أقام قسم تقنيات هندسة تكنولوجيا المعلومات في كلية البوليتكنك كربلاء ورشة تدريبية بعنوان:
Feature Extraction Techniques for AI and Image Analysis
قدّم الورشة السيد م.د. محمد ثجيل عبدالله، التدريسي في قسم تقنيات هندسة تكنولوجيا المعلومات.
تناولت الورشة مفهوم الصور الرقمية وأهمية استخلاص الخصائص. كما ناقشت دور هذه الخصائص في تحويل بيانات الصور إلى معلومات وصفية.
وبالإضافة إلى ذلك، أوضحت الورشة أهمية هذه المعلومات في تطبيقات الذكاء الاصطناعي. وتساعد هذه التطبيقات على تصنيف الصور والتعرّف عليها وتحليل محتواها.
كذلك، استعرضت الورشة الأنواع الرئيسة لخصائص الصور. وشملت هذه الأنواع خصائص الألوان والملمس والحواف والأشكال والخصائص الإحصائية.
علاوة على ذلك، شرح المحاضر مجموعة من تقنيات استخلاص الخصائص التقليدية. ومن أبرز هذه التقنيات:
- Color Histogram
- Gray Level Co-occurrence Matrix (GLCM)
- Local Binary Pattern (LBP)
- Histogram of Oriented Gradients (HOG)
- Statistical Features
- Edge Detection
ومن ناحية أخرى، تناولت الورشة مفهوم الاستخلاص العميق للخصائص باستخدام الشبكات العصبية الالتفافية CNN.
وأوضح المحاضر كيفية تعلّم هذه الشبكات للخصائص تلقائيًا من الصور. كما شرح دور خرائط الخصائص في تمثيل المعلومات البصرية وتحليلها.
بالإضافة إلى ذلك، تناولت الورشة مفهوم التعلّم بالنقل وتمثيلات الصور العددية. وتساعد هذه التقنيات على تطوير تطبيقات الذكاء الاصطناعي وتحسين قدرتها على تحليل الصور.
كذلك، ناقشت الورشة تقنيات زيادة بيانات الصور Image Augmentation ومطابقة الخصائص.
ومن ثم، أوضحت أهمية هذه التقنيات في تحسين كفاءة نماذج تحليل الصور. كما تساعد هذه النماذج على التعامل مع بيانات متنوعة ومختلفة.
وفي السياق نفسه، ناقشت الورشة دور اختيار التقنية المناسبة في بناء نماذج فعالة لتحليل الصور.
وفي الختام، أوصى القائم بأعمال الورشة الباحثين والطلبة بتوظيف تقنيات استخلاص الخصائص التقليدية والعميقة في البحوث العلمية ومشروعات التخرج.
كما أكد أهمية اختيار التقنية المناسبة لطبيعة الصور والمشكلة المراد معالجتها. وبذلك، يمكن للباحثين الاستفادة من تقنيات استخلاص الخصائص في تطوير تطبيقات الذكاء الاصطناعي وتحليل الصور.
