هل يجب تحويل ملفات الصور إلى بيانات رقمية قبل تدريب الشبكة العصبية التلافيفية (CNN)، أم أن الشبكة تقوم بالتحويل داخليًا كجزء من عملية التدريب؟

يجب أن تكون الصور في الأساس في صيغة بيانات رقمية قبل إدخالها إلى الشبكة، فالشبكة نفسها لا تقوم بتحويل الصور من شكلها الخام أي ملفات JPEG أو PNG إلى بيانات رقمية داخليًا من تلقاء نفسها، بل تعتمد على أن تكون البيانات جاهزة في شكل مناسب للمعالجة.

وأنت لست بحاجة إلى القيام بذلك يدويًا، فالمكتبات المستخدمة لبناء وتدريب الشبكات العصبية وهي TensorFlow أو PyTorch تتولى تلك الخطوة تلقائيًا عند تحميل الصور.

حيث أولاً تقوم بتحميل الصور باستخدام مكتبة pillow أو openCV ثم تحويلها إلى مصفوفات من خلال مكتبة numpy، بعد ذلك تهيئتها بواسطة tensorflow بضبط أبعاد الصورة لتتناسب مع مدخلات الشبكة والتهيئة Normalization بتحويل قيم البكسلات من النطاق [0, 255] إلى [0, 1] أو أي نطاق آخر، والتعامل مع القنوات للتأكد من ترتيب القنوات RGB حسب ما تتطلبه الشبكة.

لكن في حال البيانات الكبيرة كآلاف الصور لن نقوم بذلك بالطريقة السابقة، فلديك مكتبة PyTorch والتي توفر أدوات لتحميل البيانات من خلال دفعات batches ومعالجتها تلقائيًا، أو من خلال tf.keras.utils.image_dataset_from_directory مع tf.data من مكتبة TensorFlow وهي الطريقة الأسهل لتحميل الصور من المجلدات وإنشاء مجموعات بيانات datasets.

وعليكم السلام ورحمة الله وبركاته.

لا تحتاج إلى تحويل الصور إلى أرقام يدويا قبل التدريب في CNNS.حيث هي مصممة بالفعل للتعامل مباشرة مع بيانات الصورة و تقوم تلقائيا بتحويل الصور إلى تمثيل رقمي (مصفوفات من الأرقام) كجزء من عملية المعالجة حيث المكتبات تقوم بهذه الخطوة تلقائيا.

حيث الصورة يتم تمثيلها بشكل طبيعي كمصفوفة من الأرقام مصفوفة ثلاثية الأبعاد في حالة الصور الملونة (RGB) أو ثنائية الأبعاد في حالة الصور الرمادية حيث كل بكسل في الصورة له قيمة رقمية تمثل شدة اللون.

وعند إدخال الصورة إلى الشبكة العصبية  يتم تمرير هذه المصفوفة مباشرة كمدخل و لا تحتاج إلى تحويلها بنفسك إلى أرقام لأنها بالفعل في شكل رقمي.

وعليكم السلام ورحمة الله وبركاته.

بالتأكيد يجب أن تحول ملفات الصور إلى أرقام (مصفوفات رقمية) قبل تدريب شبكات CNN.

فالشبكات العصبية التوافقية (CNNs) لا تستطيع التعامل مباشرة مع ملفات الصور كما هي، بل تحتاج إلى تمثيل رقمي للصور. ولكن لا تقوم بذلك  يدوياً إنما عملية التحويل تتم عادة باستخدام مكتبات  مثل TensorFlow أو PyTorch حيث توفر وظائف لتحميل ومعالجة الصور بشكل تلقائي، لكن التحويل من الصورة إلى تمثيل رقمي يحدث بالفعل.

بتاريخ 57 دقائق مضت قال Mustafa Suleiman:

يجب أن تكون الصور في الأساس في صيغة بيانات رقمية قبل إدخالها إلى الشبكة، فالشبكة نفسها لا تقوم بتحويل الصور من شكلها الخام أي ملفات JPEG أو PNG إلى بيانات رقمية داخليًا من تلقاء نفسها، بل تعتمد على أن تكون البيانات جاهزة في شكل مناسب للمعالجة.

وأنت لست بحاجة إلى القيام بذلك يدويًا، فالمكتبات المستخدمة لبناء وتدريب الشبكات العصبية وهي TensorFlow أو PyTorch تتولى تلك الخطوة تلقائيًا عند تحميل الصور.

حيث أولاً تقوم بتحميل الصور باستخدام مكتبة pillow أو openCV ثم تحويلها إلى مصفوفات من خلال مكتبة numpy، بعد ذلك تهيئتها بواسطة tensorflow بضبط أبعاد الصورة لتتناسب مع مدخلات الشبكة والتهيئة Normalization بتحويل قيم البكسلات من النطاق [0, 255] إلى [0, 1] أو أي نطاق آخر، والتعامل مع القنوات للتأكد من ترتيب القنوات RGB حسب ما تتطلبه الشبكة.

لكن في حال البيانات الكبيرة كآلاف الصور لن نقوم بذلك بالطريقة السابقة، فلديك مكتبة PyTorch والتي توفر أدوات لتحميل البيانات من خلال دفعات batches ومعالجتها تلقائيًا، أو من خلال tf.keras.utils.image_dataset_from_directory مع tf.data من مكتبة TensorFlow وهي الطريقة الأسهل لتحميل الصور من المجلدات وإنشاء مجموعات بيانات datasets.

تمام جدا جدا

الف شكراا جدا لحضرتكم

جزاكم الله كل خير

بتاريخ منذ ساعة مضت قال Ali Ahmed55:

اه يعني مش احمل ملف الصور من pandas ؟

نستخدمها لمعالجة البيانات النصية وليس الصور، بالتالي لو مجموعة البيانات تحتوي على مسارات الصور  images/cat1.jpg وتسمياتها "cat" في ملف CSV أو Excel، فاستخدم Pandas لقراءة القائمة.

بعد ذلك، تمرر المسارات إلى tf.data أو DataLoader لتحميل الصور الفعلية ومعالجتها.

بتاريخ 1 دقيقة مضت قال Mustafa Suleiman:

نستخدمها لمعالجة البيانات النصية وليس الصور، بالتالي لو مجموعة البيانات تحتوي على مسارات الصور  images/cat1.jpg وتسمياتها "cat" في ملف CSV أو Excel، فاستخدم Pandas لقراءة القائمة.

بعد ذلك، تمرر المسارات إلى tf.data أو DataLoader لتحميل الصور الفعلية ومعالجتها.

تمام جدا

الف شكراا جدا جدا لحضرتكم

جزاكم الله كل خير