انتقل إلى المحتوى

دروس شاملة ل Ultralytics YOLO

مرحبا بكم في Ultralytics' YOLO 🚀 ادله! تغطي برامجنا التعليمية الشاملة جوانب مختلفة من YOLO نموذج الكشف عن الكائنات ، بدءا من التدريب والتنبؤ إلى النشر. مبني على PyTorch, YOLO تتميز بسرعتها ودقتها الاستثنائية في مهام الكشف عن الأشياء في الوقت الفعلي.

سواء كنت مبتدئا أو خبيرا في التعلم العميق ، تقدم برامجنا التعليمية رؤى قيمة حول تنفيذ وتحسين YOLO لمشاريع رؤية الكمبيوتر الخاص بك. دعنا نتعمق!



شاهد: Ultralytics YOLOv8 نظرة عامة على الأدلة

ادله

فيما يلي مجموعة من الأدلة المتعمقة لمساعدتك على إتقان جوانب مختلفة من Ultralytics YOLO.

  • YOLO المشكلات ⭐ الشائعة الموصى بها: حلول عملية ونصائح لاستكشاف الأخطاء وإصلاحها للمشكلات الأكثر شيوعا عند التعامل معها Ultralytics YOLO نماذج.
  • YOLO مقاييس ⭐ الأداء الأساسية: فهم المقاييس الرئيسية مثل نقاط mAP و IoU و F1 المستخدمة لتقييم أداء YOLO نماذج. يتضمن أمثلة عملية ونصائح حول كيفية تحسين دقة الكشف وسرعته.
  • خيارات نشر النموذج: نظرة عامة على YOLO تنسيقات نشر النماذج مثل ONNX, OpenVINOو TensorRT، مع إيجابيات وسلبيات لكل منها لإبلاغ استراتيجية النشر الخاصة بك.
  • التحقق من صحة K-Fold NEW NEW: تعرف على كيفية تحسين تعميم النموذج باستخدام تقنية التحقق 🚀 المتقاطع K-Fold.
  • ضبط 🚀 المعلمات الفائقة جديد: اكتشف كيفية تحسينYOLO النماذج عن طريق ضبط المعلمات الفائقة باستخدام فئة الموالف وخوارزميات التطور الجيني.
  • SAHI الاستدلال 🚀 المبلط جديد: دليل شامل حول الاستفادة من قدرات الاستدلال الشرائح من SAHI مع YOLOv8 لاكتشاف الكائنات في الصور عالية الدقة.
  • التشغيل 🚀 السريع ل AzureML جديد: بدء التشغيل وتشغيله باستخدامUltralytics YOLO نماذج على منصة التعلم الآلي Azure من Microsoft. تعرف على كيفية تدريب مشاريع اكتشاف الكائنات ونشرها وتوسيع نطاقها في السحابة.
  • Conda Quickstart 🚀 NEW: دليل خطوة بخطوة لإعداد بيئة Conda ل Ultralytics. تعرف على كيفية تثبيت وبدء استخدام Ultralytics حزمة بكفاءة مع كوندا.
  • التشغيل السريع 🚀 ل Docker NEW: دليل كامل لإعداد واستخدامUltralytics YOLO نماذج مع دكر. تعرف على كيفية تثبيت Docker وإدارة دعم GPU وتشغيله YOLO نماذج في حاويات معزولة للتطوير والنشر المتسقين.
  • التوت باي 🚀 جديد: البرنامج التعليمي التشغيل السريع لتشغيل YOLO نماذج لأحدث أجهزة Raspberry Pi.
  • Triton تكامل خادم الاستدلال جديد: الغوص في تكامل 🚀 Ultralytics YOLOv8 مع نفيديا Triton خادم الاستدلال لعمليات نشر استدلال التعلم العميق القابلة للتطوير والفعالة.
  • YOLO الاستدلال الآمن للخيط جديد: إرشادات لإجراء الاستدلال باستخدام 🚀 YOLO النماذج بطريقة آمنة للخيوط. تعرف على أهمية سلامة الخيط وأفضل الممارسات لمنع ظروف السباق وضمان تنبؤات متسقة.
  • عزل كائنات 🚀 التجزئة جديد: وصفة خطوة بخطوة وشرح حول كيفية استخراج و / أو عزل الكائنات من الصور باستخدام Ultralytics تجزئه.
  • حافة TPU على راسبيري باي: جوجل إيدج TPU يسرع YOLO الاستدلال على راسبيري باي.

مشاريع العالم الحقيقي

  • عد 🚀 الكائنات جديد: استكشف عملية عد الكائنات في الوقت الفعلي باستخدام Ultralytics YOLOv8 واكتساب المعرفة لحساب الكائنات بشكل فعال في بث فيديو مباشر.
  • اقتصاص 🚀 الكائن جديد: استكشاف اقتصاص الكائنات باستخدام YOLOv8 لاستخراج دقيق للكائنات من الصور ومقاطع الفيديو.
  • تعتيم 🚀 الكائن جديد: تطبيق تعتيم الكائن باستخدام YOLOv8 لحماية الخصوصية في معالجة الصور والفيديو.
  • مراقبة 🚀 التدريبات جديد: اكتشف النهج الشامل لمراقبة التدريبات باستخدام Ultralytics YOLOv8. اكتساب المهارات والرؤى اللازمة للاستخدام الفعال YOLOv8 لتتبع وتحليل الجوانب المختلفة لإجراءات اللياقة البدنية في الوقت الفعلي.
  • عد الكائنات في المناطق 🚀 جديد: استكشف عد الكائنات في مناطق معينة باستخدامUltralytics YOLOv8 للكشف الدقيق والفعال عن الأشياء في مناطق متنوعة.
  • نظام إنذار الأمان جديد: اكتشف عملية إنشاء نظام 🚀 إنذار أمني باستخدامUltralytics YOLOv8. يقوم هذا النظام بتشغيل التنبيهات عند اكتشاف كائنات جديدة في الإطار. بعد ذلك ، يمكنك تخصيص الكود ليتماشى مع حالة الاستخدام المحددة الخاصة بك.
  • خرائط 🚀 الحرارة جديد: ارفع فهمك للبيانات من خلال خرائط الكشف عن الحرارة! تستخدم هذه الأدوات المرئية البديهية تدرجات لونية نابضة بالحياة لتوضيح كثافة قيم البيانات بوضوح عبر المصفوفة. تعتبر الخرائط الحرارية ضرورية في رؤية الكمبيوتر ، وقد تم تصميمها بمهارة لتسليط الضوء على مجالات الاهتمام ، مما يوفر طريقة فورية ومؤثرة لتفسير المعلومات المكانية.
  • تجزئة المثيل مع تتبع 🚀 الكائن جديد: استكشف ميزتنا حول تجزئة الكائن في شكل المربعات المحيطة ، مما يوفر تمثيلا مرئيا لحدود الكائن الدقيقة لتحسين الفهم والتحليل.
  • VisionEye View Objects Mapping 🚀 NEW: تهدف هذه الميزة إلى أجهزة الكمبيوتر لتمييز كائنات محددة والتركيز عليها ، تماما مثل الطريقة التي تراقب بها العين البشرية التفاصيل من وجهة نظر معينة.
  • تقدير السرعة جديد: يعتمد تقدير 🚀 السرعة في رؤية الكمبيوتر على تحليل حركة الجسم من خلال تقنيات مثل تتبع الأشياء ، وهو أمر بالغ الأهمية لتطبيقات مثل المركبات المستقلة ومراقبة حركة المرور.
  • حساب المسافة جديد: يعد حساب 🚀 المسافة ، الذي يتضمن قياس الفصل بين كائنين داخل مساحة محددة ، جانبا حاسما. في سياقUltralytics YOLOv8، تتضمن الطريقة المستخدمة لذلك استخدام سنترويد المربع المحيط لتحديد المسافة المرتبطة بالمربعات المحيطة التي يميزها المستخدم.

ساهم في أدلةنا

نرحب بمساهمات المجتمع! إذا كنت قد أتقنت جانبا معينا من Ultralytics YOLO لم يتم تغطية ذلك بعد في أدلةنا ، فنحن نشجعك على مشاركة خبرتك. تعد كتابة دليل طريقة رائعة لرد الجميل للمجتمع ومساعدتنا في جعل وثائقنا أكثر شمولا وسهولة في الاستخدام.

للبدء ، يرجى قراءة دليل المساهمة الخاص بنا للحصول على إرشادات حول كيفية فتح طلب سحب (PR). 🛠️ نحن نتطلع إلى مساهماتك!

دعونا نعمل معا لجعل Ultralytics YOLO النظام البيئي أكثر قوة وتنوعا 🙏!



تم إنشاؤه في 2023-11-12, اخر تحديث 2024-02-12
المؤلفون: جلين جوشر (5) ، chr043416@gmail.com (6) ، رضوان منور (1) ، برهان كيو (1) ، أوفي (1)

التعليقات