خلية [1]:
بيئة التشغيل ومسرّع الرسوميات WebGPU
وحدة معالجة الرسوميات (GPU)
WebGPU Shader Core
مواصفات صكة البلوت
32 بطاقة (8 قيم × 4 أشكال)
محرك الاستدلال العصبي
—
زمن الاستجابة
—
خلية [2]:
استوديو الصور: رفع صورة حقيقية أو توليد مشهد تركيبي
اسحب وأفلت صورة طاولة البلوت هنا
تُحفظ بأمان في التخزين المحلي للمتصفح
معرض الصور المحفوظة
الفئة النشطة للوسم
Ah
اسحب بمؤشر الفأرة على الصورة لرسم أو تعديل مربعات التحديد.
منفذ العرض ومحرر الصناديق التفاعلي
جاهز
خلية [3]:
كاشف بطاقات البلوت عالي الدقة (استدلال WebGPU)
حد الثقة الأدنى (Confidence)
0.60
عتبة عدم التكرار (NMS / IoU)
0.45
الأوراق المكتشفة
0
تفاصيل البطاقات المكتشفة ومستوى الثقة
اضغط على زر كشف وتحديد الأوراق لتحليل الصورة الحالية.
معاينة إحداثيات YOLO (الفئة x y w h)
# في انتظار الكشف
خلية [4]:
مجموعة بياناتك: استيراد وفحص ومطابقة أصناف البلوت
جارٍ فحص الخادم المحلي…
يقرأ الخادم المحلي المجلد مباشرة — مناسب لعشرات الآلاف من الصور.
يُقرأ محليًا في المتصفح. المجموعات الكبيرة قد تستغرق دقيقة.
لا توجد بيانات؟ ابدأ بمجموعة كاجل
مجموعة أوراق اللعب (٥٢ صنفًا) — يحوّلها حكيم إلى ٣٢ صنف بلوت في الخطوة التالية.
curl -L -o ~/Downloads/playing-cards.zip \ https://www.kaggle.com/api/v1/datasets/download/andy8744/playing-cards-object-detection-dataset
يتطلب تسجيل الدخول في كاجل (kaggle.json). فك ضغط الملف ثم ضع مسار المجلد في الحقل المجاور.
الصور
0
الصناديق
0
الأصناف الموجودة
0
تُطابق البلوت
0 / 32
التقسيمات
| التقسيم | صور | موسومة | صناديق |
|---|
توزيع الصناديق على الأصناف
مطابقة الأصناف مع صكة البلوت (٣٢ ورقة)
| صنف المصدر | صناديق | صنف البلوت | السبب |
|---|
تُكتب الصور بروابط صلبة عند الإمكان، فلا تتضاعف المساحة.
خلية [5]:
تدريب كاشف أوراق البلوت
الحالة:
في الانتظار
الحقبة:
—
mAP@50:
—
نفس الأمر من الطرفية
منحنى الخسارة والدقة (من results.csv الفعلي)
سجل التشغيل
خلية [6]:
تصدير النموذج للمتصفح (ONNX)
بعد التصدير، صِل النموذج بحاسبة اليد عبر HakimDetector.registerClassifier فتتعرّف على الأوراق تلقائيًا.