الشبكات العصبية الالتفافية

Conv layersالمؤلف: Aphex34 · الترخيص: CC BY-SA 4.0 · المصدر: ويكيميديا كومنز

مقدمة في الشبكات العصبية الالتفافية

تُعَدُّ الشبكات العصبية الالتفافية (Convolutional Neural Networks) بنية متخصصة في التعلم العميق صُممت لمعالجة البيانات ذات البنية الشبكية، ولا سيما الصور الرقمية، مستوحاةً من بنية القشرة البصرية للدماغ البشري.^{11الشبكة العصبية الالتفافية (CNN) مقابل ViT | Ultralyticsultralytics.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} تُحافظ هذه الشبكات على العلاقات المكانية داخل مدخلاتها، فتُحلِّل مناطق صغيرة متداخلة من الصورة لتستخرج تسلسلات السمات تلقائيًا بدءًا من الحواف البسيطة وصولًا إلى الكائنات المعقدة.^{11الشبكة العصبية الالتفافية (CNN) مقابل ViT | Ultralyticsultralytics.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} بفضل هذه القدرة، تُعَدُّ التقنية الأساسية وراء أنظمة الرؤية الحاسوبية الحديثة.^{11الشبكة العصبية الالتفافية (CNN) مقابل ViT | Ultralyticsultralytics.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

A 3 layer 1D CNN feed-forward diagram with kernel size of 3 and stride of 1.المؤلف: Vicente Oyanedel M. · الترخيص: CC BY-SA 4.0 · المصدر: ويكيميديا كومنز

تُستَخدم الشبكات العصبية الالتفافية في تطبيقات التعلم العميق التي تستهدف تصنيف الصور، تجميع الصور المتشابهة، أو التعرف على الأشياء داخل الصور ومقاطع الفيديو، مثل التعرف على الوجوه أو الأورام في التصوير الطبي.^{22الشبكات العصبونية الالتفافيةmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} كما تُستَخدم في اكتشاف الأشخاص أو الكائنات في المشاهد المتحركة.^{22الشبكات العصبونية الالتفافيةmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

تتميز هذه الشبكات بقدرتها على تحديد أهمية العناصر داخل الصورة والتمييز بينها، مع الحاجة إلى قدر أقل من المعالجة المسبقة للبيانات مقارنةً بالطرق التقليدية، لأنها تتعلم استخراج الميزات تلقائيًا عند تدريبها بشكل كافٍ.^{22الشبكات العصبونية الالتفافيةmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

من الناحية العملية، يتطلب العمل مع الشبكات العصبية الالتفافية إلمامًا بأساسيات لغة Python وفهمًا أساسيًا للتعلم الآلي، إضافة إلى معرفة بالمفاهيم العامة للشبكات العصبية العميقة ونقل التعلم.^{33مقدمة في رؤية الحاسوب مع TensorFlow - Training | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{44تدريب وتقييم نماذج التعلم العميق - Training | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

بعض التطبيقات الشائعة للشبكات العصبية الالتفافية:

تصنيف الصور إلى فئات محددة^{22الشبكات العصبونية الالتفافيةmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تجميع الصور المتشابهة في مجموعات^{22الشبكات العصبونية الالتفافيةmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
اكتشاف وتحديد الكائنات في الصور والفيديوهات، مثل الوجوه أو الأورام^{22الشبكات العصبونية الالتفافيةmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تحسين أنظمة الرؤية الحاسوبية في المجالات الطبية والأمنية^{22الشبكات العصبونية الالتفافيةmittrarabia.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

ما هي الشبكة الالتفافية

تُعرَف الشبكة العصبية الالتفافية (Convolutional Neural Network) بأنها طراز متقدم من الشبكات العصبية الاصطناعية (Artificial Neural Networks) متعددة الطبقات، صُمم خصيصًا لمعالجة البيانات ذات البنية الشبيهة بالشبكة كالصور.^{55التعلم العميق مقابل التعلم الآلي - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{77ما المقصود بالشبكة العصبية؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} وتتميز هذه الشبكات بهيكل فريد تُنظم فيه الطبقات وفق ثلاثة أبعاد هي العرض والارتفاع والعمق، مع اتصال كل خلية عصبية بنطاق موضعي صغير من الطبقة التالية بدلًا من الارتباط الكامل، ليُختزل الناتج النهائي إلى متجه من درجات الاحتمال.^{55التعلم العميق مقابل التعلم الآلي - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} كما تستند إلى مبدأ الانحياز الاستقرائي الذي يفترض وجود ترابط وثيق بين وحدات البكسل المتجاورة، ما يمنحها كفاءة في استخلاص السمات المحلية وإجراء الاستدلال الفوري، وتحديد أنماط الصور بفاعلية عالية.^{11الشبكة العصبية الالتفافية (CNN) مقابل ViT | Ultralyticsultralytics.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{88شرح معنى " التعلم العميق " ( Deep Learning ) | دليل مصطلحات هارفارد بزنس ريفيوhbrarabic.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

تعتمد بنية هذه الشبكة على تكامل عدة طبقات وظيفية:^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

الطبقات الالتفافية: تنفذ عمليات رياضية كالترشيح والتلخيص لاستخراج السمات المكانية الهرمية تلقائيًا، فتبدأ بالتعرف على الحواف والأشكال البسيطة وتتدرج لاحقًا نحو الألوان والأنماط الداخلية.^{99ما هي رؤية الكمبيوتر؟ - شرح التعرف على الصور باستخدام الذكاء الاصطناعي (AI) / تعلم الآلة (ML)‏ - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1010ما المقصود بالشبكة العصبونية؟ - شرح "الشبكة العصبونية الاصطناعية" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{77ما المقصود بالشبكة العصبية؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
طبقات التجميع (Pooling Layers): تتولى تقليص الأبعاد المكانية للميزات المستفادة لتسهيل المعالجة وتفادي فقدان الخصائص المهمة.^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1010ما المقصود بالشبكة العصبونية؟ - شرح "الشبكة العصبونية الاصطناعية" - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
الطبقات المتصلة بالكامل (Fully Connected Layers): تعمل على إتمام التنبؤات النهائية وصقلها عبر تكرار العملية لرفع دقة النتائج.^{99ما هي رؤية الكمبيوتر؟ - شرح التعرف على الصور باستخدام الذكاء الاصطناعي (AI) / تعلم الآلة (ML)‏ - AWSaws.amazon.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

وتُوظف هذه الشبكات في مجالات متعددة ضمن رؤية الكمبيوتر (Computer Vision)، كتمييز الوجوه، وتحليل التصوير الطبي، والمركبات ذاتية القيادة، إلى جانب التعرف على مقاطع الفيديو وأنظمة التوصية.^{55التعلم العميق مقابل التعلم الآلي - Azure Machine Learning | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{77ما المقصود بالشبكة العصبية؟ | IBMibm.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

طبقة الالتفاف

تُعَدُّ طبقة الالتفاف (Convolutional Layer) أحد المكوّنات الأساسية في الشبكات العصبية الالتفافية (CNNs) التي تُستَخدم على نطاق واسع في معالجة الصور.^{1111TensorFlow للمبتدئين: الشبكات العصبيةknowledgecity.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} في هذه الطبقة، تُجري كل خلية عصبية عملية جمع مرجّح لقيم بكسلات المنطقة الصغيرة التي تقع تحتها، ثم تُضيف تحيزًا وتُمرّر الناتج عبر دالة تفعيل، كما هو الحال في الخلايا في الطبقة الكثيفة.^{1212الشبكات العصبية الالتفافية، مع وحدات معالجة الموتّرات ووحدات معالجة الموتّرات | Google Codelabscodelabs.developers.google.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} ما يميز هذه العملية هو أن مجموعة الأوزان نفسها (الفلتر) تنزلق على كامل الصورة في كلا الاتجاهين، ما يُعرف بعملية “التفاف”، وبالتالي تُستَخدم نفس القيم لتوليد مخرجات متعددة تغطي جميع مواضع الصورة.^{1212الشبكات العصبية الالتفافية، مع وحدات معالجة الموتّرات ووحدات معالجة الموتّرات | Google Codelabscodelabs.developers.google.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} ينتج عن ذلك خريطة مميزات (feature map) تحتوي على عدد من القيم يساوي عدد وحدات البكسل في الصورة، مع ضرورة إضافة مساحة متروكة على الحواف لتفادي فقدان المعلومات.^{1212الشبكات العصبية الالتفافية، مع وحدات معالجة الموتّرات ووحدات معالجة الموتّرات | Google Codelabscodelabs.developers.google.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} يبدأ التدريب بتهيئة قيم الفلاتر عشوائيًا، ثم تُعدَّل هذه القيم تدريجيًا بعد كل تمريرة تدريبية بناءً على الخطأ في المخرجات، ما يمكّن الشبكة من تعلم اكتشاف السمات الأكثر صلة.^{1313شرح الشبكات العصبية الالتفافية مع مثال | Convolutional Neural Networks (CNN)youtube.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} تُستَخدم طبقة الالتفاف كجزء أساسي ضمن بنية عميقة تُدمج مع طبقات أخرى لحل مشكلات التصنيف المتعددة الفئات.^{1414الشبكات العصبونية الالتفافية | Courseracoursera.orgاذهب إلى المرجع ↓يُفتح في تبويب جديد}

Illustration for CNNالمؤلف: Daniel Voigt Godoy · الترخيص: CC BY 4.0 · المصدر: ويكيميديا كومنز

طبقة التجميع

تُعد طبقة التجميع (Pooling Layer) عنصرًا أساسيًا مكملًا لعمل الطبقات الالتفافية داخل بنية الشبكات العصبية الالتفافية (Convolutional Neural Networks)، وهي نماذج متعددة الطبقات تعمل على استخلاص الخصائص الهرمية بصورة آلية من الصور المُدخلة.^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} وتتلخص الوظيفة الرئيسة لطبقات التجميع في تقليص الأبعاد المكانية للميزات والأنماط التي جرى تعلمها عبر الطبقات السابقة، تمهيدًا لتمريرها إلى الطبقات المتصلة بالكامل (Fully Connected Layers) التي تتولى مهمة إصدار التنبؤات النهائية.^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

ويسهم استخلاص الميزات في الشبكات العصبية الاصطناعية (Artificial Neural Networks) في انتقاء الأجزاء الأكثر أهمية من البيانات المدخلة؛ الأمر الذي يؤدي إلى تصغير حجم البيانات وتسهيل معالجتها والتعامل معها.^{1515تجميع الشبكات العصبية الاصطناعيةae.linkedin.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} كما يساعد خفض حجم البيانات والاعتماد على الطبقات الالتفافية والأدوات المساعدة في تسريع عمليات المعالجة، والتعرف على الأنماط بدقة، فضلًا عن تيسير فهم البيانات وعرضها بصورة أوضح.^{1515تجميع الشبكات العصبية الاصطناعيةae.linkedin.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

تصنيف الصور مثالًا

تُظهر مشاريع الشبكات العصبية الالتفافية (Convolutional Neural Networks) قدرة التعلم العميق على معالجة مهام تصنيف الصور بفعالية، وتُعدّ نقطة انطلاق لفهم تطبيقات أوسع في رؤية الحاسوب.^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} في بيئات تعليمية مثل وحدة TensorFlow، يُستَخدم تصنيف الصور لتوضيح آلية عمل هذه الشبكات، ثم يُستكشف كيف يمكن للنماذج المدربة مسبقًا وتطبيق نقل التعلم تحسين الأداء وحل مشكلات العالم الحقيقي.^{33مقدمة في رؤية الحاسوب مع TensorFlow - Training | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} تتوفر أمثلة عملية توضح خطوات تنفيذ تصنيف الصور باستخدام CNN، مما يُسهم في ترسيخ المفاهيم النظرية عبر تطبيقات ملموسة.^{161656 تصنيف الصور باستخدام الشبكات العصبية الالتفافية ...youtube.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

لتوضيح سير عملية تصنيف الصور باستخدام الشبكات العصبية الالتفافية، يمكن تلخيص الخطوات الأساسية كما يلي:

إعداد مجموعة بيانات من الصور المصنّفة مسبقًا لتدريب النموذج.^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تدريب شبكة CNN على هذه المجموعة لاستخراج الأنماط المميزة.^{66Dog vs Cat Classification Using Convolution Neural Network | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
الاستفادة من نموذج مدرب مسبقًا لتقليل زمن التدريب وتحسين الدقة.^{33مقدمة في رؤية الحاسوب مع TensorFlow - Training | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تطبيق تقنية نقل التعلم لتكييف النموذج مع مهمة تصنيف جديدة أو بيانات مختلفة.^{33مقدمة في رؤية الحاسوب مع TensorFlow - Training | Microsoft Learnlearn.microsoft.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
تقييم النموذج على مجموعة اختبار لتحديد جودة التصنيف وتحديد الحاجة إلى تحسينات إضافية.^{161656 تصنيف الصور باستخدام الشبكات العصبية الالتفافية ...youtube.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

التطبيقات

Max poolingالمؤلف: Aphex34 · الترخيص: CC BY-SA 4.0 · المصدر: ويكيميديا كومنز

تُشكّل الشبكات العصبية الالتفافية الركيزة الأساسية لمعظم تقنيات الرؤية الحاسوبية (Computer Vision) المتقدمة؛ إذ صُممت بوصفها نمطًا متخصصًا لمعالجة البيانات الصورية.^{1717الشبكات العصبية الالتفافية (CNN) — Python Academycoddykit.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1818أكاديمية حسوب - الشبكات العصبية الالتفافية CNNs أصبحت...facebook.comاذهب إلى المرجع ↓يُفتح في تبويب جديد} وتُستعمل هذه الشبكات في طيف واسع من المهام مثل تصنيف الصور (Image Classification)، واكتشاف الأجسام (Object Detection)، وتحليل الصور، كما تمتد استخداماتها لتشمل مجالات غير بصرية مثل التعرف على الصوت (Speech Recognition).^{1919مقالة علمية للتدريسي م .م منتظر صاحب خلف حول الشبكات العصبية ...uomus.edu.iqاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1717الشبكات العصبية الالتفافية (CNN) — Python Academycoddykit.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1818أكاديمية حسوب - الشبكات العصبية الالتفافية CNNs أصبحت...facebook.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}

Information flow in the Neural Abstraction Pyramidالمؤلف: Sven Behnke · الترخيص: CC BY-SA 4.0 · المصدر: ويكيميديا كومنز

وتتعدد المجالات العملية التي تستفيد من هذه الشبكات، ومن أبرزها:

الرعاية الصحية والتشخيص الطبي: تُعين أطباء الأشعة على رصد الشذوذ في الفحوصات الطبية بسرعة تتجاوز قدرة العين البشرية، حيث تحلل نماذج التعلم العميق (Deep Learning) صور الرنين المغناطيسي والتصوير المقطعي المحوسب للكشف المبكر عن الأورام والكسور، مما يحسّن دقة التشخيص وسرعته.^{11الشبكة العصبية الالتفافية (CNN) مقابل ViT | Ultralyticsultralytics.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1919مقالة علمية للتدريسي م .م منتظر صاحب خلف حول الشبكات العصبية ...uomus.edu.iqاذهب إلى المرجع ↓يُفتح في تبويب جديد}
الأنظمة ذاتية القيادة: تُمكّن السيارات ذاتية القيادة من استيعاب البيئة المحيطة بها، وتعتمد نماذج مثل "YOLO26" على بنيتها لاكتشاف الكائنات في الوقت الفعلي وتمييز المشاة وإشارات المرور والمركبات الأخرى لاتخاذ قرارات التوجيه في أجزاء من الثانية.^{11الشبكة العصبية الالتفافية (CNN) مقابل ViT | Ultralyticsultralytics.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1818أكاديمية حسوب - الشبكات العصبية الالتفافية CNNs أصبحت...facebook.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}
التطبيقات البصرية والتعرف الرقمي: تُستخدم على نطاق موسع في تحليل الصور الرقمية وتطوير منظومات التعرف على الوجوه (Facial Recognition).^{1919مقالة علمية للتدريسي م .م منتظر صاحب خلف حول الشبكات العصبية ...uomus.edu.iqاذهب إلى المرجع ↓يُفتح في تبويب جديد}^{1818أكاديمية حسوب - الشبكات العصبية الالتفافية CNNs أصبحت...facebook.comاذهب إلى المرجع ↓يُفتح في تبويب جديد}