Dua Khety
1.0.0
تطبيق جوال لترجمة الهيروغليفية (2018)
؟ تطبيق الهاتف المحمول الذي يكتشف وتصنيف وترجم الهيروغليفية.
لقد فقد الكثير من طريقة حياة المصريين القدماء لأن لا أحد كان قادرًا على فك معنى معظم رموزهم ، قام السير آلان غاردينر بتصنيف كل الهيروغليفية مع رمز يمكن بعد ذلك استخدامه لمعرفة المزيد عن المعنى. انتهى هذا القاموس الهيروغليفية إلى أن يكون آلاف الصفحات ، وأصبح البحث عن أي شيء مهمة شاقة. حتى مع ظهور الإنترنت ، لا تزال هناك مشكلة عدم معرفة رمز Gardiner من الهيروغليفية للبحث عنه.
للمساعدة في حل هذه المشكلة ، تم إنشاء Dua-Khety كتطبيق للهاتف المحمول ، متاح على كل من Android (تم تنفيذه في Java ) و iOS (المنفذة في الأجهزة Swift والموضوعية Objective C ، بهدف اكتشاف وتصنيف الهيروغليفية من داخل صورة تم التقاطها وتزويد المستخدمين بأموز حدائقهم بالإضافة إلى معلومات حولها حول المعنى والمعنى. تتم العملية بأكملها في وضع عدم الاتصال ، مما يعني أن الخدمة مريحة وسريعة وسهلة الاستخدام ، ويمكن الوصول إليها في أي مكان في أي وقت.
هناك العديد من الميزات للتطبيق بصرف النظر عن الكشف والتصنيف ، ويتضمن أيضًا قاموسًا هيروغليفية ، والذي يسمح للمستخدمين بإدخال رمز Gardiner واستلام معلومات حول الهيروغليفية التي يمثلها ، وسجل بحث لعرض وإعادة تحليل الصور السابقة لإرسال الصور الخاصة بهم مع الإرسال والخلاصات الاجتماعية لعرضها وتحليل صور مستخدمين آخرين وبحثهم عن صورة username أو رمز الهوية ، وصف لتحسين المصنف وبالتالي تحسين أداء التطبيق في المستقبل. تعتمد هذه الميزات على MySQL databases المخزنة على خادم بعيد و maniplated باستخدام البرامج النصية PHP. تم ترحيل هذا لاحقًا إلى خدمة Google's Firebase لحلول التخزين وقاعدة البيانات.
يتم تنفيذ كل ميزة في عرض منفصل ، والعمليات غير المرئية للمستخدم مثل التصنيف ، لكل منها عرض خاص به أيضًا. يمكن لتطبيق الهاتف المحمول التواصل مع قواعد بيانات على خادم بعيد. يحمل المرء المحتوى الاجتماعي المستخدمة من خلال ميزات التاريخ وميزات التغذية الاجتماعية ، والآخر يحمل معلومات عن الهيروغليفية المرتبة بواسطة رموز Gardiner ، التي يستخدمها قاموس الهيروغليفية وتوفير مزيد من المعلومات عند التصنيف.
بالنسبة للتجزئة ، يتم تحقيق ذلك باستخدام OpenCV عن طريق تحويل صورة نقطية يتم نقلها من قبل المستخدم إلى كائن حصيرة ، وتحويله إلى أبيض وأسود ثم يدمر الصورة بنصف قطر 3. ثم يتم حساب المتوسط. بعد ذلك ، يتم عتبة الصورة مع دقيقة من المتوسط المحسوب و Maxval من 255. ثم يتم تطبيق كذبة مع عتبات من المتوسط * 0.66 والمتوسط * 1.33 وحجم فتحة 3 والتي وجد أنها مثالية. بعد ذلك ، يتم استخراج المكونات ويتم استخدامها لرسم صناديق حول الهيروغليفية الفردية على الصورة الأصلية. ثم يتم اقتصاص هذه حولها ووضعها في مجموعة من الصور الأصغر. ثم يتم تحويل الصور المزروعة (من الصورة الأصلية) إلى أبيض وأسود ومستحضر بنفس الطريقة قبل أن يتم تغذيتها إلى المصنف لزيادة الدقة إلى الحد الأقصى.
يستخدم المصنف مفهوم الشبكات السيامية . تختلف هذه الشبكة عن الشبكة العادية من خلال أخذ أزواج إدخال من الصور وتسمية تمثل ما إذا كانت من نفس الفئة أم لا (يتم عرضها على أنها 0 أو 1). وبعبارة أخرى ، فإن نصف ما يتم تغذيته في الشبكة عبارة عن أزواج من الصور لنفس الفئات مع ملصقها كـ 1 ، والنصف الآخر ، صورتان مختلفتان من فئتين مختلفتين ، مع علامة 0. في الآونة الأخيرة ، ثبت أن هذا المفهوم مفيد في المشكلات باستخدام عدد كبير من الفئات التي تحتوي على عدد صغير من الصور لكل فئة ، كما هو الحال في تصنيف صورة الاختبار الفعلية ، يتم تغذية صور التدريب عبر الشبكة ويتم استخراج متجه الميزات من 640 قيمًا. بعد ذلك ، يتم حساب متوسط جميع متجهات الصور في فئة ما ، وتخزينه في ملف قيم مفصول للفاصلة (CSV). يتم تنفيذ الشيء نفسه لجميع الفصول (157). عند النزول إلى التنبؤ برقم الفصل لصورة اختبار جديدة ، يتم تغذيةها في نفس الشبكة ويتم استخراج متجه ميزة من 640 قيمًا أيضًا. بعد ذلك ، تتم مقارنة مسافة L1 بين متجه الميزة والمواصفة المستخرجة مسبقًا من كل فئة وتؤخذ أصغر خمسة مسافات كأفضل خمسة تنبؤات. يستخدم تطبيق iOS OpenML بينما يستخدم تطبيق Android Tensorflow .
دقة التنبؤ الأعلى هي 66 ٪ ، في حين أن الدقة لتوقعات الخمسة الأوائل هي 88 ٪.
يمكن الاطلاع على لقطات شاشة ومقاطع فيديو هنا: https://malaksadek.wordpress.com/2019/10/15/teeet-the-egyptian-microbus-experience/
التطبيق متاح في:
