Roboflow#

توفر Roboflow أدوات لـ التسمية البيانات وتصدير مجموعات البيانات بصيغ مختلفة، بما في ذلك YOLO. يغطي هذا الدليل تسمية البيانات وتصديرها ونشرها لنماذج Ultralytics YOLO.

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

• جمع البيانات للتدريب
• تسمية البيانات
• إدارة مجموعات البيانات
• تصدير البيانات
• نشر النماذج
• تقييم النماذج
• الأسئلة الشائعة

جمع البيانات لتدريب نموذج YOLO26 مخصص#

تقدم Roboflow خدمتين رئيسيتين للمساعدة في جمع البيانات لنماذج YOLO models من Ultralytics وهما: Universe و Collect. للمزيد من المعلومات العامة حول استراتيجيات جمع البيانات، راجع دليل جمع البيانات والتعليق عليها.

Roboflow Universe#

Roboflow Universe هو مستودع عبر الإنترنت لـ مجموعات البيانات الخاصة بالرؤية الحاسوبية. يمكنك تصدير مجموعات البيانات بصيغة YOLO لاستخدامها مع نماذج Ultralytics.

Roboflow Collect#

إذا كنت تفضل جمع الصور بنفسك، فإن Roboflow Collect هو مشروع مفتوح المصدر يتيح جمع الصور تلقائيًا عبر كاميرا الويب على أجهزة الحافة. يمكنك استخدام مطالبات نصية أو صور لتحديد البيانات المراد جمعها، مما يساعد في التقاط الصور الضرورية فقط لنموذج الرؤية الحاسوبية الخاص بك.

تحميل البيانات وتنسيقها ووسمها بتنسيق YOLO26#

Roboflow Annotate هي أداة عبر الإنترنت لتسمية الصور لمختلف مهام الرؤية الحاسوبية، بما في ذلك اكتشاف الكائنات والتصنيف والتجزئة.

لتسمية البيانات لنموذج YOLO من Ultralytics، أنشئ مشروعاً في Roboflow، وقم بتحميل صورك وابدأ في وضع التعليقات التوضيحية.

أدوات الوسم#

• تعليق مربع الانحصار: اضغط على B أو انقر على أيقونة المربع. انقر واسحب لإنشاء مربع الانحصار. ستظهر نافذة منبثقة تطلب منك تحديد فئة للتعليق.
• تعليق المضلع: يُستخدم لـ التجزئة المثيلية. اضغط على P أو انقر على أيقونة المضلع. انقر على النقاط حول الكائن لرسم المضلع.

مساعد الوسم (تكامل SAM)#

تدمج Roboflow مساعد تسمية مبني على Segment Anything Model (SAM) للمساعدة في تسريع عملية وضع التعليقات التوضيحية.

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

مرر مؤشر الماوس فوق كائن، وقد يقترح SAM وسمًا له. انقر للقبول. يمكنك تحسين دقة الوسم بالنقر داخل أو خارج المنطقة المقترحة.

وضع العلامات (Tagging)#

يمكنك إضافة علامات إلى الصور باستخدام لوحة Tags في الشريط الجانبي. يمكن أن تمثل العلامات سمات مثل الموقع، مصدر الكاميرا، وما إلى ذلك. تتيح لك هذه العلامات البحث عن صور محددة وإنشاء إصدارات من مجموعة البيانات تحتوي على صور بعلامات معينة.

مساعد الوسم (يعتمد على النموذج)#

يمكن استخدام النماذج المستضافة على Roboflow مع مساعد الوسم (Label Assist) لاقتراح الوسوم. قم بتحميل أوزان نموذج YOLO الخاص بك إلى Roboflow (راجع التعليمات أدناه)، ثم قم بتفعيل مساعد الوسم عبر أيقونة العصا السحرية في الشريط الجانبي.

إدارة مجموعة البيانات لـ YOLO26#

توفر Roboflow عدة أدوات لفهم وإدارة مجموعات البيانات الخاصة بالرؤية الحاسوبية.

البحث في مجموعة البيانات#

استخدم البحث في مجموعة البيانات للعثور على صور بناءً على أوصاف نصية أو فئات/علامات محددة. يمكنك الوصول إلى هذه الميزة بالنقر على "Dataset" في الشريط الجانبي.

فحص الصحة#

قبل التدريب، استخدم Roboflow Health Check للحصول على رؤى حول مجموعة البيانات الخاصة بك وتحديد التحسينات المحتملة. يمكنك الوصول إليها عبر رابط "Health Check" في الشريط الجانبي. توفر إحصاءات حول أحجام الصور، وتوازن الفئات، وخرائط الحرارة للوسوم، والمزيد.

قد يقترح فحص الصحة (Health Check) إجراء تغييرات لتحسين الأداء، مثل معالجة اختلالات الفئات المحددة في ميزة توازن الفئات. يُعد فهم صحة مجموعة البيانات أمراً بالغ الأهمية لـ تدريب النموذج بشكل فعال.

المعالجة المسبقة وتعزيز البيانات لتعزيز قوة النموذج#

لتصدير بياناتك، تحتاج إلى إنشاء إصدار لمجموعة البيانات، وهو عبارة عن لقطة لمجموعة البيانات الخاصة بك في نقطة زمنية محددة. انقر على "Versions" في الشريط الجانبي، ثم "Create New Version". هنا، يمكنك تطبيق خطوات المعالجة المسبقة وتعزيز البيانات لتعزيز متانة النموذج محتملة.

لكل عملية تعزيز محددة، تتيح لك نافذة منبثقة ضبط معاملاتها بدقة مثل السطوع. يمكن أن يؤدي التعزيز المناسب إلى تحسين تعميم النموذج بشكل كبير، وهو مفهوم رئيسي تم مناقشته في دليل نصائح تدريب النموذج الخاص بنا.

تصدير البيانات بـ 40+ تنسيقًا لتدريب النماذج#

بمجرد إنشاء إصدار مجموعة البيانات الخاص بك، يمكنك تصديره بتنسيقات مختلفة مناسبة لتدريب النماذج. انقر فوق زر "Export Dataset" في صفحة الإصدار.

حدد صيغة "YOLO26" للتوافق مع خطوط أنابيب التدريب الخاصة بـ Ultralytics. أنت الآن جاهز لتدريب نموذج YOLO26 المخصص الخاص بك. ارجع إلى توثيق وضع التدريب لـ Ultralytics للحصول على تعليمات مفصلة حول بدء التدريب باستخدام مجموعة البيانات المُصدرة.

تحميل أوزان نموذج YOLO26 مخصص للاختبار والنشر#

توفر Roboflow واجهة برمجة تطبيقات (API) قابلة للتوسع للنماذج المنشورة ومجموعات تطوير البرمجيات (SDK) المتوافقة مع أجهزة مثل NVIDIA Jetson وLuxonis OAK وRaspberry Pi والأنظمة القائمة على وحدة معالجة الرسوميات (GPU). استكشف خيارات نشر النماذج المختلفة في أدلتنا.

يمكنك نشر نماذج YOLO26 عن طريق تحميل أوزانها إلى Roboflow باستخدام برنامج نصي بسيط لـ Python.

أنشئ ملف Python جديد وأضف الكود التالي:

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 هذا الكود، استبدل your-workspace-id و your-project-id ورقم VERSION و MODEL_PATH بالقيم الخاصة بحساب Roboflow والمشروع ودليل نتائج التدريب المحلي الخاص بك. تأكد من أن MODEL_PATH يشير بشكل صحيح إلى الدليل الذي يحتوي على ملف أوزان best.pt المدربة.

عند تشغيل الكود أعلاه، سيُطلب منك المصادقة (عادةً عبر مفتاح API). بعد ذلك، سيتم تحميل نموذجك، وسيتم إنشاء نقطة نهاية API لمشروعك. قد تستغرق هذه العملية ما يصل إلى 30 دقيقة حتى تكتمل.

لاختبار نموذجك والعثور على تعليمات النشر للـ SDKs المدعومة، انتقل إلى علامة التبويب "Deploy" في الشريط الجانبي لـ Roboflow. في أعلى هذه الصفحة، ستظهر أداة تسمح لك باختبار نموذجك باستخدام كاميرا الويب الخاصة بك أو عن طريق تحميل الصور أو مقاطع الفيديو.

يمكن أيضًا استخدام نموذجك الذي تم تحميله كمساعد وسم، حيث يقترح وسومًا على صور جديدة بناءً على تدريبه.

كيفية تقييم نماذج YOLO26#

توفر Roboflow ميزات لتقييم أداء النموذج. يُعد فهم مقاييس الأداء أمراً بالغ الأهمية لتكرار النموذج.

بعد تحميل نموذج، يمكنك الوصول إلى أداة تقييم النموذج عبر صفحة النموذج الخاصة بك على لوحة تحكم Roboflow. انقر فوق "View Detailed Evaluation".

تعرض هذه الأداة مصفوفة الارتباك التي توضح أداء النموذج ورسمًا بيانيًا تفاعليًا لتحليل المتجهات باستخدام تضمينات CLIP. تساعد هذه الميزات في تحديد مجالات تحسين النموذج.

النافذة المنبثقة لمصفوفة الارتباك:

مرر مؤشر الماوس فوق الخلايا لرؤية القيم، وانقر على الخلايا لعرض الصور المقابلة مع تنبؤات النموذج وبيانات الحقيقة الأرضية.

انقر على "Vector Analysis" للحصول على مخطط مبعثر يصور تشابه الصور بناءً على تضمينات CLIP. الصور الأكثر تقاربًا تكون متشابهة دلاليًا. تمثل النقاط الصور، ملونة من الأبيض (أداء جيد) إلى الأحمر (أداء ضعيف).

يساعد تحليل المتجهات في:

• تحديد تجمعات الصور.
• تحديد التجمعات التي يكون أداء النموذج فيها ضعيفًا.
• فهم القواسم المشتركة بين الصور التي تسبب ضعف الأداء.

مصادر التعلم#

• تدريب YOLO على مجموعة بيانات مخصصة (Colab): دفتر ملاحظات تفاعلي لـ Google Colab للتدريب على بياناتك.
• توثيق Ultralytics YOLO: تدريب وتصدير ونشر نماذج YOLO.
• مدونة Ultralytics: مقالات حول الرؤية الحاسوبية وتدريب النماذج.
• قناة يوتيوب Ultralytics: أدلة فيديو حول تدريب النماذج ونشرها.

الأسئلة الشائعة#