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

Link to this sectionوثائق Ultralytics YOLO#

تعد Ultralytics YOLO عائلة من نماذج الرؤية الحاسوبية في الوقت الفعلي لاكتشاف الكائنات، وتجزئة المثيل، والتجزئة الدلالية، والتصنيف، وتقدير الوضعية، وصناديق التقييد الموجهة، والتتبع، وهي متاحة من خلال حزمة Python واحدة وCLI. تم بناء YOLO26 على أساس التقدم في التعلم العميق والرؤية الحاسوبية، وتتميز باستدلال كامل من البداية إلى النهاية بدون NMS ونشر محسّن على الحافة. تصميمها الانسيابي يجعلها مناسبة لتطبيقات متنوعة وقابلة للتكيف بسهولة مع منصات الأجهزة المختلفة، بدءاً من أجهزة الحافة وصولاً إلى واجهات برمجة التطبيقات السحابية. بالنسبة لأحمال العمل الإنتاجية المستقرة، يُنصح باستخدام كل من YOLO26 وYOLO11.

استكشف وثائق Ultralytics، وهي مورد شامل يغطي حزمة YOLO وCLI بالإضافة إلى Ultralytics Platform، الذي يضيف تعليقات توضيحية للبيانات، والتدريب السحابي، والنشر فوق نفس النماذج. سواء كنت ممارساً متمرساً في تعلم الآلة أو جديداً في هذا المجال، يهدف هذا المركز إلى مساعدتك في تحقيق أقصى استفادة من YOLO في مشاريعك.

اطلب ترخيص المؤسسة (Enterprise License) للاستخدام التجاري في ترخيص Ultralytics.

Link to this sectionابدأ 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 تلقائياً، ويتم حفظ النتيجة المشروحة في runs/detect/predict.

راجع دليل Quickstart للحصول على مرجع التثبيت والاستخدام الكامل.

Link to this sectionما الذي تريد القيام به؟#

Link to this sectionكيف يتم تنظيم هذه الوثائق#

تتبع معظم أوامر yolo لسير عمل النموذج قواعد لغوية واحدة، وهي yolo [TASK] MODE ARGS، حيث يكون Task اختيارياً، ويتم تنظيم هذه الوثائق حول نفس الأجزاء الثلاثة، بالإضافة إلى اختصار واحد:

• المهمة تجيب على سؤال ماذا تريد من الصورة: الاكتشاف، أو تقسيم الأجزاء، أو التقسيم الدلالي، أو التصنيف، أو تقدير الوضعية، أو المربعات الموجهة.
• النمط يجيب على سؤال كيف تستخدم النموذج: التدريب، أو التحقق، أو التنبؤ، أو التصدير، أو التتبع، أو قياس الأداء.
• Args يقوم بتهيئة الأمر، من تحديد model المراد تشغيله باستخدام model= إلى المعاملات الفائقة مثل epochs وimgsz.
• Solutions هو الاختصار: تطبيق جاهز، مثل حساب الكائنات أو الإنذار الأمني، الذي يتخطى Task وMode تماماً.

كل شيء آخر يدعم تلك القواعد: Models تسرد كل بنية يمكنك تمريرها إلى model= — مثل YOLO26، وYOLO11، وSAM 3، وRT-DETR، والمزيد — وتوفر Datasets البيانات التي يتدرب عليها كل Task، وGuides عبارة عن مجموعة واسعة من التعليمات المتعمقة التي تغطي نشر الأجهزة، وضبط المعاملات الفائقة، وتحويل مجموعات البيانات، وشروحات كاملة للمشاريع، وتربط Integrations خط الأنابيب بأدوات التدريب والنشر التي تستخدمها بالفعل، ويوثق قسم Reference كل فئة ووظيفة في Python API.

بعيداً عن حزمة Python، تعمل واجهتان إضافيتان على نفس النماذج: Ultralytics Platform للتعليق التوضيحي السحابي، والتدريب، والنشر، وUltralytics Inference، وهي مكتبة Rust مستقلة وCLI لتشغيل النماذج المُصدرة بدون بيئة تشغيل Python.

Link to this sectionتراخيص YOLO: كيف يتم ترخيص Ultralytics YOLO؟#

تقدم Ultralytics خيارين للترخيص لتلبية حالات الاستخدام المتنوعة:

• ترخيص AGPL-3.0: هذا الترخيص مفتوح المصدر والمعتمد من OSI مثالي للطلاب والمتحمسين، ويعزز التعاون المفتوح ومشاركة المعرفة. راجع ملف LICENSE لمزيد من التفاصيل.
• ترخيص المؤسسات (Enterprise License): للاستخدام في التطوير والإنتاج، يتيح هذا الترخيص التكامل السلس لبرمجيات Ultralytics ونماذج AI في منتجات وخدمات الأعمال، بما في ذلك الأدوات الداخلية، وسير العمل المؤتمت، وعمليات النشر في 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 بالمصدر المفتوح، ومهمتنا هي ضمان إمكانية استخدام وتوسيع مساهماتنا بطرق تفيد الجميع.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما 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 استدلال شامل بدون NMS ونشر مُحسَّن على الحافة. يدعم YOLO العديد من مهام الرؤية بالذكاء الاصطناعي مثل الكشف، وتقسيم الحالات، والتقسيم الدلالي، وتقدير الوضع، والتتبع، والتصنيف. تضمن بنيته الفعالة سرعة ودقة ممتازتين، مما يجعله مناسباً لتطبيقات متنوعة، بما في ذلك أجهزة الحافة وواجهات برمجة تطبيقات السحاب.

Link to this sectionكيف يمكنني البدء بتثبيت وإعداد YOLO؟#

البدء باستخدام YOLO سريع ومباشر. قم بتثبيت حزمة Ultralytics من pip باستخدام pip install ultralytics، ثم قم بتشغيل أول تنبؤ لك باستخدام yolo predict model=yolo26n.pt — يتم تنزيل أوزان النموذج تلقائياً. للحصول على تعليمات شاملة تغطي conda، وDocker، والتثبيت من المصدر، قم بزيارة صفحة Quickstart.

Link to this sectionكيف 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. قم بتحميل نموذج مُدرب مسبقاً، 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، راجع دليل تدريب نموذج الخاص بنا، والذي يتضمن أمثلة ونصائح لتحسين عملية التدريب الخاصة بك.

Link to this sectionما 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.

Link to this sectionكيف يمكن استخدام Ultralytics YOLO لتتبع الكائنات في الوقت الفعلي؟#

يدعم Ultralytics YOLO تتبعاً فعالاً وقابلاً للتخصيص لعدة كائنات. قم باستدعاء YOLO("yolo26n.pt").track(source="path/to/video.mp4") في Python، أو قم بتشغيل yolo track source=path/to/video.mp4 من سطر الأوامر — كلاهما يعمل مع ملفات الفيديو، والبث المباشر، ومدخلات كاميرا الويب. للحصول على دليل مفصل حول إعداد وتشغيل تتبع الكائنات، راجع وثائق Track Mode الخاصة بنا، التي تشرح التكوين والتطبيقات العملية في سيناريوهات الوقت الفعلي.