المشاريع

دورة: كي تصنع
على منصة رواق
لزيارة صفحة الدورة

الدورة منتهية، ولكن يمكن الاطلاع على أرشيف المادة في أي وقت.

العلامة المائية للمستندات
يناير 2021 – أبريل 2021
قدت الفريق التقني في هذا المشروع لإجراء دراسة شاملة لمختلف تقنيات العلامات المائية للمستندات (documents watermarking)، بما في ذلك الطرق المرئية وغير المرئية. ثم تم إجراء تحليل مقارن على خوارزميات مختارة عن طريق برمجتها واختبارها على عينات لمستندات. وقد كتبنا تقييمًا شاملاً لنتائج ومزايا ونقاط الضعف لكل خوارزمية مطبقة، والطريقة المستخدمة الموصى بها.

مشروع التعرف على الكلام العربي
مارس 2019 – فبراير 2021
في هذا المشروع أنشأنا محركًا للتعرف على الكلام باللغة العربية، يستقبل إدخال الكلام من خلال واجهة برمجة التطبيقات (API) ويحوله إلى نص ثم يرسل النتيجة. ركزت المرحلة الأولى على اللغة العربية الفصحى الحديثة (MSA). تم تدريب المحرك من الصفر باستخدام خوارزميات تعلم الآلة المتطورة للتعرف على الكلام. وقد قدت الفريق التقني لبناء المحرك، والذي يتكون من خبراء ومهندسين في المجال.

روبوت المحادثة بالعربي
يونيو 2019 – أكتوبر 2019
قدت المرحلة الأولى من بناء منتج روبوت محادثة (chatbot) عربي. وكان عبارة عن روبوت محادثة يجيب تلقائيًا على الأسئلة الشائعة المتعلقة بالخدمات الداخلية. قام الفريق ببناء الوظائف الأساسية لبرنامج روبوت المحادثة، بما في ذلك التعرف على المقصد (intent)، والتعرف الأساسي على الكيانات المسماة (NER) ، مع العديد من أنواع الإجراءات.

تحليل حركة مرور السيارات من خلال مقاطع الفيديو
يوليو 2019 – سبتمبر 2019
تم في هذا المشروع إنشاء أداة لتحليل حركة مرور السيارات من خلال مقاطع الفيديو باستخدام رؤية الحاسب. وذلك عن طريق استخدام خوارزميات الكشف عن الكائنات (objects detection) وتتبعها لحساب الإحصائيات المطلوبة بطريقة آلية.

اكتشاف سرطان الثدي والتعرف عليه من صور أشعة الماموجرام
أكتوبر 2015 – أكتوبر 2018
قمنا في هذا المشروع بالعمل على تطوير وتدريب نماذج تصنيف عالية الأداء لتصنيف الأنسجة الشاذة (abnormal) في الثدي من خلال أشعة الماموجرام. تم استخدام خوارزميات التعلم العميق، بالتحديد الشبكات العصبية الترشيحية (Convolutional Neural Networks (CNN)). تقوم هذه الشبكات بتعلم الخصائص المميزة بشكل آلي من صور الماموجرام ومقابلتها لكل مريض بالصنف المناسب. تم استخدام عدة طرق للاختبار، آخرها طريقتين وهما: تقسيم الأنسجة إلى صنفين (طبيعية وشاذة)، وتقسيمها إلى ثلاثة أصناف (طبيعية، حميدة، خبيثة).

اكتشاف الصرع من موجات الدماغ الكهربائية (EEG)
فبراير 2015 – سبتمبر 2015
الهدف من هذا المشروع هو اكتشاف الصرع من موجات الدماغ الكهربائية عن طريق إشارات (EEG signals)، التي يتم تسجيلها من خلال أقطاب تثبت على الرأس لقياس نشاط الدماغ. تم تكييف خوارزمية Correlation Filters لإنشاء نماذج تتكون من مرشحات سريعة للغاية يمكن تطبيقها على الإشارات لاكتشاف حالات نوبات الصرع.

التعرف على الوجه المغطى جزئياً
فبراير 2014 – يونيو 2018
كان هناك العديد من المحاولات لحل مشكلة التعرف على الوجه المغطى جزئياً، بشكل أساسي ترتكز هذه الطرق على تعلم الخصائص المميزة من الأجزاء الغير مغطاة من الوجه. في هذا المشروع، تم تطوير واختبار عدة خوارزميات للتعرف على الوجه المغطى بعدة أنواع من العوائق، كخوارزمية Correlation Filters والتعلم العميق. كذلك تم جمع مجموعة بيانات بالزي السعودي يشمل عدة أنواع ودرجات لتغطية الوجه بالشماغ والنظارات الشمسية لكل شخص.

الاختيار الآلي للدقة لتقسيم الصورة
يونيو 2012 – ديسمبر 2013
يعد التحليل متعدد الدقّة (multiresolution analysis) طريقة معروفة في رؤية الحاسب، وتستخدم في خوارزميات التقسيم (segmentation). أحد طرق التحليل متعدد الدقّة هو استراتيجية التقسيم من الدقّة المنخفضة إلى العالية، حيث يبدأ التقسيم من صورة ذات دقة منخفضة ومن ثم يتم ضبط النتيجة خلال الخطوات اللاحقة بصور ذات دقّة أعلى تدريجياً. يتم بشكل عام تحديد دقة البداية للتقسيم بشكل اعتباطي بدون معايير اختيار واضحة. أظهر هذا البحث أن البدء من درجات دقة مختلفة لتجزئة الصورة ينتج عنه تقسيم ذو جودات مختلفة وسرعات معالجة مختلفة، حتى للصور من نفس الفئة (لصور مشاهد أو كائنات مماثلة). وبالتالي فإن ابتكار طريقة تلقائية لاختيار الدقة المثالية للبدء بتقسيم أي صورة مدخلة ستكون مفيدة. يقدم هذا المشروع إطار عمل للاختيار التلقائي لأفضل دقة لتقسيم الصورة.

التقسيم ثنائي الأبعاد للبروستاتا في صور الرنين المغناطيسي (T2W)
يناير 2011 – مايو 2012
تعتبر خوارزمية التقسيم level set أحد الخوارزميات الشائعة الاستخدام في المجال الطبي، وقد لاقت الكثير من الاهتمام في السنين القليلة الماضية. يعتبر تحوير محيط مبدئي ليحدد بشكل آلي حدود العضو أو النسيج المراد داخل الجسم طريقة جذّابة للغاية، لا سيما إذا كانت العملية تستند إلى أساس رياضي محدد جيدًا. ولكن أحد عيوب هذه الطريقة (level set) هو حاجتها إلى عمليات حسابية كبيرة مما يؤدي إلى بطئها. الهدف من هذا المشروع هو تصميم وتنفيذ خوارزميات ليست دقيقة وقوية (robust) فقط، بل وسريعة التنفيذ أيضاً.

الحوسبة القائمة على المقابلة (Opposition Based) لتجزئة الصورة
سبتمبر 2009 – فبراير 2012
تم تقديم نموذج التعلم القائم على المقابلة (Opposition-based Learning) مؤخرًا باعتباره طريقة جديدة للتفكير أثناء تصميم الخوارزميات. لقد تم بالفعل استخدام مفاهيم المقابلة لتطوير العديد من التطبيقات. هذه التطبيقات من مجالات مختلفة، مثل خوارزميات التحسين (optimization) وخوارزميات التعلم والمنطق الضبابي (fuzzy logic). في هذا البحث، تم استخدام التعلم القائم على المقابلة لتصميم خوارزميات فعالة ودقيقة لتجزئة الصورة (image segmentation).

تحديد لوحات السيارات السعودية الجديدة والتعرف عليها
فبراير 2009 – يونيو 2009
الهدف من هذا المشروع هو تصميم وتنفيذ نظام للتعرف على لوحات السيارات الجديدة في السعودية. تشتمل اللوحة الجديدة على أحرف وأرقام عربية وإنجليزية، مما يجعلها مختلفة كثيرًا عن سابقتها. في هذا المشروع قمنا بتصميم وتنفيذ خوارزميات التعرف على لوحات السيارات وتجزئة الأحرف ثم التعرف عليها.

التعرف على القزحية بالألوان باستخدام التمثيل المركب المتعدد (hyper-complex) للألوان
سبتمبر 2007 – مارس 2008
الهدف من هذا المشروع هو تطوير طريقة جديدة للتعرف التلقائي على صور القزحية بالألوان ومطابقتها تلقائيًا بناءً على خصائص غابور (Gabor) شديدة التعقيد (Quaternion) وجبر كليفورد. الفكرة هي تضمين اللون بطريقة شاملة. بناء على ذلك، تم تطوير نسخة معدلة من خوارزمية IrisCode من Daugman.

تطوير تطبيق الرد الآلي بالتعرف على الكلام العربي
أكتوبر 2005 – سبتمبر 2006
في هذا المشروع ، قمنا بتصميم وتنفيذ نظام دليل هاتف يتعرف على أسماء الأشخاص عن طريق الكلام ويتم تحويل المكالمة إليهم. تم دمج النظام مع محرك التعرف على الكلام المدرب باستخدام مجموعة بيانات اللغة العربية التي تمثل اللهجات السعودية المختلفة، وتم استخدامه كنظام دليل هاتف لمعهد أبحاث الحاسب في مدينة الملك عبدالعزيز للعلوم والتقنية لعدة سنوات.