تحسين دقة نموذج YOLO على Roboflow من 50% إلى 90%

وكيل ذكاء اصطناعي الأتمة بالذكاء الاصطناعي الذكاء الاصطناعي تخصيص نماذج الذكاء الاصطناعي تطوير البرمجيات هندسة البرمجيات تصحيح برمجي اختبار البرمجيات وكيل ذكاء اصطناعي الأتمة بالذكاء الاصطناعي الذكاء الاصطناعي تخصيص نماذج الذكاء الاصطناعي تطوير البرمجيات هندسة البرمجيات تصحيح برمجي اختبار البرمجيات

لدي مشروع يعتمد على نموذج YOLO (You Only Look Once) في مجال الرؤية الحاسوبية (Computer Vision)، ويهدف إلى تصنيف صور الجدران إلى: damage graffiti clean وفي حالة تصنيف الصورة كـ graffiti أو damage يتم تقسيمها إلى ثلاثة مستويات (low / medium / high). يتم العمل على المشروع باستخدام منصة Roboflow لإدارة وتجهيز الـ dataset وتدريب النموذج. المشكلة أن دقة النموذج الحالية حوالي 50% فقط، ونهدف إلى رفعها إلى 90% أو أكثر. ورغم توفر Dataset كبيرة وجاهزة قمت بإنشائها مسبقًا مع عمل الـ labeling لها بالكامل وإضافة عدد كبير من الصور، إلا أن الدقة لا تزال منخفضة ولا يوجد تحسن واضح. أبحث عن مختص لديه خبرة في تدريب وتحسين نماذج YOLO على Roboflow لتشخيص المشكلة وحلها بشكل كامل، مع: مراجعة جودة وتنظيم مجموعة البيانات التحقق من صحة ودقة عملية الـ labeling تحليل سبب ضعف الدقة الحالي ضبط إعدادات التدريب (training و hyperparameters) تقديم حلول عملية لرفع الدقة إلى 90% أو أكثر تحديد أين تكمن المشكلة بشكل دقيق والعمل على إصلاحها