Roboflow#

توفر Roboflow أدوات لوَسم البيانات وتصدير مجموعات البيانات بتنسيقات متنوعة، بما فيها YOLO. يتناول هذا الدليل وسم البيانات وتصديرها ونشرها لاستخدامها مع نماذج Ultralytics YOLO.

يوضح هذا الدليل كيفية العثور على البيانات ووسمها وتنظيمها لتدريب نموذج Ultralytics YOLO26 مخصص باستخدام Roboflow.

• جمع البيانات للتدريب
• وسم البيانات
• إدارة مجموعة البيانات
• تصدير البيانات
• نشر النماذج
• تقييم النماذج
• الأسئلة الشائعة

جمع البيانات لتدريب نموذج YOLO26 مخصص#

تقدم Roboflow خدمتين أساسيتين للمساعدة في جمع البيانات الخاصة بـنماذج YOLO من Ultralytics: Universe وCollect. لمزيد من المعلومات العامة حول استراتيجيات جمع البيانات، راجع دليل جمع البيانات وتعليقها.

Roboflow Universe#

Roboflow Universe مستودع إلكتروني لـمجموعات البيانات. يمكنك تصدير مجموعات البيانات بتنسيق YOLO لاستخدامها مع نماذج Ultralytics.

Roboflow Collect#

إذا كنت تفضل جمع الصور بنفسك، فإن Roboflow Collect مشروع مفتوح المصدر يتيح جمع الصور تلقائيًا عبر كاميرا ويب على الأجهزة الطرفية. يمكنك استخدام مطالبات نصية أو صورية لتحديد البيانات المطلوب جمعها، مما يساعد على التقاط الصور اللازمة لنموذج الرؤية الحاسوبية فقط.

تحميل البيانات وتحويلها ووسمها بتنسيق YOLO26#

Roboflow Annotate أداة عبر الإنترنت لوسم الصور لمهام الرؤية الحاسوبية المختلفة، بما فيها اكتشاف الكائنات والتصنيف والتقسيم.

لوسم البيانات لنموذج YOLO من Ultralytics، أنشئ مشروعًا في Roboflow، وحمّل صورك، وابدأ التعليق عليها.

أدوات التعليق#

• التعليق باستخدام مربعات الإحاطة: اضغط على B أو انقر على أيقونة المربع. انقر واسحب لإنشاء مربع الإحاطة. ستظهر نافذة منبثقة تطلب منك اختيار فئة للتعليق التوضيحي.
• التعليق باستخدام المضلعات: يُستخدم في تقسيم الكائنات إلى مثيلات. اضغط على P أو انقر على أيقونة المضلع. انقر على نقاط حول الكائن لرسم المضلع.

مساعد الوسم (تكامل SAM)#

تدمج Roboflow مساعدًا للوسم قائمًا على نموذج تقسيم أي شيء (SAM) لتسريع التعليق التوضيحي المحتمل.

لاستخدام مساعد الوسم، انقر على أيقونة المؤشر في الشريط الجانبي. سيُفعّل SAM لمشروعك.

مرّر المؤشر فوق كائن، وقد يقترح SAM تعليقًا توضيحيًا. انقر لقبول التعليق التوضيحي. يمكنك تحسين دقته بالنقر داخل المنطقة المقترحة أو خارجها.

الوسم#

يمكنك إضافة وسوم إلى الصور باستخدام لوحة Tags في الشريط الجانبي. قد تمثل الوسوم سمات مثل الموقع ومصدر الكاميرا وغيرهما. تتيح لك هذه الوسوم البحث عن صور محددة وإنشاء إصدارات من مجموعة البيانات تتضمن صورًا تحمل وسومًا معينة.

مساعد الوسم (القائم على النماذج)#

يمكن استخدام النماذج المستضافة على Roboflow مع مساعد الوسم لاقتراح التعليقات التوضيحية. حمّل أوزان نموذج YOLO إلى Roboflow (راجع التعليمات أدناه)، ثم فعّل مساعد الوسم عبر أيقونة العصا السحرية في الشريط الجانبي.

إدارة مجموعة بيانات YOLO26#

توفر Roboflow عدة أدوات لفهم مجموعات بيانات الرؤية الحاسوبية وإدارتها.

البحث في مجموعة البيانات#

استخدم البحث في مجموعة البيانات للعثور على الصور استنادًا إلى أوصاف نصية أو تسميات ووسوم محددة. للوصول إلى هذه الميزة، انقر على "Dataset" في الشريط الجانبي.

فحص الحالة#

قبل التدريب، استخدم أداة فحص الحالة في Roboflow للتعرف على مجموعة بياناتك وتحديد التحسينات المحتملة. يمكنك الوصول إليها عبر رابط "Health Check" في الشريط الجانبي. توفر الأداة إحصاءات عن أحجام الصور وتوازن الفئات والخرائط الحرارية للتعليقات التوضيحية وغير ذلك.

قد تقترح أداة فحص الحالة إجراء تغييرات لتحسين الأداء، مثل معالجة اختلال توازن الفئات الذي تكشفه ميزة توازن الفئات. يُعد فهم حالة مجموعة البيانات أمرًا أساسيًا لفعالية تدريب النموذج.

المعالجة المسبقة للبيانات وتعزيزها لتحسين متانة النموذج#

لتصدير بياناتك، عليك إنشاء إصدار من مجموعة البيانات، وهو لقطة لمجموعة البيانات في وقت محدد. انقر على "Versions" في الشريط الجانبي، ثم على "Create New Version". يمكنك هنا تطبيق خطوات المعالجة المسبقة وتعزيزات البيانات لتحسين متانة النموذج.

تتيح لك نافذة منبثقة ضبط معلمات كل تعزيز محدد، مثل السطوع. يمكن للتعزيز المناسب أن يحسن تعميم النموذج بدرجة كبيرة، وهو مفهوم أساسي يتناوله دليل نصائح تدريب النماذج.

تصدير البيانات بأكثر من 40 تنسيقًا لتدريب النماذج#

بعد إنشاء إصدار مجموعة البيانات، يمكنك تصديره بتنسيقات متعددة مناسبة لتدريب النماذج. انقر على زر "Export Dataset" في صفحة الإصدار.

حدد تنسيق "YOLO26" لضمان التوافق مع مسارات تدريب Ultralytics. أصبحت الآن مستعدًا لتدريب نموذج YOLO26 مخصص. راجع وثائق وضع التدريب في Ultralytics للاطلاع على تعليمات مفصلة حول بدء التدريب باستخدام مجموعة البيانات التي صدّرتها.

تحميل أوزان نموذج YOLO26 مخصص للاختبار والنشر#

توفر Roboflow واجهة API قابلة للتوسع للنماذج المنشورة ومجموعات SDK متوافقة مع أجهزة مثل NVIDIA Jetson وLuxonis OAK وRaspberry Pi والأنظمة المعتمدة على GPU. استكشف خيارات نشر النماذج المتنوعة في أدلتنا.

يمكنك نشر نماذج YOLO26 بتحميل أوزانها إلى Roboflow باستخدام نص برمجي بسيط بلغة Python.

أنشئ ملف Python جديدًا وأضف إليه الشيفرة التالية:

import roboflow  # install with 'pip install roboflow'

# Log in to Roboflow (requires API key)
roboflow.login()

# Initialize Roboflow client
rf = roboflow.Roboflow()

# Define your workspace and project details
WORKSPACE_ID = "your-workspace-id"  # Replace with your actual Workspace ID
PROJECT_ID = "your-project-id"  # Replace with your actual Project ID
VERSION = 1  # Replace with your desired dataset version number
MODEL_PATH = "path/to/your/runs/detect/train/"  # Replace with the path to your YOLO26 training results directory

# Get project and version
project = rf.workspace(WORKSPACE_ID).project(PROJECT_ID)
dataset = project.version(VERSION)

# Upload model weights for deployment
# Ensure MODEL_PATH points to the directory containing 'best.pt'
dataset.deploy(
    model_type="yolov8",
    model_path=MODEL_PATH,
)  # Note: Use "yolov8" as model_type for YOLO26 compatibility in Roboflow deployment

print(f"Model from {MODEL_PATH} uploaded to Roboflow project {PROJECT_ID}, version {VERSION}.")
print("Deployment may take up to 30 minutes.")

في هذه الشيفرة، استبدل your-workspace-id وyour-project-id ورقم VERSION وMODEL_PATH بالقيم الخاصة بحسابك ومشروعك في Roboflow ومجلد نتائج التدريب المحلي. تأكد من أن MODEL_PATH يشير على نحو صحيح إلى المجلد الذي يحتوي على ملف أوزان best.pt المدرّب.

عند تشغيل الشيفرة أعلاه، سيُطلب منك المصادقة (عادةً باستخدام مفتاح API). بعد ذلك، سيُحمّل نموذجك، وستُنشأ نقطة نهاية API لمشروعك. قد تستغرق هذه العملية ما يصل إلى 30 دقيقة.

لاختبار نموذجك والعثور على تعليمات النشر الخاصة بمجموعات SDK المدعومة، انتقل إلى علامة التبويب "Deploy" في الشريط الجانبي لـRoboflow. سيظهر في أعلى هذه الصفحة عنصر واجهة يتيح لك اختبار النموذج باستخدام كاميرا الويب أو بتحميل صور أو مقاطع فيديو.

يمكن أيضًا استخدام النموذج الذي حمّلته مساعدًا للوسم، إذ يقترح تعليقات توضيحية على الصور الجديدة استنادًا إلى تدريبه.

كيفية تقييم نماذج YOLO26#

توفر Roboflow ميزات لتقييم أداء النماذج. يُعد فهم مقاييس الأداء أمرًا أساسيًا لتحسين النماذج تكراريًا.

بعد تحميل نموذج، يمكنك الوصول إلى أداة تقييم النماذج من صفحة النموذج في لوحة تحكم Roboflow. انقر على "View Detailed Evaluation".

تعرض هذه الأداة مصفوفة الالتباس التي توضح أداء النموذج، ومخططًا تفاعليًا لتحليل المتجهات باستخدام تضمينات CLIP. تساعد هذه الميزات على تحديد المجالات التي يمكن تحسين النموذج فيها.

النافذة المنبثقة لمصفوفة الالتباس:

مرّر المؤشر فوق الخلايا للاطلاع على القيم، وانقر عليها لعرض الصور المقابلة مع تنبؤات النموذج والبيانات المرجعية الصحيحة.

انقر على "Vector Analysis" لعرض مخطط مبعثر يصور تشابه الصور استنادًا إلى تضمينات CLIP. الصور المتقاربة متشابهة دلاليًا. تمثل النقاط الصور، وتتدرج ألوانها من الأبيض (أداء جيد) إلى الأحمر (أداء ضعيف).

يساعد تحليل المتجهات على:

• تحديد مجموعات الصور.
• تحديد المجموعات التي يكون أداء النموذج فيها ضعيفًا.
• فهم السمات المشتركة بين الصور التي تؤدي إلى ضعف الأداء.

مصادر للتعلم#

• تدريب YOLO على مجموعة بيانات مخصصة (Colab): دفتر ملاحظات تفاعلي على Google Colab للتدريب باستخدام بياناتك.
• وثائق Ultralytics YOLO: تدريب نماذج YOLO وتصديرها ونشرها.
• مدونة Ultralytics: مقالات عن الرؤية الحاسوبية وتدريب النماذج.
• قناة Ultralytics على YouTube: أدلة فيديو حول تدريب النماذج ونشرها.

الأسئلة الشائعة#