> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/arabic/almyzat-alreysyh/annotate-data-for-object-detection/after-annotation.md).

# بعد التعليق التوضيحي

لقد انتهيت من وضع الوسوم على مجموعة بياناتك! 🎉

![Annotation Finished](/files/DCqlEpSMW4TfYluP16Uy)

*YAY!*

تكون مجموعة البيانات عالية الجودة متناسقة. يمكنك اتباع هذا الدليل لإجراء تدقيق سريع على وسومك قبل الانتقال لتدريب النموذج.

***

## فحص سريع عبر مرشحات مجموعة البيانات

في واجهة Image Annotation Window، استخدم قائمة الفلتر لعزل حالات الوسم المحددة.

| الفلتر        | المنطق                 | ما يجب التحقق منه                                   |
| ------------- | ---------------------- | --------------------------------------------------- |
| **All**       | إجمالي مجموعة البيانات | نظرة عامة عامة على حجم المشروع.                     |
| **Annotated** | ≥1 Bounding Box        | تأكد أن الصناديق محكمة والفئات صحيحة.               |
| **Empty**     | Background/Negative    | مهم جدًا: تأكد أن هذه الصور فعلاً خالية من الأجسام. |
| **Excluded**  | No annotation file     | تأكد من عدم إخفاء بيانات صالحة عن طريق الخطأ.       |

{% hint style="info" %}
مشكلة شائعة: وجود صور مُصنّفة كـ "Empty" لكنها تحتوي فعلاً على أجسام سيُربك النموذج. إذا كان هناك جسم، يجب وسمه أو يجب أن تُصنف الصورة كـ "Excluded".
{% endhint %}

***

## مراجعة سريعة: اختصارات لوحة المفاتيح

تسمح هذه الاختصارات بتدقيق سريع دون الخروج من اللوحة.

### التنقل واختيار الفئات

* `D` / `A`: الصورة التالية / السابقة.
* `Shift + D` / `Shift + A`: الانتقال للأمام/الخلف بمقدار 10 صور.
* `S` / `W`: الفئة التالية / السابقة.
* `Shift + S` / `Shift + W`: القفز بين الفئات بمقدار 3.
* `H` (اضغط مع الاستمرار): إخفاء الوسوم مؤقتًا لرؤية الصورة الأصلية.

### الوسم وإدارة الملفات

* `O`: **Mark as Background** (ينشئ/يمسح ملف وسم فارغ).
* `P`: **Exclude Image** (يزيل ملف الوسم).
* `X`: إزالة آخر Bounding Box.
* `Shift + C`: مسح كل الصناديق على الصورة الحالية.
* `M`: نقل الصورة + الوسم إلى مجلد فرعي `/moved` (Folder Mode).
* `Shift + Delete`: **حذف نهائي** للصورة + ملف الوسم.

***

## أدوات التحليل المتقدمة

### A) تحليل تكرار الفئات

افتح Tools → Class Frequency Analysis لمشاهدة توزيع بياناتك بصريًا.

* الفئات النادرة: إذا كانت فئة أقل بكثير من غيرها، فقد يتجاهلها النموذج.
* الفئات السائدة: إذا كانت فئة واحدة تشكل غالبية البيانات، فقد يُبالغ النموذج في التنبؤ بها.

إذا وجدت عدم توازن، فكر في جمع مزيد من البيانات للفئات النادرة أو إزالة بعض الأمثلة المكررة من الفئات السائدة. خيار آخر هو استخدام تقنيات التكبير (data augmentation) لزيادة تنوع الفئات الممثلة بقلة.

### B) التعرف على الأنماط

انتبه لهذه مشاكل "جودة الوسم" أثناء المراجعة:

* صناديق فضفاضة: وجود كثير من الخلفية داخل الصندوق.
* أسلوب غير متسق: مزج صناديق محكمة وصناديق فضفاضة ضمن نفس الفئة.
* نقص الصور السلبية: عدم وجود صور "Empty" كافية لتعليم النموذج ما ليس جسمًا.

***

## روتين التدقيق

1. **Filter to Annotated:** راجع حوالي 20–50 صورة عبر المجموعة كاملة (ليس فقط الصفحة الأولى).
2. **Filter to Empty:** راجع حوالي 10–20 صورة للتأكد أنها فعلاً فارغة.
3. **Spot-check Excluded:** تأكد من عدم وجود بيانات عالية الجودة مخزنة كـ Excluded.
4. **فحص حالات الحافة:** ابحث عن أصغر الأجسام، أسوأ انعكاس ضوئي، وأقوى ضبابية حركة.

***

## مجموعة التحقق (Validation Set)

اختر 30–100 صورة أو مقطع فيديو تُمثل تحديات "الواقع الحقيقي" (إضاءة ضعيفة، فوضى، إلخ).

حافظ على هذه المجموعة موسومة بشكل مثالي. استخدمها كـ "اختبار واقع" نهائي قبل نشر أي نموذج في الإنتاج.

{% hint style="danger" %}
تذكير بالنسخ الاحتياطي: دائمًا قم بمضاعفة مجلد مجموعة البيانات قبل تشغيل عمليات جماعية أو حذف بكميات كبيرة.
{% endhint %}