوفر زيادة طفيفة في الأداء كما هو موضح في المخطط الانسيابي. ] 58 ]
4.4
4.4 كاميرا صغيرة خاصة
تتخصص MISUMI في تصميم منتجاتنا وتعديلها حسب الطلب لتلبية احتياجاتك الخاصة. تم تجهيز فريق البحث والتطوير في ميسومي
ب "آلة النماذج الأولية السريعة ) RP (" لإعداد عينتك حسب الطلب في أسرع وقت ممكن في يوم واحد )باستثناء وقت الشحن(. نحن مجهزون أيضًا
ببرامج PADS وراسم لوحات الدوائر المطبوعة، والتي تلعب دورًا أساسيًا في تسريع عملية تصميم وهندسة وإنتاج واختبار منتجاتنا الجديدة
المستمرة. بالإضافة إلى ذلك، تم تنفيذ مبرمج T.Q.M . لضمان أعلى معايير الجودة في جميع الأوقات. 56
شكل ) 4-3 (: الكاميرا المصغرة الخاصة ] 57 .]
خصائص الكاميرا المصغرة:
تيار مظلم منخفض للإضاءة المنخفضة.
الظروف
حساسية عالية
أداء عا ل
بكسل صورة عالي الدقة بالكامل.
تستخدم كاميرات الفيديو في المقام الأول في وضعين. تتمثل السمة الأولى للبث المبكر في البث التلفزيوني المباشر، حيث تغذي الكاميرا الصور
في الوقت الفعلي مباشرة إلى الشاشة للمراقبة الفورية. لا تزال بعض الكاميرات تخدم الإنتاج التلفزيوني المباشر، ولكن معظم الاتصالات المباشرة مخصصة
للعمليات الأمنية والعسكرية/التكتيكية والصناعية التي تتطلب مشاهدة خفية أو عن بعد. في الوضع الثاني، يتم تسجيل الصور على جهاز تخزين للأرشفة
أو مزيد من المعالجة ونستخدم هذه الكاميرا في الشكل المناسب للمعالجة ومسح التقدم. 56
شكل ) 4.4 (: حجم الكاميرا المصغرة ]تطبيق. A ]
شكل ) 4.5 (: زاوية عرض الكاميرا ]تطبيق. A ]
الآن نصمم حجم الكاميرا ليكون مريحًا وصغير الحجم لوضعه على النظارات، قطر العدسة 5.5 مم ويمكن للزاوية رؤية حوالي 120 درجة،
لجعل المساحة أوسع عيون الكاميرا وإمكانية الشخص للتعرف على المزيد من الأشياء.
4.5
4.5 لغة البرمجة باستخدام بايثون
كونها لغة عالية المستوى للغاية، تقرأ بايثون مثل اللغة الإنجليزية، والتي تأخذ الكثير من إجهاد تعلم النحو من ترميز المبتدئين. تتعامل بايثون مع الكثير
من التعقيدات بالنسبة لك، لذلك فهي صديقة للمبتدئين للغاية من حيث أنها تسمح للمبتدئين بالتركيز على تعلم مفاهيم البرمجة ولا داعي للقلق بشأن الكثير
من التفاصيل. ] 46 ]
وباعتبارها لغة مطبوعة ديناميكيًا، فإن بايثون مرنة حقًا. هذا يعني أنه لا توجد قواعد صارمة حول كيفية بناء الميزات، وسيكون لديك المزيد من المرونة
في حل المشكلات باستخدام طرق مختلفة )على الرغم من أن فلسفة بايثون تشجع على استخدام الطريقة الواضحة لحل الأشياء(. علاوة على ذلك، فإن
بايثون أكثر تسامحًا مع الأخطاء، لذلك ستظل قادرًا على تجميع برنامجك وتشغيله حتى تصل إلى الجزء الإشكالي. ] 46 ]
عندما تدخل عالم البرمجة، ستفهم قريبًا مدى أهمية الدعم، حيث يدور مجتمع المطورين حول تقديم المساعدة وتلقيها. كلما كان المجتمع أكبر، زاد
احتمال حصولك على المساعدة وكلما زاد عدد الأشخاص الذين يبنون أدوات مفيدة لتسهيل عملية التطوير. ] 46 ]
Stack Overflow هو موقع للأسئلة والأجوبة البرمجية لا شك أنك ستصبح حميمًا معه كمبتدئ في البرمجة. لدى بايثون 85.9 ألف متابع، مع
أكثر من 500 ألف سؤال بايثون. أسئلة بايثون هي أيضًا ثالث أكثر الأسئلة التي من المرجح أن تتم الإجابة عليها عند مقارنتها بلغات البرمجة الشائعة
الأخرى. ] 46 ]
4.6
4.6 ||| UNTRANSLATED_CONTENT_START|||Raspberry pi 3|||UNTRANSLATED_CONTENT_END |||
يتم تطوير أجهزة الكمبيوتر في وقت قصير مع زيادة السرعة، والأجهزة، والبرمجيات، وانخفاض التكلفة، وزيادة توافر تكنولوجيا الوصول.
وبالتالي، يتم إنشاء العديد من الأعمال على التقنيات المساعدة لتمكين التوطين والتنقل والتعرف على الكائنات. يمكن بعد ذلك تخصيص أفضل واجهة بناءً
على طلب المستخدم سواء كان ذلك اهتزازات أو أصوات أو الكلمة المنطوقة ] 58 .]
شكل ) 4.6 (: توت العليق pi 3 نموذج B [ 59 .]
Raspberry Pi هي سلسلة من أجهزة الكمبيوتر الصغيرة ذات اللوحة الواحدة التي طورتها مؤسسة Raspberry Pi في المملكة
المتحدة لتعزيز تدريس علوم الكمبيوتر الأساسية في المدارس وفي البلدان النامية. أصبح النموذج الأصلي أكثر شعبية مما كان متوقعًا، حيث تم بيعه خارج
السوق المستهدفة لاستخدامات مثل الروبوتات. لا يتم تضمين الأجهزة الطرفية )بما في ذلك لوحات المفاتيح والفئران والحافظات( مع Raspberry Pi . ومع ذلك، تم تضمين بعض الملحقات في العديد من الحزم الرسمية وغير الرسمية ] 59 .]
تم إصدار عدة أجيال من Raspberry Pi . جميع الطُرز
نظام Broadcom على شريحة ) SoC ( مع وحدة معالجة مركزية متكاملة متوافقة مع ARM (CPU) ووحدة معالجة رسومات على
الشريحة ) GPU (. تتراوح سرعة المعالج من 700 ميجاهرتز إلى 1.2 جيجاهرتز ل Pi 3 وتتراوح الذاكرة المدمجة من 256 ميجابايت إلى 1
جيجابايت
RAM تُستخدم بطاقات Secure Digital (SD) لتخزين نظام التشغيل وذاكرة البرنامج إما بأحجام SDHC أو MicroSDHC .
اعتمادًا على الطراز ؛ تحتوي اللوحات إما على منفذ USB واحد أو ما يصل
إلى أربعة منافذ USB . لإخراج الفيديو، يتم دعم HDMI والفيديو المركب، مع مقبس صوت قياسي 3.5 مم لإخراج الصوت. يتم توفير مخرجات
المستوى الأدنى من خلال عدد من دبابيس GPIO التي تدعم البروتوكولات الشائعة مثل I²C . تحتوي النماذج B على
يحتوي منفذ 8P8CEthernet و Pi 3 و Pi Zero W على شبكة Wi - Fi 802.11n و Bluetooth [ 59 .]
تتكون المنظمة التي تقف وراء Raspberry Pi الآن من ذراعين. تم تطويره في الأصل تحت رعاية مؤسسة Raspberry Pi ، دفع نجاح Pi Model B المؤسسة إلى إنشاء Raspberry Pi Trading ، مع الدكتور Eben Upton كرئيس تنفيذي، لتطوير النموذج الثالث، B+. Raspberry Pi Trading هي المسؤولة عن تطوير التكنولوجيا في حين أن
المؤسسة هي مؤسسة خيرية تعليمية موجودة لإيصال هذه الرسالة إلى المدارس. تعيد Raspberry Pi Trading استثمار حوالي ثلث أرباحها في
البحث والتطوير، والباقي يذهب إلى المؤسسة ] 59 .]
توفر المؤسسة توزيعة Raspbian ، وهي توزيعة Linux قائمة على دبيان للتنزيل، بالإضافة إلى توزيعات Ubuntu و Windows 10 IOT Core و RISC OS وتوزيعات مركز الوسائط المتخصصة. وهي تروج لبيثون وسكراتش كلغة برمجة رئيسية، مع دعم للعديد من اللغات
الأخرى. البرنامج الثابت الافتراضي مغلق المصدر، بينما يتوفر مصدر مفتوح غير رسمي ] 59 .]
جدول ) 4.2 (: مواصفات Raspberry Pi 3 [ 59 .]
المعالج
مجموعة شرائح Broadcom BCM2387. 1.2 جيجاهرتز رباعي النواة ARM
Cortex - A53
802.11 b/g/n شبكة محلية لاسلكية وبلوتوث 4.1 ( Bluetooth Classic و LE )
وحدة معالجة الرسومات
( GPU )
معالج فيديو ثنائي النواة IV متعدد الوسائط. يوفر ® Open GL ES 2.0 و OpenVG المتسارع للأجهزة
وفك تشفير 1080p30 H.264 عالي المستوى. قادر على 1Gpixel/s أو 1.5Gtexel/s أو 24GFLOPs
مع تصفية النسيج والبنية التحتية ل DMA .
ذاكرة
1GB LPDDR2
نظم تشغيل الحاسوب
أحذية من بطاقة مايكرو إس دي، تعمل بإصدار من نظام التشغيل لينكس
الأبعاد
85 × 56 × 17 مم
باوار
مقبس مايكرو يو إس بي 5 فولت 1 ، 2.5 أمبير
الجدول ) 4.3 (: الموصلات في Raspberry Pi [ 59 .]
The Constitutional Court on Thursday submitted its annual report for 2023 to His Majesty King Abdullah. Royal Court Chief Yousef Issawi received the report on behalf of His Majesty from Constitutional Court President Mohammad Madallah Mahadin, according to the Jordan News Agency, Petra. Issawi conveyed His Majesty's gratitude for the court's efforts and its vital role in instilling the rule of law
10/100 مقبس إيثرنت أساسي
خرج الفيديو
HDMI )المراجعة 1.3 و 1.4 RCA المركب ) PAL و NTSC )
خرج الصوت
مقبس إخراج الصوت 3.5 مم، موصل HDMI USB 4 × USB 2.0
دبابيس GPIO :
رأس تمديد الموصل 40 سنًا 2.54 مم ) 100 مل(: شريط 2 × 20 يوفر 27 سنون GPIO بالإضافة إلى
خطوط إمداد + 3.3 فولت و + 5 فولت و GND
موصل الكاميرا
واجهة تسلسلية لكاميرا MIPI ذات 15 سنًا ) CSI -2 )
موصل الإدخال للشاشة:
عرض واجهة تسلسلية ) DSI ( موصل كبل مرن مسطح 15 اتجاهًا مع حارتين للبيانات وحارة
على مدار الساعة
بطاقات الذاكرة
فتحة دفع/سحب Micro SDIO
4.7
4.7 مجموعة بيانات الصورة
مكنت مجموعة بيانات ImageNet [ 47 [، التي تحتوي على عدد غير مسبوق من الصور، مؤخرًا من تحقيق اختراقات في كل من تصنيف
الكائنات وأبحاث الكشف ] 48 [ ،] 50 [ ،] 51 [. أنشأ المجتمع أيضًا مجموعات بيانات تحتوي على سمات كائن ] 51 [، وسمات مشهد ] 52 [، ونقاط رئيسية
[ 53 [، ومعلومات مشهد ثلاثية الأبعاد ] 54 [ بهدف النهوض بأحدث ما توصل إليه العلم في التعرف على الأشياء من خلال وضع مسألة التعرف على
الأشياء في سياق السؤال الأوسع لفهم المشهد. 55
خصائص مجموعة بيانات Microsoft Common Objects in Context (MS COCO) مقارنة بالعديد من مجموعات
البيانات الشائعة الأخرى. وتشمل هذه ImageNet [ 47 [ و PASCAL VOC 2012 [ 48 [ و SUN [ 49 [. تختلف كل مجموعة من مجموعات
البيانات هذه اختلافًا كبيرًا في الحجم وقائمة الفئات المصنفة وأنواع الصور. تم إنشاء ImageNet لالتقاط عدد كبير من فئات الكائنات، والعديد منها
دقيق الحبيبات. تركز صن على تصنيف أنواع المشاهد والأشياء التي تحدث فيها بشكل شائع. أخيرًا، التطبيق الأساسي ل PASCAL VOC هو
اكتشاف الكائنات في الصور الطبيعية. تم تصميم MS COCO للكشف عن الأشياء التي تحدث في سياقها الطبيعي وتقسيمها ] 55 .]
تحتوي مجموعة بيانات Microsoft Common Objects in Context (MS COCO) على 91 فئة كائنات مشتركة مع
82 منها تحتوي على أكثر من 5000 حالة مصنفة، الشكل ) 4.7 ( في المجموع تحتوي مجموعة البيانات على 2500000 حالة مصنفة في 328000
صورة. على النقيض من مجموعة بيانات ImageNet الشائعة ] 1[، تحتوي COCO على فئات أقل ولكن المزيد من المثيلات لكل فئة. يمكن أن
يساعد ذلك في تعلم نماذج كائنات مفصلة قادرة على التوطين الدقيق ثنائي الأبعاد. كما أن مجموعة البيانات أكبر بكثير في عدد الحالات لكل فئة من
المركبات العضوية المتطايرة باسكال ] 48 [ و SUN
ومجموعات البيانات بالإضافة إلى ذلك، فإن التمييز الحاسم بين مجموعة البيانات الخاصة بنا وغيرها هو عدد الحالات المصنفة لكل صورة والتي قد
تساعد في تعلم المعلومات السياقية ] 55 .]
الشكل ) 4.7 (: عينات من الصور في مجموعة بيانات MS COCO [ 55 .]
4.8
4.8 الاعتراف
يتم تقديم النتائج بناءً على مجموعة البيانات الخاصة بنا. تتضمن مجموعة البيانات كائنات تم التقاطها من صور للحياة الحقيقية. في البداية، يتم
جمع الأشياء والتعرف عليها بأنفسنا. تتكون مجموعة البيانات من 300 صورة ل 25 كائنًا. تتكون الصور المختبرة من 180 صورة تم التقاطها من الكاميرا
اليمنى. تبلغ دقة الصور حوالي 600 × 500 بكسل. يتم التعرف على الكائنات من قاعدة البيانات النموذجية على النحو التالي:
يتم استخراج إحداثيات نظام تحديد المواقع العالمي ) GPS (، ويقوم باسترداد جميع الكائنات المرتبطة به. تتم مقارنة الصور الموجودة في
مجموعة الاختبار بجميع الكائنات الموجودة في قاعدة البيانات التي لها نفس إحداثيات الموقع. ثم يتم اختيار الكائنات التي اعترفت بالميزات تحت مصطلح
الموقع من قاعدة البيانات ككائنات معترف بها كما هو موضح في الجدول ) 4.4 ( يتم تطبيق المطابقة عن طريق حساب المسافة الإقليدية بين متجهات
الواصف لكائن الإدخال وجميع الكائنات التي لها نفس الموقع في قاعدة البيانات. إذا كانت المسافة أقرب من 0.8 مرة من مسافة ثاني أقرب جار، فسيتم
اعتبار الزوج المطابق مكتشفًا. تم تكييف هذه القيمة الحدية بناءً على أفضل نتيجة تم تحقيقها. يتكون الناتج من سلاسل متسلسلة لكل من اللغتين الإنجليزية
والعربية. تم استخدام واجهة برمجة التطبيقات للكلام السحابي من Google لتحويل النص إلى صوت. تم اختيار هذه الأداة لأنها تدعم أكثر من 80 لغة.
وبالتالي، يمكن استخدام النهج المقترح عالميًا بناءً على اللغات المدعومة من Google cloud .
الجدول ) 4.4 (: يتم استخراج ملامح الأشياء للمشهد المعني )الموقع القائم على نظام تحديد المواقع العالمي( فقط ومطابقتها مع الصورة
المرجعية.
4.9
4.9 مصدر إمداد الطاقة
السعة هي بطارية ليثيوم أيون 4000 مللي أمبير في الساعة، ودائرة شحن تقوم بشحنها عبر كابل USB المرفق، ومحول تعزيز يوفر تيار
مستمر 5 فولت حتى 1 أمبير عبر منفذ USB A ولا يزال يعمل لمدة 7 ساعات.
الفصل الخامس
160
اكتشاف الأجسام والتعرف عليها باستخدام تدفق الموتر
5.1
5.1 المقدمة
5.2
5.2 تدفق الموتر
5.3
5.3 لماذا تدفق الموتر ؟
5.4
5.4 الشبكة العصبية
5.5
5.5 الكشف عن الكائن مع تدفق الموتر
5.5.1
5.5.1 تتم العمليات الحسابية في خطوتين
5.5.2
5.5.2 تحويل الملصقات إلى تنسيق سجل TF
5.6
5.6 نماذج الكشف
5.6.1
5.6.1 كاشف الطلقة الواحدة ) SSD )
5.6.2
5.6.2 RCNN
5.6.3
5.6.3 سريع RCNN
5.7
5.7 الاعتراف
5.7.1
5.7.1 ||| UNTRANSLATED_CONTENT_START|||Three Steps Recognition|||UNTRANSLATED_CONTENT_END |||
5.1
5.1 المقدمة
الرؤية الحاسوبية هي مجال علمي متعدد التخصصات يتعامل مع كيفية اكتساب أجهزة الحاسوب لفهم عالي المستوى من الصور الرقمية أو
مقاطع الفيديو. من منظور الهندسة، يسعى هذا المجال إلى فهم وأتمتة المهام التي يمكن للنظام البصري البشري القيام بها. ] 61 [ تهتم رؤية الكمبيوتر
بالاستخراج التلقائي للمعلومات المفيدة وتحليلها وفهمها من صورة واحدة أو سلسلة من الصور. وهو ينطوي على تطوير أساس نظري ولوغاريتمي لتحقيق
الفهم البصري التلقائي.
أحد الأهداف الرئيسية لرؤية الكمبيوتر هو فهم المشاهد المرئية. يتضمن فهم المشهد العديد من المهام بما في ذلك التعرف على الأشياء الموجودة،
وتوطين الأشياء في ثنائية وثلاثية الأبعاد، وتحديد سمات الأشياء والمشهد، وتوصيف العلاقات بين الأشياء وتقديم وصف دلالي للمشهد.
||| UNTRANSLATED_CONTENT_START|||[61] [62].|||UNTRANSLATED_CONTENT_END |||
5.2
5.2 تدفق الموتر
TensorFlow هي مكتبة برمجيات مفتوحة المصدر للحساب العددي باستخدام الرسوم البيانية لتدفق البيانات. تتيح بنيتها المرنة سهولة
نشر الحوسبة عبر مجموعة متنوعة من المنصات )وحدات المعالجة المركزية ووحدات معالجة الرسومات ووحدات TPU (، ومن أجهزة الكمبيوتر
المكتبية إلى مجموعات الخوادم إلى الأجهزة المحمولة والحواف. تم تطويره في الأصل من قبل باحثين ومهندسين من فريق Google Brain داخل
منظمة الذكاء الاصطناعي من Google ، ويأتي مع دعم قوي للتعلم الآلي والتعلم العميق ويتم استخدام جوهر الحساب العددي المرن عبر العديد من
المجالات العلمية الأخرى ] 63 .]
5.3
5.3 تدفق الموتر
Python
قابلية النقل: نشر الحساب على واحد أو أكثر من وحدات المعالجة المركزية أو وحدات معالجة الرسومات في سطح
المكتب أو الخادم أو الجهاز المحمول باستخدام واجهة برمجة تطبيقات واحدة.
المرونة: من Raspberry Pi و Android و Windows و IOS و Linux إلى مزارع الخوادم.
التمثيل المرئي
نقاط التفتيش )لإدارة التجارب(.
التمايز التلقائي )لا مزيد من أخذ المشتقات باليد(
مجتمع كبير )أكثر من 10000 التزام وأكثر من 3000 عملية إعادة شراء متعلقة بتمويل الإرهاب في عام واحد(.
مشاريع رائعة قوية باستخدام Tensor Flow [ 63 .]