> 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/annotation-window-how-to.md).

# أساسيات نافذة التعليقات التوضيحية

## شرح البيانات لاكتشاف الأجسام <a href="#annotate-data-for-object-detection" id="annotate-data-for-object-detection"></a>

### نظرة أولى <a href="#first-look" id="first-look"></a>

{% hint style="info" %}
ستحتاج إلى حاسوب مزود بـ [Nvidia GPU](/arabic/mqdmh/system-requirements.md) متوافق، وتمكين دعم AugeLab Studio AI/GPU، وتثبيت الحزمة المطلوبة عبر نافذة [Module Downloader Window](/arabic/wajhh-augelab-studio/external-features/module-downloader.md#installing-the-ai-bundle).
{% endhint %}

<figure><img src="/files/U0j6K8qylDs64H0zBVyt" alt=""><figcaption></figcaption></figure>

تسمح نافذة Image Annotation في AugeLab Studio للمستخدمين بوضع تسميات على الصور عن طريق رسم صناديق محيطة (bounding boxes) حول الأجسام المطلوبة وربطها بفئات محددة.

### البدء <a href="#getting-started" id="getting-started"></a>

لفتح نافذة Image Annotation، اذهب إلى القائمة العلوية واضغط على "AI Tools" ➡️ "Image Annotation".

لعملية التعليق (annotation) على الصور تحتاج إلى شيئين:

1. ملف .class
2. مجموعة بيانات (Dataset)

### ملف الفئات (Class File) <a href="#class-file" id="class-file"></a>

لتمييز بياناتك، تحتاج أولاً إلى ملف `classes.names`، وهو ملف نصي قياسي بامتداد .names. ملف الفئات النموذجي يبدو كالتالي:

```
Human
Dog
Cat
Cup

```

إذا لم يكن لديك مثل هذا الملف، يمكنك إنشاء ملفك الخاص باستخدام قسم `Classes`:

<figure><img src="/files/BQOMQCB6vAJZ2RGfk5hu" alt="" width="250"><figcaption></figcaption></figure>

لإنشاء ملف الفئات الخاص بك:

1. اكتب اسم الفئة
2. اضغط على `+` لإضافة فئاتك.
3. اضغط على `Save Classes` (الزر الثالث) وستصبح جاهزًا لاختيار مجلد الصور.

يمكنك أيضًا الضغط على `-` لإزالة أي فئات غير مرغوب فيها.

### تحميل مجلد الصور <a href="#load-image-folder" id="load-image-folder"></a>

{% hint style="warning" %}
تأكد أن مسار مجلد مجموعة البيانات لا يحتوي على أحرف غير إنجليزية.
{% endhint %}

اضغط على `Open Folder` أعلى الشاشة واختر المجلد الذي يحتوي على جميع صورك:

<figure><img src="/files/ySC2Dklu1hxpr1AXbwm4" alt=""><figcaption></figcaption></figure>

بعد الضغط على `Open Folder`، ستظهر نافذة حوار تطلب منك اختيار المجلد وملف الفئات:

<figure><img src="/files/cf9w0Jqq0MVcObmu8P66" alt=""><figcaption></figcaption></figure>

اختيار صورة من القائمة: بعد تحميل مجلد الصور، سيُعرض قائمة الصور المتاحة. انقر على صورة لاختيارها للتعليق.

<figure><img src="/files/6CyLtwMXjD7UmpN3s1ZP" alt="" width="563"><figcaption></figcaption></figure>

### تعليق الصور (Annotating Images) <a href="#annotating-images" id="annotating-images"></a>

عملية التعليق بسيطة جدًا. انقر عند الركن العلوي الأيسر من الكائن الذي تريد تمييزه، اسحب الفأرة وأفلت عند الانتهاء!

![Annotation Window](/files/DMBx6NOFwPSUTaNyao98)

يجب أن تحيط صناديق الـ Bounding Boxes بالكائن بشكل محكم دون تضمين خلفية زائدة. هذا يساعد النموذج على تعلم التركيز على السمات ذات الصلة للكائن.

{% tabs %}
{% tab title="Bad Annotation" %}

<figure><img src="/files/u4GXOvh75R5f9sAf0n1p" alt=""><figcaption></figcaption></figure>
{% endtab %}

{% tab title="Good Annotation" %}

<figure><img src="/files/IJSIUxaHb52vK9P36Me5" alt=""><figcaption></figcaption></figure>
{% endtab %}
{% endtabs %}

### استخدام لوحة Dataset <a href="#using-the-dataset-panel" id="using-the-dataset-panel"></a>

<figure><img src="/files/k4ohqL5jx7ezFaQXBd1P" alt=""><figcaption></figcaption></figure>

تتضمن لوحة Dataset عدة وظائف مفيدة:

1. وظيفة `Filter` التي تتيح لك تصفية صور فئات متعددة:
   * `All` جميع الصور سواء كانت معنونة أم لا
   * `Annotated` الصور التي تحتوي على تسميات معها
   * `Empty` الصور التي لا تحتوي على تسميات، لكنها مدرجة في التدريب. هذا يعني أن وجود أشياء غير موسومة قد يؤثر سلبًا على التدريب.
   * `Excluded` الصور التي ليس لها ملف تسمية. هذا يعني أنها لا تؤثر على التدريب على الإطلاق.
2. وظيفة `Search` تتيح لك تصفية الصور حسب أسمائها.

### تعليق الفيديوهات <a href="#annotating-videos" id="annotating-videos"></a>

يمكنك أيضًا التعليق على ملفات الفيديو باستخدام وضع **Video** في أعلى النافذة:

![](/files/oeKNtFqP86xuRsgeRO6F)

تغيير وضع الفيديو سيطلب منك مسار ملف. اختيار الفيديو سيسمح لك بالتعليق عليه تمامًا كما تفعل مع مجلد الصور!

### الأدوات <a href="#tools" id="tools"></a>

توجد عدة أدوات داخل Annotation Tool لمساعدتك أثناء إعداد مجموعة البيانات:

#### تحليل تكرار الفئات (Class Frequency Analysis) <a href="#class-frequency-analysis" id="class-frequency-analysis"></a>

النقر على تحليل تكرار الفئات سيقوم بتحليل وإظهار عدد الفئات الموجودة في مجموعة بياناتك.

هذا مفيد للتحقق مما إذا كانت مجموعة البيانات متوازنة أم لا.

#### توسيع/زيادة مجموعة البيانات (Augment Dataset) <a href="#augment-dataset" id="augment-dataset"></a>

يقوم AugeLab Studio تلقائيًا بتطبيق augmentations على مجموعة البيانات. التوسيع هو عملية إنشاء بيانات مشابهة صناعيًا.

يتم شرح هذا الموضوع بالتفصيل في صفحة [**Augmenting Your Dataset**](/arabic/almyzat-alreysyh/annotate-data-for-object-detection/augment-dataset.md).

## 🛠️ استكشاف أخطاء رؤية الذكاء الاصطناعي وإصلاحها

إذا كانت نماذج AI لا تعمل كما تتوقع، استخدم هذه التبديلات السريعة لضبط الأداء.

<details>

<summary>🚫 "لا يعلّم بأي شيء" (Zero Detections)</summary>

عندما يكون AI "خجولًا" جدًا في وضع التسميات، عادة ما تكون المشكلة في العتبة أو الوصف النصي.

* **Lower Confidence:** خفّض قيمة **Confidence Threshold** قليلًا.
* **Text Sensitivity:** في حالة استخدام Grounding DINO، خفّض **Text Threshold** لتكون أقل تشددًا في مطابقة الكلمات.
* **كن محددًا:** بدلًا من "part" استخدم وصفًا بصريًا مثل "silver metal bolt" أو "red plastic cap".
* **تحقق من القوائم:** تأكد أن قائمة الفئات محمّلة فعلًا في إعدادات الوحدة وليست فارغة.

</details>

<details>

<summary>📦 "صناديق خاطئة كثيرة" (Ghost Detections)</summary>

إذا كانت الشاشة ممتلئة بإيجابيات كاذبة، تحتاج إلى تشديد معايير النموذج.

* **Raise Confidence:** زد من قيمة **Confidence Threshold** لتصفية التوقعات منخفضة الثقة.
* **Text Strictness:** زد **Text Threshold** لفرض تطابق أقرب بين الصورة والمطالبة النصية.
* **إزالة الغموض:** تجنب مطالِب عامة مثل "object" أو "item". إذا كان AI يضع تسميات على الظلال، صف الجزء بألوانه أو ملمسه الفريد.

</details>

<details>

<summary>❓ "نموذج YOLO لا يكتشف فئتي"</summary>

نماذج YOLO القياسية مدرّبة مسبقًا على مجموعات بيانات محددة.

* **COCO Standard:** نماذج YOLO الأساسية تتعرف فقط على 80 فئة من COCO. يجب أن تتطابق تسمياتك تمامًا (مثال: `person`, `cell phone`, `chair`, `bottle`).
* **الاحتياجات المخصصة:** إذا كنت بحاجة لاكتشاف شيء مخصص (مثل "scratched circuit board")، انتقل إلى نموذج **Text-Prompt** مثل Grounding DINO أو درّب نموذج **Custom YOLO**.

</details>

<details>

<summary>🐌 "المعالجة بطيئة أو متقطعة"</summary>

نماذج الرؤية تتطلب قوة حسابية كبيرة.

* **تأخير التشغيل الأول:** من الطبيعي أن يكون التشغيل الأول بطيئًا أثناء تنزيل النماذج وتهيئتها في الذاكرة.
* **حجم النموذج:** Grounding DINO Base و OWLv2 Large دقيقان لكن "ثقيلان". جرّب إصدار "Tiny" أو "Small" لسرعة أعلى.
* **المعدات:** تأكد من أن AugeLab يستخدم **GPU** الخاص بك. تشغيل نماذج ضخمة على CPU سيؤدي إلى تأخير كبير.

</details>

***

#### 💡 لا زلت عالقًا؟

جرّب استخدام **AI Assistant** داخل AugeLab Studio. صف منظر الكاميرا وما تبدو عليه الصناديق حاليًا؛ قد يقترح القيم العشرية الدقيقة لعتباتك.

هل تريد مني إنشاء جدول "Threshold Cheat Sheet" يشرح بالضبط الفرق بين Confidence و Text thresholds؟]\(./augment-dataset.md).

{% hint style="warning" %}
يجب تنفيذ عملية التوسيع (augmentation) بعد الانتهاء من التعليقات (annotation).
{% endhint %}

{% hint style="warning" %}
قد تزيد عملية التوسيع من حجم القرص لمجموعة البيانات حتى 10 أضعاف.
{% endhint %}

#### Preprocess Image <a href="#preprocess-image" id="preprocess-image"></a>

أداة Preprocess Image تتيح لك تعديل التباين والسطوع والجاما للصور المعروضة في النافذة. هذه الميزة مفيدة عند التعامل مع صور شديدة الظلام أو السطوع.

![](/files/DICsElPnw4wShF3TXPGY)

#### Change Class Id <a href="#change-class-id" id="change-class-id"></a>

أداة Change Class Id تتيح لك تغيير كل حالات الفئة الموسومة إلى فئة مختلفة.

تكون هذه الأداة مفيدة عند دمج مجموعتي بيانات مختلفتين.

![](/files/Tq89zmv3aRQsa3gIZvMy)

#### الاختصارات والمساعدة <a href="#shortcuts-and-help" id="shortcuts-and-help"></a>

<details>

<summary>لمعرفة الاختصارات والمساعدة، يمكنك النقر على زر `Help` في القائمة العلوية.</summary>

* `D`: عرض الصورة أو الإطار التالي.
* `A`: عرض الصورة أو الإطار السابق.
* `Shift + D`: التقدم بمقدار 10 صور/إطارات.
* `Shift + A`: الرجوع بمقدار 10 صور/إطارات.
* `W`: تقليل اختيار الفئة.
* `S`: زيادة اختيار الفئة.
* `Shift + W`: تقليل اختيار الفئة بمقدار 3.
* `Shift + S`: زيادة اختيار الفئة بمقدار 3.
* `X`: إزالة آخر مربع تعليق (bounding box).
* `Shift + C`: مسح كل التعليقات.
* `O`: إضافة ملف تعليق فارغ أو مسح التعليقات.
* `P`: إزالة التعليقات ومسح الملف.
* `M`: نقل أو استبعاد الصورة إلى مجلد آخر (وضع Folder Mode فقط).
* `Shift + Delete`: حذف الصورة وملف التعليق من الحاسوب (وضع Folder Mode فقط).

</details>

#### التدريب بنموذج كشف أشياء مخصص (Custom AI Object Detection) <a href="#training-with-custom-ai-object-detection-model" id="training-with-custom-ai-object-detection-model"></a>

لتدريب نموذج كشف أشياء مخصص، راجع صفحة [**Object Detection Train**](/arabic/almyzat-alreysyh/train-custom-ai-models-with-training-window.md).