التنبؤ بانتقاء الخصائص والمخططات التكرارية للتدرجات الموجهة - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

التنبؤ بانتقاء الخصائص Prediction with Feature Selection

ركز القسم السابق على تدريب النماذج عن طريق تسطيح البيانات، في حين سيصف هذا القسم كيفية تحويل البيانات الأصلية لهندسة الخصائص الذكية التي تلتقط الصفات الرئيسية لبيانات الصورة، وعلى وجه التحديد يوضح القسم تقنية شائعة تسمى المخطط التكراري للتدرجات الموجهة (Histogram of Oriented Gradients -HOG). تمثل الخطوة الأولى في هندسة المخططات التكرارية للتدرجات الموجهة في تحويل الصور من تنسيق RGB إلى صور ذات تدرج رمادي. ويمكن القيام بذلك باستخدام الدالة ()rgb2gray من مكتبة scikit-image:

المخططات التكرارية للتدرجات الموجهة (Histogram of Oriented Gradients -HOG) تقوم المخططات التكرارية للتدرجات الموجهة بتقسيم الصورة إلى أقسام صغيرة وتحلل توزيع تغيرات الكثافة في كل قسم حتى تحدد وتفهم شكل الكائن في الصورة.

from skimage.color import rgb2gray # used to convert a multi-color (rgb) image to grayscale # converts the training data X_train_gray = np.array([rgb2gray(img) for img in X_train]) # converts the testing data X_test_gray = np.array([rgb2gray(img) for img in X_test])

plt.imshow(X_train_gray[0], cmap='gray');

plt.imshow(X_train[0]);

الشكل الجديد لكل صورة أصبح بتنسيق 100 × 100، بدلاً من التنسيق RGB المستند إلى 3×100×100:

print(X_train_gray[0].shape)

print(X_train[0].shape)

(100, 100) (100, 100, 3)

وزارة التعليم Ministry of Education 2025 - 1447

208

--- SECTION: التنبؤ بانتقاء الخصائص Prediction with Feature Selection --- التنبؤ بانتقاء الخصائص Prediction with Feature Selectionركز القسم السابق على تدريب النماذج عن طريق تسطيح البيانات، في حين سيصف هذا القسم كيفية تحويل البيانات الأصلية لهندسة الخصائص الذكية التي تلتقط الصفات الرئيسية لبيانات الصورة، وعلى وجه التحديد يوضح القسم تقنية شائعة تسمى المخطط التكراري للتدرجات الموجهة (Histogram of Oriented Gradients -HOG). تمثل الخطوة الأولى في هندسة المخططات التكرارية للتدرجات الموجهة في تحويل الصور من تنسيق RGB إلى صور ذات تدرج رمادي. ويمكن القيام بذلك باستخدام الدالة ()rgb2gray من مكتبة scikit-image:--- SECTION: المخططات التكرارية للتدرجات الموجهة (Histogram of Oriented Gradients -HOG) --- المخططات التكرارية للتدرجات الموجهة (Histogram of Oriented Gradients -HOG) تقوم المخططات التكرارية للتدرجات الموجهة بتقسيم الصورة إلى أقسام صغيرة وتحلل توزيع تغيرات الكثافة في كل قسم حتى تحدد وتفهم شكل الكائن في الصورة.from skimage.color import rgb2gray # used to convert a multi-color (rgb) image to grayscale # converts the training data X_train_gray = np.array([rgb2gray(img) for img in X_train]) # converts the testing data X_test_gray = np.array([rgb2gray(img) for img in X_test])plt.imshow(X_train_gray[0], cmap='gray');plt.imshow(X_train[0]);الشكل الجديد لكل صورة أصبح بتنسيق 100 × 100، بدلاً من التنسيق RGB المستند إلى 3×100×100:print(X_train_gray[0].shape)print(X_train[0].shape)(100, 100) (100, 100, 3)2025 - 1447--- VISUAL CONTEXT --- **IMAGE**: شكل 4.8: صورة بالألوان الأساسية Description: An image of a panda's face in its original color format, likely RGB. The image shows the panda looking slightly to the left, with its characteristic black and white fur visible. The background appears to be green foliage. The image has axes from 0 to 80 on both x and y, indicating pixel coordinates. X-axis: 0 to 80 (pixels) Y-axis: 0 to 80 (pixels) Data: The image displays a panda in its natural colors, representing a typical RGB image with three color channels. Context: This figure demonstrates an image in its original color format (RGB) before processing, serving as a comparison to the grayscale version.**IMAGE**: شكل 4.9: صورة ذات تدرج رمادي Description: An image of a panda's face converted to grayscale. The image shows the same panda as in Figure 4.8, but rendered in shades of gray, indicating a single color channel. The background is also in grayscale. The image has axes from 0 to 80 on both x and y, indicating pixel coordinates. X-axis: 0 to 80 (pixels) Y-axis: 0 to 80 (pixels) Data: The image displays a panda in grayscale, representing a single-channel image after conversion from RGB. Context: This figure demonstrates the result of converting an RGB image to grayscale, which is a common preprocessing step in image analysis and feature extraction, as mentioned in the text regarding HOG.