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

وثائق Ultralytics YOLO#

Ultralytics YOLO هي عائلة من نماذج الرؤية الحاسوبية في الوقت الفعلي لاكتشاف الكائنات، والتجزئة المثيلية، والتجزئة الدلالية، وتقدير العمق، والتصنيف، وتقدير الوضعية، والصناديق المحيطة الموجهة، والتتبع، والمتاحة من خلال حزمة Python واحدة وواجهة سطر أوامر (CLI). تم بناء YOLO26 على تطورات التعلم العميق والرؤية الحاسوبية، ويتميز بالاستنتاج الشامل الخالي من خوارزمية NMS والنشر المحسن على الحافة. تجعل تصميمه المبسط مناسبًا لمختلف التطبيقات وقابلًا للتكيف بسهولة مع منصات الأجهزة المختلفة، بدءًا من أجهزة الحافة وصولًا إلى واجهات برمجة التطبيقات السحابية. بالنسبة لأحمال عمل الإنتاج المستقرة، يوصى بكل من YOLO26 وYOLO11.

استكشف مستندات Ultralytics، وهي مورد شامل يغطي حزمة YOLO وواجهة سطر الأوامر بالإضافة إلى منصة Ultralytics، التي تضيف التعليقات التوضيحية للبيانات، والتدريب السحابي، والنشر أعلى النماذج نفسها. وسواء كنت ممارسًا متمرسًا لتعلم الآلة أو جديدًا في هذا المجال، فإن هذه الموارد تساعدك في تحقيق أقصى استفادة من YOLO في مشاريعك.

اطلب ترخيص مؤسسة للاستخدام التجاري في ترخيص Ultralytics.

ابدأ في أمرين فقط#

# Install the ultralytics package from PyPI
pip install ultralytics

# Detect objects in an image with a pretrained YOLO26 model
yolo predict model=yolo26n.pt source='https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg'

يتم تنزيل أوزان النموذج وصورة المثال تلقائيًا، ويتم حفظ النتيجة المصحوبة بتعليقات توضيحية في runs/detect/predict.

راجع دليل البدء السريع للحصول على مرجع التثبيت والاستخدام الكامل.

ما الذي تريد القيام به؟#

كيف يتم تنظيم هذه الوثائق#

تتبع معظم أوامر سير عمل النموذج yolo بنية نحوية واحدة، وهي yolo [TASK] MODE ARGS، حيث تكون المهمة اختيارية، وتنظم هذه المستندات حول الأجزاء الثلاثة نفسها، بالإضافة إلى اختصار واحد:

• تجيب المهمة (Task) عن ما تريده من الصورة: الاكتشاف، أو التجزئة المثيلية، أو التجزئة الدلالية، أو تقدير العمق، أو التصنيف، أو تقدير الوضعية، أو الصناديق الموجهة.
• تجيب الوضع (Mode) عن كيفية استخدامك للنموذج: التدريب، أو التحقق، أو التنبؤ، أو التصدير، أو التتبع، أو قياس الأداء.
• تقوم المعلمات (Args) بتكوين الأمر، ومن خلالها يتم تحديد النموذج المراد تشغيله باستخدام model= إلى المعلمات الفائقة مثل epochs وimgsz.
• الحلول (Solutions) هي الاختصار: تطبيق جاهز، مثل عد الكائنات أو إنذار أمني، والذي يتخطى المهمة والوضع تمامًا.

كل شيء آخر يدعم هذه البنية النحوية: تسرد النماذج (Models) كل هندسة يمكنك تمريرها إلى model= — مثل YOLO26 وYOLO11 وSAM 3 وRT-DETR وغيرها — وتوفر مجموعات البيانات (Datasets) ما تتدرب عليه كل مهمة، وتعد الأدلة (Guides) مجموعة واسعة من الشروحات التفصيلية التي تمتد عبر نشر الأجهزة، وضبط المعلمات الفائقة، وتحويل مجموعات البيانات، وخطوات المشاريع الكاملة، وتربط العمليات المدمجة (Integrations) خط الأنابيب بأدوات التدريب والنشر التي تستخدمها بالفعل، ويوثق قسم المرجع (Reference) كل فئة ودالة في واجهة برمجة تطبيقات Python.

بالإضافة إلى حزمة Python، تعمل واجهتان أخريان على النماذج نفسها: منصة Ultralytics للتعليقات التوضيحية السحابية، والتدريب، والنشر، واستنتاج Ultralytics، وهي مكتبة Rust مستقلة وواجهة سطر أوامر لتشغيل النماذج المصدرة بدون بيئة تشغيل Python.

تراخيص YOLO: كيف يتم ترخيص Ultralytics YOLO؟#

تقدم Ultralytics خيارين للترخيص لتلبية حالات الاستخدام المتنوعة:

• ترخيص AGPL-3.0: يعتبر هذا الترخيص مفتوح المصدر المعتمد من OSI مثاليًا للطلاب والمهتمين، حيث يعزز التعاون المفتوح ومشاركة المعرفة. راجع ملف LICENSE لمزيد من التفاصيل.
• رخصة المؤسسات: للاستخدام في التطوير والإنتاج، تتيح هذه الرخصة التكامل السلس لبرمجيات Ultralytics ونماذج الذكاء الاصطناعي في منتجات وخدمات الأعمال، بما في ذلك الأدوات الداخلية، وسير العمل الآلي، وعمليات نشر الإنتاج، متجاوزة متطلبات المصدر المفتوح لـ AGPL-3.0. للبدء، يرجى الاتصال بنا عبر Ultralytics Licensing.

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

الأسئلة الشائعة#

ما هو Ultralytics YOLO وكيف يحسن اكتشاف الكائنات؟#

Ultralytics YOLO هي سلسلة YOLO (You Only Look Once) الشهيرة لاكتشاف الكائنات وتجزئة الصور في الوقت الفعلي. يعتمد أحدث نموذج، YOLO26، على الإصدارات السابقة من خلال إدخال استنتاج شامل خالي من خوارزمية NMS ونشر محسن على الحافة. يدعم YOLO مختلف مهام رؤية الذكاء الاصطناعي مثل الاكتشاف، والتجزئة المثيلية، والتجزئة الدلالية، وتقدير العمق، والتصنيف، وتقدير الوضعية، والتتبع. تضمن بنيته الفعالة سرعة ودقة ممتازتين، مما يجعله مناسبًا للتطبيقات المتنوعة، بما في ذلك أجهزة الحافة وواجهات برمجة التطبيقات السحابية.

كيف يمكنني البدء بتثبيت وإعداد YOLO؟#

البدء في استخدام YOLO سريع ومباشر. قم بتثبيت حزمة Ultralytics من pip باستخدام pip install ultralytics، ثم قم بتشغيل تنبؤك الأول باستخدام yolo predict model=yolo26n.pt — حيث يتم تنزيل أوزان النموذج تلقائيًا. للحصول على إرشادات شاملة تغطي conda وDocker والتثبيت من المصدر، تفضل بزيارة صفحة البدء السريع.

كيف يمكنني تدريب نموذج YOLO مخصص على مجموعة البيانات الخاصة بي؟#

يتضمن تدريب نموذج YOLO مخصص على مجموعة البيانات الخاصة بك بضع خطوات مفصلة:

1. قم بإعداد مجموعة بياناتك المشروحة واوصفها في ملف YAML لمجموعة البيانات.
2. تحميل نموذج مدرب مسبقًا، على سبيل المثال YOLO("yolo26n.pt") في Python.
3. ابدأ التدريب باستخدام model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)، أو من سطر الأوامر باستخدام yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.

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

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 المؤسسة (Enterprise License): للتطوير والاستخدام في الإنتاج، بما في ذلك الأدوات الداخلية، وسير العمل المؤتمت، وعمليات نشر الإنتاج، متجاوزاً متطلبات المصدر المفتوح لـ AGPL-3.0.

لمزيد من التفاصيل، تفضل بزيارة صفحة الترخيص الخاصة بنا.

كيف يمكن استخدام Ultralytics YOLO لتتبع الكائنات في الوقت الفعلي؟#

تدعم Ultralytics YOLO تتبعًا فعالًا وقابلًا للتخصيص لكائنات متعددة. استدعِ YOLO("yolo26n.pt").track(source="path/to/video.mp4") في Python، أو قم بتشغيل yolo track source=path/to/video.mp4 من سطر الأوامر — وكلاهما يعمل مع ملفات الفيديو، والبث المباشر، ومدخلات كاميرا الويب. للحصول على دليل مفصل حول إعداد وتشغيل تتبع الكائنات، راجع مستندات وضع التتبع (Track Mode)، والتي تشرح التكوين والتطبيقات العملية في سيناريوهات الوقت الفعلي.