واجهة Explorer الرسومية
اعتبارًا من ultralytics>=8.3.12، أُزيل Ultralytics Explorer. لاستخدام Explorer، ثبّت pip install ultralytics==8.3.11. تتوفر ميزات مماثلة (وموسّعة) لاستكشاف مجموعات البيانات على منصة Ultralytics.
تُبنى واجهة Explorer الرسومية على واجهة Ultralytics Explorer API. وهي تتيح لك إجراء البحث الدلالي والبحث عن تشابه المتجهات واستعلامات SQL والاستعلامات باللغة الطبيعية باستخدام ميزة Ask AI المدعومة من نماذج اللغة الكبيرة.
شاهد: نظرة عامة على لوحة معلومات Ultralytics Explorer
التثبيت#
pip install "ultralytics[explorer]==8.3.11"تستخدم ميزة Ask AI خدمة OpenAI، لذا ستُطلب منك قيمة مفتاح API الخاص بـ OpenAI عند تشغيل الواجهة الرسومية لأول مرة. اضبطه باستخدام yolo settings openai_api_key="...".
البحث الدلالي عن تشابه المتجهات#
البحث الدلالي تقنية للعثور على صور مشابهة لصورة معينة. وتعتمد على فكرة أن الصور المتشابهة ستكون لها تضمينات متشابهة. في واجهة المستخدم، يمكنك تحديد صورة واحدة أو أكثر والبحث عن الصور المشابهة لها. وقد يكون ذلك مفيدًا عندما تريد العثور على صور مشابهة لصورة معينة أو لمجموعة صور لا تحقق الأداء المتوقع.
على سبيل المثال، يحدد المستخدم في لوحة استكشاف VOC هذه بعض صور الطائرات:
بعد تشغيل البحث عن التشابه، ينبغي أن تظهر لك نتائج مشابهة:
Ask AI#
تتيح لك هذه الميزة تصفية مجموعة بياناتك باستخدام اللغة الطبيعية، دون كتابة SQL. ويحوّل مولّد الاستعلامات المدعوم بالذكاء الاصطناعي طلبك إلى استعلام ويعرض النتائج المطابقة. على سبيل المثال، يمكنك أن تطلب: «اعرض لي 100 صورة فيها شخص واحد بالضبط وكلبان. ويمكن أن تظهر فيها كائنات أخرى أيضًا»، وسيُنشئ الاستعلام ويعرض لك تلك النتائج. إليك مثالًا على الناتج عند الطلب: «اعرض 10 صور فيها 5 أشخاص بالضبط»:
ملاحظة: تستخدم هذه الميزة نماذج لغوية كبيرة، لذا فالنتائج احتمالية وقد تكون غير دقيقة.
تشغيل استعلامات SQL على مجموعات بيانات الرؤية الحاسوبية#
يمكنك تشغيل استعلامات SQL على مجموعة بياناتك لتصفيتها. كما تعمل الطريقة إذا قدمت عبارة WHERE فقط. على سبيل المثال، تُرجع عبارة WHERE التالية الصور التي تحتوي على شخص واحد على الأقل وكلب واحد على الأقل:
WHERE labels LIKE '%person%' AND labels LIKE '%dog%'
أُنشئ هذا العرض التوضيحي باستخدام Explorer API، التي يمكنك استخدامها لإنشاء دفاتر ملاحظات استكشافية أو نصوص برمجية خاصة بك لاستخلاص الرؤى من مجموعات بياناتك. للبدء، راجع وثائق Explorer API.
الأسئلة الشائعة#
واجهة Ultralytics Explorer الرسومية واجهة متصفح لاستكشاف مجموعات البيانات، مبنية على واجهة Ultralytics Explorer API. وهي تتيح لك إجراء البحث الدلالي والبحث عن تشابه المتجهات واستعلامات SQL والاستعلامات باللغة الطبيعية باستخدام ميزة Ask AI المدعومة من نماذج اللغة الكبيرة (LLMs).
لتثبيت الواجهة الرسومية Explorer، يمكنك استخدام pip:
pip install "ultralytics[explorer]==8.3.11"ملاحظة: لاستخدام ميزة Ask AI، ستحتاج إلى ضبط مفتاح API الخاص بـ OpenAI:
yolo settings openai_api_key="...".تتيح ميزة البحث الدلالي في واجهة Ultralytics Explorer الرسومية العثور على صور تشبه صورة معيّنة استنادًا إلى تضميناتها. وتفيد هذه التقنية في تحديد الصور المتشابهة بصريًا واستكشافها. لاستخدام هذه الميزة، حدد صورة واحدة أو أكثر في واجهة المستخدم ثم نفّذ بحثًا عن صور مشابهة. ستعرض النتيجة صورًا تشبه الصور المحددة إلى حد كبير، ما يسهل استكشاف مجموعة البيانات بكفاءة واكتشاف الحالات الشاذة.
نعم، تتيح لك ميزة Ask AI المدعومة بنماذج اللغة الكبيرة (LLMs) تصفية مجموعات بياناتك باستخدام استعلامات باللغة الطبيعية. ولا تحتاج إلى إتقان SQL. على سبيل المثال، يمكنك أن تطلب: «اعرض لي 100 صورة فيها شخص واحد بالضبط وكلبان. ويمكن أن تظهر فيها كائنات أخرى أيضًا»، وسيُنشئ الذكاء الاصطناعي الاستعلام المناسب في الخلفية لعرض النتائج المطلوبة.
تتيح لك واجهة Ultralytics Explorer الرسومية تشغيل استعلامات SQL مباشرةً على مجموعة بياناتك لتصفية البيانات وإدارتها بكفاءة. لتشغيل استعلام، انتقل إلى قسم استعلامات SQL في الواجهة الرسومية واكتب استعلامك. على سبيل المثال، لعرض الصور التي تحتوي على شخص واحد على الأقل وكلب واحد على الأقل، يمكنك استخدام:
WHERE labels LIKE '%person%' AND labels LIKE '%dog%'يمكنك أيضًا تقديم عبارة WHERE فقط، مما يمنحك مرونة أكبر في تنفيذ الاستعلامات.
لمزيد من التفاصيل، راجع قسم استعلامات SQL.
تعزز واجهة Ultralytics Explorer الرسومية استكشاف البيانات بميزات مثل البحث الدلالي، والاستعلام باستخدام SQL، والتفاعل باللغة الطبيعية عبر ميزة Ask AI. وتتيح هذه الإمكانات للمستخدمين ما يلي:
- العثور بكفاءة على الصور المتشابهة بصريًا.
- تصفية مجموعات البيانات باستخدام استعلامات SQL المعقدة.
- استخدام الذكاء الاصطناعي لإجراء عمليات بحث باللغة الطبيعية، دون الحاجة إلى خبرة متقدمة في SQL.
تساعد هذه الميزات المطورين والباحثين وعلماء البيانات على فهم مجموعات بياناتهم وتنظيمها.
التعليقات7
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.
ws1065
I executed yolo Explorer to try to open Explorer dashboard, but it shows that it should be a port monitoring error? I don't know what port it is listening on, and yolo explorer doesn't have a help command?
Glenn JocherUltralytics(تم التعديل)Note: Ultralytics Explorer was removed in
ultralytics>=8.3.12; to use it, installultralytics==8.3.11. Similar dataset exploration features are available in Ultralytics Platform.@ws1065 it sounds like you're encountering a port conflict issue when trying to run the Explorer dashboard. By default, the Explorer GUI listens on port 8080. You can specify a different port by using the
--portargument when launching the GUI. For example, you can tryyolo explorer --port 8081. If the issue persists, please ensure you are using the latest version of the package by updating it withpip install --upgrade ultralytics[explorer]. For further details, you can refer to the Ultralytics Explorer documentation.
hannaliavoshka
How can I run the Explorer GUI with my custom dataset and my own model?
jakhon37
Glenn JocherUltralytics(تم التعديل)@jakhon37 the Ultralytics Explorer GUI has been removed as of
ultralytics>=8.3.12. However, you can use Ultralytics Platform for similar functionality, including data exploration and management. For more details, visit the Ultralytics Platform.
vonzo
How do I run this with my own data? and my own model?
Glenn JocherUltralytics(تم التعديل)To run Ultralytics YOLO with your own data and model, you'll need to follow these steps:
- Prepare your dataset in a format that YOLO can understand, typically consisting of images and corresponding annotation files.
- Train your model using the
yolo traincommand, specifying your dataset and model configuration file. - After training, you can validate, make predictions, or use other features like tracking with your trained model.
Here's a quick example of how you might train your model:
from ultralytics import YOLO # Create a new YOLO model from your custom config model = YOLO('path/to/your/model.yaml') # Train the model on your custom dataset model.train(data='path/to/your/dataset.yaml')And to make predictions:
# Load your trained model model = YOLO('path/to/your/best.pt') # Predict on new images results = model.predict('path/to/your/images')Remember to replace
'path/to/your/...'with the actual paths to your files. If you need more detailed guidance, our documentation is a great place to start. 😊