مشروع في مجال الرؤية الحاسوبية (Computer Vision) لتطوير نظام يعتمد على التعلم العميق لتصنيف صور المشاهد الطبيعية إلى ست فئات: المباني، الغابات، الأنهار الجليدية، الجبال، البحار، والشوارع.

بدأ المشروع باستكشاف البيانات وتحليلها، ثم تجهيز الصور ومعالجتها مسبقًا وتطبيق تقنيات زيادة البيانات (Data Augmentation) لتحسين التعميم وتقليل فرط التعلم (Overfitting).

تم بناء نموذج أساسي باستخدام الشبكات العصبية الالتفافية (CNN)، ثم تطبيق نقل التعلم (Transfer Learning) باستخدام MobileNetV2 للاستفادة من الخصائص البصرية المتعلمة مسبقًا وتحسين دقة التصنيف.

شمل التقييم استخدام Accuracy وPrecision وRecall وF1-score وConfusion Matrix، مع تحليل أخطاء التصنيف واختبار النموذج على صور جديدة غير مستخدمة في التدريب.

**النتائج:** تحقيق دقة تصنيف تجاوزت 92% مع أداء مماثل تقريبًا في F1-score.

**التقنيات والأدوات:**
Python, TensorFlow, Keras, CNN, MobileNetV2, Transfer Learning, Deep Learning, Computer Vision, Image Processing, Data Augmentation, Image Classification.