Roboflow#

يوفّر Roboflow أدوات لوَسم البيانات وتصدير مجموعات البيانات بتنسيقات متنوعة، بما في ذلك YOLO. يغطّي هذا الدليل وسم البيانات وتصديرها ونشرها لنماذج Ultralytics YOLO.

يوضّح هذا الدليل كيفية العثور على البيانات ووسمها وتنظيمها لتدريب نموذج Ultralytics YOLO26 مخصّص باستخدام Roboflow.

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

جمع البيانات لتدريب نموذج YOLO26 مخصّص#

يقدّم Roboflow خدمتين أساسيتين للمساعدة في جمع البيانات لنماذج YOLO من Ultralytics: Universe وCollect. ولمزيد من المعلومات العامة حول استراتيجيات جمع البيانات، راجع دليل جمع البيانات والتعليق عليها.

Roboflow Universe#

Roboflow Universe هو مستودع عبر الإنترنت لـمجموعات بيانات الرؤية الحاسوبية. يمكنك تصدير مجموعات البيانات بتنسيق YOLO لاستخدامها مع نماذج Ultralytics.

Roboflow Collect#

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

تحميل البيانات وتحويلها ووسمها بتنسيق YOLO26#

Roboflow Annotate أداة عبر الإنترنت لوَسم الصور لمختلف مهام الرؤية الحاسوبية، بما في ذلك اكتشاف الكائنات والتصنيف والتقسيم.

لوَسم البيانات لنموذج YOLO من Ultralytics، أنشئ مشروعًا في Roboflow، وحمّل صورك، وابدأ بإضافة التعليقات التوضيحية.

أدوات الوسم#

• التعليق التوضيحي بالمربّع المحيط: اضغط على B أو انقر على أيقونة المربّع. انقر واسحب لإنشاء المربّع المحيط. ستظهر نافذة منبثقة تطلب منك تحديد فئة التعليق التوضيحي.
• التعليق التوضيحي بالمضلع: يُستخدم في تقسيم الكائنات. اضغط على P أو انقر على أيقونة المضلع. انقر على نقاط حول الكائن لرسم المضلع.

مساعد الوسم (تكامل SAM)#

يدمج Roboflow مساعد وسم قائمًا على نموذج تجزئة أي شيء (SAM) لتسريع عملية التعليق التوضيحي.

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

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

الوسوم#

يمكنك إضافة وسوم إلى الصور باستخدام لوحة Tags في الشريط الجانبي. يمكن أن تمثّل الوسوم سمات مثل الموقع ومصدر الكاميرا وغير ذلك. تتيح لك هذه الوسوم البحث عن صور محددة وإنشاء إصدارات من مجموعة البيانات تحتوي على صور ذات وسوم معينة.

مساعد الوسم (قائم على النموذج)#

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

إدارة مجموعة بيانات YOLO26#

يوفّر Roboflow أدوات متعددة لفهم مجموعات بيانات الرؤية الحاسوبية وإدارتها.

البحث في مجموعة البيانات#

استخدم البحث في مجموعة البيانات للعثور على الصور استنادًا إلى أوصاف نصية أو تسميات/وسوم محددة. يمكنك الوصول إلى هذه الميزة بالنقر على "Dataset" في الشريط الجانبي.

فحص الحالة#

قبل التدريب، استخدم Roboflow Health Check للحصول على رؤى حول مجموعة بياناتك وتحديد التحسينات المحتملة. يمكنك الوصول إليه عبر رابط "Health Check" في الشريط الجانبي. ويوفّر إحصاءات حول أحجام الصور وتوازن الفئات وخرائط كثافة التعليقات التوضيحية وغير ذلك.

قد يقترح Health Check تغييرات لتحسين الأداء، مثل معالجة اختلال توازن الفئات الذي تحدده ميزة توازن الفئات. ويُعدّ فهم حالة مجموعة البيانات أمرًا بالغ الأهمية من أجل تدريب النماذج بفعالية.

المعالجة المسبقة للبيانات وتعزيزها من أجل متانة النموذج#

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

لكل تعزيز محدد، تتيح لك نافذة منبثقة ضبط معلماته بدقة، مثل السطوع. يمكن أن يحسّن التعزيز المناسب قدرة النموذج على التعميم بدرجة كبيرة، وهو مفهوم أساسي يناقشه دليل نصائح تدريب النماذج.

تصدير البيانات بأكثر من 40 تنسيقًا لتدريب النماذج#

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

حدّد تنسيق "YOLO26" لضمان التوافق مع مسارات تدريب Ultralytics. أصبحت الآن مستعدًا لتدريب نموذج YOLO26 المخصّص. راجع وثائق وضع Train في Ultralytics للحصول على تعليمات مفصلة حول بدء التدريب باستخدام مجموعة البيانات المُصدّرة.

تحميل أوزان نموذج YOLO26 المخصّص للاختبار والنشر#

يوفّر Roboflow واجهة API قابلة للتوسّع للنماذج المنشورة وحزم SDK المتوافقة مع أجهزة مثل NVIDIA Jetson وLuxonis OAK وRaspberry Pi والأنظمة المعتمدة على GPU. استكشف مختلف خيارات نشر النماذج في أدلتنا.

يمكنك نشر نماذج YOLO26 عبر تحميل أوزانها إلى Roboflow باستخدام نص Python بسيط.

أنشئ ملف Python جديدًا وأضف 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 بحساب Roboflow ومشروعك ودليل نتائج التدريب المحلي. تأكّد من أن MODEL_PATH يشير بشكل صحيح إلى الدليل الذي يحتوي على ملف أوزان best.pt المدرَّب.

عند تشغيل الشيفرة أعلاه، سيُطلب منك المصادقة (عادةً باستخدام مفتاح API). بعد ذلك، سيُحمَّل نموذجك وسيُنشأ عنوان نهاية API لمشروعك. قد تستغرق هذه العملية ما يصل إلى 30 دقيقة حتى تكتمل.

لاختبار نموذجك والعثور على تعليمات النشر الخاصة بحزم SDK المدعومة، انتقل إلى علامة التبويب "Deploy" في الشريط الجانبي لـRoboflow. في أعلى هذه الصفحة، ستظهر أداة تتيح لك اختبار نموذجك باستخدام كاميرا الويب أو عبر تحميل صور أو مقاطع فيديو.

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

كيفية تقييم نماذج YOLO26#

يوفّر Roboflow ميزات لتقييم أداء النماذج. ويُعدّ فهم مقاييس الأداء أمرًا بالغ الأهمية لتكرار تطوير النموذج.

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

تعرض هذه الأداة مصفوفة التباس توضّح أداء النموذج، ومخطط تحليل متجهات تفاعليًا باستخدام تضمينات CLIP. تساعد هذه الميزات على تحديد مجالات تحسين النموذج.

النافذة المنبثقة لمصفوفة الالتباس:

مرّر المؤشر فوق الخلايا لرؤية القيم، وانقر على الخلايا لعرض الصور المقابلة مع تنبؤات النموذج وبيانات الحقيقة الأساسية.

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

يساعد تحليل المتجهات على:

• تحديد عناقيد الصور.
• تحديد العناقيد التي يحقق فيها النموذج أداءً ضعيفًا.
• فهم أوجه التشابه بين الصور التي تتسبب في ضعف الأداء.

موارد التعلّم#

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

الأسئلة الشائعة#