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

الرئيسية

نقدم لكم Ultralytics YOLO26، أحدث إصدار من نموذج اكتشاف الكائنات وتقسيم الصور الفعال لحظياً. تم بناء YOLO26 استناداً إلى تطورات التعلم العميق ورؤية الحاسوب، حيث يتميز بالاستدلال الشامل (end-to-end) بدون NMS والنشر المحسّن على الحافة (edge). تصميمه الانسيابي يجعله مناسباً لمختلف التطبيقات وقابلاً للتكيف بسهولة مع منصات الأجهزة المختلفة، بدءاً من أجهزة الحافة وصولاً إلى APIs السحابية. ولأحمال العمل الإنتاجية المستقرة، يوصى بكل من YOLO26 وYOLO11.

استكشف وثائق Ultralytics، وهي مصدر شامل مصمم لمساعدتك في فهم واستخدام ميزاتها وقدراتها. سواء كنت ممارساً متمرساً في التعلم الآلي أو جديداً في هذا المجال، يهدف هذا المركز إلى تعظيم إمكانات YOLO في مشاريعك.

اطلب رخصة المؤسسات (Enterprise License) للاستخدام التجاري عبر Ultralytics Licensing.

من أين تبدأ

YOLO: نبذة تاريخية

YOLO (You Only Look Once)، وهو نموذج شهير لـ اكتشاف الكائنات وتقسيم الصور، تم تطويره بواسطة جوزيف ريدمون وعلي فرهادي في جامعة واشنطن. انطلق YOLO في عام 2015 واكتسب شهرة بفضل سرعته العالية ودقته.

• YOLOv2، الذي تم إصداره في عام 2016، قام بتحسين النموذج الأصلي من خلال دمج تسوية الدفعات (batch normalization)، وصناديق الارتساء (anchor boxes)، وعناقيد الأبعاد.
• YOLOv3، الذي تم إطلاقه في عام 2018، عزز أداء النموذج بشكل أكبر باستخدام شبكة أساسية أكثر كفاءة، ومرتكزات متعددة، وتجميع هرمي مكاني.
• تم إصدار YOLOv4 في عام 2020، حيث قدم ابتكارات مثل زيادة البيانات بطريقة Mosaic، ورأس كشف جديد خالٍ من الارتساء، ودالة خسارة جديدة.
• عمل YOLOv5 على تحسين أداء النموذج بشكل أكبر وإضافة ميزات جديدة مثل تحسين المعاملات الفائقة (hyperparameter optimization)، وتتبع التجارب المدمج، والتصدير التلقائي إلى تنسيقات تصدير شائعة.
• تم طرح YOLOv6 كمصدر مفتوح بواسطة Meituan في عام 2022 ويُستخدم في العديد من روبوتات التوصيل الذاتية الخاصة بالشركة.
• أضاف YOLOv7 مهام إضافية مثل تقدير الوضع على مجموعة بيانات النقاط الرئيسية COCO.
• YOLOv8، الذي أصدرته Ultralytics في عام 2023، قدم ميزات وتحسينات جديدة لأداء ومرونة وكفاءة معززة، ويدعم مجموعة كاملة من مهام الذكاء الاصطناعي البصري.
• 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: تم إصداره في سبتمبر 2024، ويقدم YOLO11 أداءً ممتازاً عبر مهام متعددة، بما في ذلك اكتشاف الكائنات، والتقسيم، وتقدير الوضع، والتتبع، والتصنيف، مما يتيح النشر عبر تطبيقات ومجالات ذكاء اصطناعي متنوعة.
• YOLO26 🚀: الجيل التالي من نموذج YOLO من Ultralytics والمحسّن للنشر على الحافة مع استدلال شامل بدون NMS.

تراخيص YOLO: كيف يتم ترخيص Ultralytics YOLO؟

تقدم Ultralytics خياري ترخيص لتلبية حالات الاستخدام المتنوعة:

• رخصة AGPL-3.0: هذا الترخيص مفتوح المصدر المعتمد من OSI مثالي للطلاب والمتحمسين، حيث يعزز التعاون المفتوح وتبادل المعرفة. راجع ملف LICENSE لمزيد من التفاصيل.
• رخصة المؤسسات (Enterprise License): مصممة للاستخدام التجاري، وتسمح هذه الرخصة بالتكامل السلس لبرمجيات ونماذج Ultralytics في السلع والخدمات التجارية، متجاوزة متطلبات المصادر المفتوحة لـ AGPL-3.0. إذا كان سيناريوك يتضمن تضمين حلولنا في عرض تجاري، فتواصل معنا عبر Ultralytics Licensing.

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 كبير 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 الممكن في اكتشاف الكائنات لحظياً.

يعالج نهج YOLO الفريد اكتشاف الكائنات كمسألة 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 متنوعة. يواصل YOLO26 هذا التقليد من خلال دمج أحدث التطورات في أبحاث رؤية الحاسوب، ويتميز باستدلال شامل بدون NMS ونشر محسّن على الحافة للتطبيقات الواقعية.

الأسئلة الشائعة

ما هو Ultralytics YOLO وكيف يعمل على تحسين اكتشاف الكائنات؟

Ultralytics YOLO هي سلسلة YOLO (You Only Look Once) الشهيرة لاكتشاف الكائنات وتقسيم الصور لحظياً. يبني أحدث نموذج، YOLO26، على الإصدارات السابقة من خلال تقديم استدلال شامل بدون NMS ونشر محسّن على الحافة. يدعم YOLO مختلف مهام الذكاء الاصطناعي البصري مثل الكشف، والتقسيم، وتقدير الوضع، والتتبع، والتصنيف. تضمن بنيته الفعالة سرعة ودقة ممتازتين، مما يجعله مناسباً لتطبيقات متنوعة، بما في ذلك أجهزة الحافة وAPIs السحابية.

كيف يمكنني البدء بتثبيت وإعداد YOLO؟

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

pip install -U ultralytics

للحصول على دليل شامل خطوة بخطوة، قم بزيارة صفحة البدء السريع الخاصة بنا. 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 بتكوين معلمات التدريب في ملف YAML.
3. استخدم أمر yolo TASK train لبدء التدريب. (كل TASK له وسائطه الخاصة)

إليك نموذج كود 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، تحقق من دليلنا تدريب نموذج، الذي يتضمن أمثلة ونصائح لتحسين عملية التدريب الخاصة بك.

ما هي خيارات الترخيص المتاحة لـ Ultralytics YOLO؟

تقدم Ultralytics خياري ترخيص لـ YOLO:

• رخصة AGPL-3.0: هذا الترخيص مفتوح المصدر مثالي للاستخدام التعليمي وغير التجاري، ويعزز التعاون المفتوح.
• رخصة المؤسسات (Enterprise License): مصممة للتطبيقات التجارية، مما يسمح بالتكامل السلس لبرمجيات Ultralytics في المنتجات التجارية دون قيود رخصة AGPL-3.0.

لمزيد من التفاصيل، قم بزيارة صفحة الترخيص الخاصة بنا.

كيف يمكن استخدام Ultralytics YOLO لتتبع الكائنات لحظياً؟

يدعم Ultralytics YOLO تتبع كائنات متعددة بفعالية 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، تحقق من وثائق وضع التتبع، التي تشرح التكوين والتطبيقات العملية في السيناريوهات اللحظية.