中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية

الرئيسية

نقدم لكم Ultralytics YOLO26، الإصدار الأحدث من نموذج اكتشاف الكائنات وتقسيم الصور المتميز في الوقت الفعلي. بُني YOLO26 على أساس التطورات في التعلم العميق ورؤية الحاسوب، ويتميز باستنتاج شامل دون الحاجة إلى NMS (كبت غير الحد الأقصى) ونشر مُحسّن على الحافة (edge). تصميمه الانسيابي يجعله مناسباً لمختلف التطبيقات وقابلاً للتكيف بسهولة مع منصات أجهزة متنوعة، بدءاً من أجهزة الحافة وصولاً إلى واجهات برمجة تطبيقات السحاب. لأحمال عمل الإنتاج المستقرة، نوصي باستخدام كل من YOLO26 وYOLO11.

استكشف وثائق Ultralytics، وهي مورد شامل صُمم لمساعدتك على فهم واستغلال ميزاته وقدراته. سواء كنت ممارساً متمرساً في التعلم الآلي أو جديداً في هذا المجال، يهدف هذا المركز إلى تعظيم إمكانات YOLO في مشاريعك.

اطلب ترخيصاً للمؤسسات (Enterprise License) للاستخدام التجاري عبر ترخيص Ultralytics.

من أين تبدأ

YOLO: نبذة تاريخية

YOLO (You Only Look Once)، وهو نموذج شهير لـ اكتشاف الكائنات وتقسيم الصور، طوره جوزيف ريدمون وعلي فرهادي في جامعة واشنطن. أُطلق في عام 2015، واكتسب YOLO شعبية بفضل سرعته ودقته العاليتين.

• YOLOv2، الذي أُصدر في 2016، حسّن النموذج الأصلي من خلال دمج تسوية الدفعات (batch normalization)، وصناديق الارتساء (anchor boxes)، وعناقيد الأبعاد.
• YOLOv3، الذي أُطلق في 2018، عزز أداء النموذج بشكل أكبر باستخدام شبكة أساسية (backbone) أكثر كفاءة، ومثبتات متعددة، وتجميع هرمي مكاني.
• أُصدر YOLOv4 في عام 2020، مقدماً ابتكارات مثل تعزيز البيانات بنمط Mosaic، ورأس اكتشاف جديد بدون مثبتات (anchor-free)، ودالة خسارة جديدة.
• عزز YOLOv5 أداء النموذج بشكل أكبر وأضاف ميزات جديدة مثل تحسين المعاملات الفائقة (hyperparameter optimization)، وتتبع التجارب المدمج، والتصدير التلقائي إلى تنسيقات التصدير الشائعة.
• تم جعل YOLOv6 مفتوح المصدر بواسطة Meituan في عام 2022، وهو مستخدم في العديد من روبوتات التوصيل الذاتية التابعة للشركة.
• أضاف YOLOv7 مهام إضافية مثل تقدير الوضعية على مجموعة بيانات النقاط الرئيسية COCO.
• أصدرت Ultralytics YOLOv8 في عام 2023، وقدمت ميزات وتحسينات جديدة للأداء والمرونة والكفاءة، مع دعم مجموعة كاملة من مهام رؤية الذكاء الاصطناعي.
• يقدم YOLOv9 طرقاً مبتكرة مثل معلومات التدرج القابلة للبرمجة (PGI) وشبكة تجميع الطبقات الفعالة المعممة (GELAN).
• YOLOv10 created by researchers from Tsinghua University using the Ultralytics Python package, provides real-time object detection advancements by introducing an End-to-End head that eliminates Non-Maximum Suppression (NMS) requirements.
• YOLO11: أُصدر في سبتمبر 2024، ويقدم YOLO11 أداءً ممتازاً عبر مهام متعددة، بما في ذلك اكتشاف الكائنات، والتقسيم، وتقدير الوضعية، والتتبع، والتصنيف، مما يتيح النشر عبر تطبيقات ومجالات ذكاء اصطناعي متنوعة.
• YOLO26 🚀: الجيل التالي من نماذج YOLO من Ultralytics والمُحسّن للنشر على الحافة مع استنتاج شامل دون NMS.

تراخيص YOLO: كيف يتم ترخيص Ultralytics YOLO؟

تقدم Ultralytics خياري ترخيص لتلبية حالات الاستخدام المتنوعة:

• ترخيص AGPL-3.0: هذا الترخيص مفتوح المصدر المعتمد من OSI مثالي للطلاب والمتحمسين، حيث يعزز التعاون المفتوح ومشاركة المعرفة. راجع ملف LICENSE لمزيد من التفاصيل.
• ترخيص المؤسسات (Enterprise License): للتطوير والاستخدام في الإنتاج، يتيح هذا الترخيص التكامل السلس لبرمجيات Ultralytics ونماذج الذكاء الاصطناعي في منتجات وخدمات الأعمال، بما في ذلك الأدوات الداخلية وسير العمل الآلي ونشر الإنتاج، متجاوزاً متطلبات المصدر المفتوح لـ AGPL-3.0. للبدء، يرجى الاتصال بنا عبر ترخيص Ultralytics.

تم تصميم استراتيجية الترخيص الخاصة بنا لضمان إعادة أي تحسينات على مشاريعنا مفتوحة المصدر إلى المجتمع. نحن نؤمن بالمصادر المفتوحة، ومهمتنا هي ضمان إمكانية استخدام مساهماتنا وتوسيعها بطرق تفيد الجميع.

تطور اكتشاف الكائنات

تطور اكتشاف الكائنات بشكل ملحوظ على مر السنين، من تقنيات رؤية الحاسوب التقليدية إلى نماذج التعلم العميق المتقدمة. كانت عائلة نماذج YOLO في طليعة هذا التطور، حيث تدفع باستمرار حدود ما هو ممكن في اكتشاف الكائنات في الوقت الفعلي.

يعامل نهج YOLO الفريد اكتشاف الكائنات كمشكلة انحدار واحدة، حيث يتنبأ بـ صناديق التحديد واحتمالات الفئات مباشرة من الصور الكاملة في تقييم واحد. جعلت هذه الطريقة الثورية نماذج YOLO أسرع بكثير من أجهزة الكشف ثنائية المرحلة السابقة مع الحفاظ على دقة عالية.

مع كل إصدار جديد، قدم YOLO تحسينات معمارية وتقنيات مبتكرة عززت الأداء عبر مقاييس مختلفة. يواصل YOLO26 هذا التقليد من خلال دمج أحدث التطورات في أبحاث رؤية الحاسوب، ويتميز باستنتاج شامل دون NMS ونشر مُحسّن على الحافة للتطبيقات الواقعية.

الأسئلة الشائعة

ما هو Ultralytics YOLO وكيف يحسن اكتشاف الكائنات؟

Ultralytics YOLO هي سلسلة YOLO (You Only Look Once) الشهيرة لاكتشاف الكائنات وتقسيم الصور في الوقت الفعلي. يبني أحدث نموذج، YOLO26، على الإصدارات السابقة من خلال تقديم استنتاج شامل دون NMS ونشر مُحسّن على الحافة. يدعم YOLO مختلف مهام رؤية الذكاء الاصطناعي مثل الاكتشاف، وتقسيم الحالات، والتقسيم الدلالي، وتقدير الوضعية، والتتبع، والتصنيف. تضمن بنيته الفعالة سرعة ودقة ممتازتين، مما يجعله مناسباً لتطبيقات متنوعة، بما في ذلك أجهزة الحافة وواجهات برمجة تطبيقات السحاب.

كيف يمكنني البدء في تثبيت وإعداد YOLO؟

البدء باستخدام YOLO سريع ومباشر. يمكنك تثبيت حزمة Ultralytics باستخدام pip والبدء في العمل في دقائق. إليك أمر تثبيت أساسي:

pip install -U ultralytics

للحصول على دليل شامل خطوة بخطوة، قم بزيارة صفحة البداية السريعة. سيساعدك هذا المورد في تعليمات التثبيت، والإعداد الأولي، وتشغيل نموذجك الأول.

كيف يمكنني تدريب نموذج YOLO مخصص على مجموعة بياناتي؟

يتضمن تدريب نموذج YOLO مخصص على مجموعة بياناتك بضع خطوات مفصلة:

1. جهز مجموعة بياناتك المشروحة.
2. قم بتهيئة معلمات التدريب في ملف YAML.
3. استخدم أمر yolo TASK train لبدء التدريب. (كل TASK لها وسيطاتها الخاصة)

إليك كود مثال لمهمة اكتشاف الكائنات:

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

للحصول على شرح تفصيلي، راجع دليل تدريب نموذج الخاص بنا، والذي يتضمن أمثلة ونصائح لتحسين عملية التدريب.

ما هي خيارات الترخيص المتاحة لـ Ultralytics YOLO؟

تقدم Ultralytics خيارين للترخيص لـ YOLO:

• ترخيص AGPL-3.0: هذا الترخيص مفتوح المصدر مثالي للاستخدام التعليمي وغير التجاري، ويعزز التعاون المفتوح.
• ترخيص المؤسسات (Enterprise License): للتطوير والاستخدام في الإنتاج، بما في ذلك الأدوات الداخلية وسير العمل الآلي ونشر الإنتاج، متجاوزاً متطلبات المصدر المفتوح لـ AGPL-3.0.

لمزيد من التفاصيل، قم بزيارة صفحة الترخيص الخاصة بنا.

كيف يمكن استخدام Ultralytics YOLO لتتبع الكائنات في الوقت الفعلي؟

يدعم Ultralytics YOLO تتبع كائنات متعددة بكفاءة وقابلية للتخصيص. لاستخدام قدرات التتبع، يمكنك استخدام أمر yolo track، كما هو موضح أدناه:

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

للحصول على دليل مفصل حول إعداد وتشغيل تتبع الكائنات، راجع وثائق وضع التتبع، التي تشرح التهيئة والتطبيقات العملية في سيناريوهات الوقت الفعلي.