النماذج المدعومة بواسطة Ultralytics

مرحبًا بك في وثائق نماذج Ultralytics! نحن نقدم الدعم لمجموعة واسعة من النماذج، كل منها مصمم خصيصًا لمهام محددة مثل الكشف عن الأجسام، و تقسيم المثيلات، و تصنيف الصور، و تقدير الوضعية، و تتبع الأجسام المتعددة. إذا كنت مهتمًا بالمساهمة بهيكلة النموذج الخاص بك في Ultralytics، فراجع دليل المساهمة الخاص بنا.

النماذج المميزة

فيما يلي بعض النماذج الرئيسية المدعومة:

1. YOLOv3: التكرار الثالث لعائلة نماذج YOLO، في الأصل بواسطة جوزيف ريدمون، والمعروف بقدراته الفعالة في الكشف عن الأجسام في الوقت الفعلي.
2. YOLOv4: تحديث أصلي لـ YOLOv3 خاص بـ darknet، تم إصداره بواسطة Alexey Bochkovskiy في عام 2020.
3. YOLOv5: نسخة محسنة من هيكلة YOLO بواسطة Ultralytics، توفر أداءً أفضل ومفاضلات في السرعة مقارنة بالإصدارات السابقة.
4. YOLOv6: تم إصداره بواسطة Meituan في عام 2022، ويستخدم في العديد من روبوتات التوصيل الذاتية التابعة للشركة.
5. YOLOv7: نماذج YOLO محدثة تم إصدارها في عام 2022 بواسطة مؤلفي YOLOv4. يتم دعم الاستدلال فقط.
6. YOLOv8: نموذج متعدد الاستخدامات يتميز بقدرات محسّنة مثل تجزئة المثيلات وتقدير الوضع/النقاط الرئيسية والتصنيف.
7. YOLOv9: نموذج تجريبي تم تدريبه على قاعدة أكواد Ultralytics YOLOv5 التي تنفذ معلومات التدرج القابلة للبرمجة (PGI).
8. YOLOv10: من جامعة Tsinghua، يتميز بالتدريب بدون NMS وهندسة تعتمد على الكفاءة والدقة، مما يوفر أداءً حديثًا وزمن وصول منخفض.
9. YOLO11: نماذج Ultralytics YOLO التي تقدم أداءً عاليًا عبر مهام متعددة تتضمن detect، و segment، وتقدير الوضع، و track، والتصنيف.
10. YOLO26 🚀 جديد: أحدث نموذج YOLO من الجيل التالي من Ultralytics المحسّن للنشر على الحافة مع استدلال شامل خالٍ من NMS.
11. نموذج تقسيم أي شيء (SAM): نموذج تقسيم أي شيء (SAM) الأصلي من Meta.
12. Segment Anything Model 2 (SAM2): الجيل التالي من نموذج التقسيم لكل شيء من Meta لمقاطع الفيديو والصور.
13. نموذج Segment Anything 3 (SAM3) 🚀 جديد: نموذج Segment Anything من الجيل الثالث من Meta مع تجزئة المفاهيم القابلة للتوجيه للتجزئة المستندة إلى أمثلة النص والصور.
14. نموذج تقسيم أي شيء للهاتف المحمول (MobileSAM): MobileSAM لتطبيقات الهاتف المحمول، من جامعة Kyung Hee.
15. نموذج تقسيم أي شيء السريع (FastSAM): FastSAM بواسطة Image & Video Analysis Group، معهد الأتمتة، الأكاديمية الصينية للعلوم.
16. YOLO-NAS: نماذج YOLO Neural Architecture Search ‏(NAS).
17. محولات الكشف في الوقت الفعلي (RT-DETR): نماذج Baidu's PaddlePaddle للكشف في الوقت الفعلي محول (RT-DETR).
18. YOLO-World: نماذج الكشف عن الأجسام ذات المفردات المفتوحة في الوقت الفعلي من Tencent AI Lab.
19. YOLOE: كاشف محسّن للأجسام بمفردات مفتوحة يحافظ على أداء YOLO في الوقت الفعلي مع اكتشاف فئات عشوائية تتجاوز بيانات التدريب الخاصة به.

شاهد: قم بتشغيل نماذج Ultralytics YOLO في بضعة أسطر فقط من التعليمات البرمجية.

البدء: أمثلة الاستخدام

يوفر هذا المثال أمثلة بسيطة لتدريب واستدلال YOLO. للحصول على الوثائق الكاملة حول هذه الأنماط وغيرها، راجع صفحات وثائق التوقع و التدريب و التقييم و التصدير.

لاحظ أن المثال أدناه يسلط الضوء على نماذج YOLO11 Detect لـ object detection. للحصول على مهام إضافية مدعومة، راجع مستندات Segment و Classify و Pose.

from ultralytics import YOLO

# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

# Load a COCO-pretrained YOLO26n model and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolo26n.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained YOLO26n model and run inference on the 'bus.jpg' image
yolo predict model=yolo26n.pt source=path/to/bus.jpg

المساهمة بنماذج جديدة

هل أنت مهتم بالمساهمة بنموذجك في Ultralytics؟ هذا رائع! نحن منفتحون دائمًا على توسيع حافظة نماذجنا.

1. تَشعيب المستودع: ابدأ بتشعيب مستودع Ultralytics على GitHub.

2. استنساخ التشعيب الخاص بك: استنسخ التشعيب الخاص بك إلى جهازك المحلي وأنشئ فرعًا جديدًا للعمل عليه.

3. تنفيذ النموذج الخاص بك: أضف النموذج الخاص بك باتباع معايير وإرشادات البرمجة المتوفرة في دليل المساهمة الخاص بنا.

4. الاختبار بدقة: تأكد من اختبار النموذج الخاص بك بدقة، سواء بشكل مستقل أو كجزء من خط الأنابيب.

5. إنشاء طلب سحب: بمجرد رضاك عن النموذج الخاص بك، قم بإنشاء طلب سحب إلى المستودع الرئيسي للمراجعة.

6. مراجعة التعليمات البرمجية والدمج: بعد المراجعة، إذا كان النموذج الخاص بك يفي بمعاييرنا، فسيتم دمجه في المستودع الرئيسي.

للحصول على خطوات مفصلة، راجع دليل المساهمة الخاص بنا.

الأسئلة الشائعة

ما هو أحدث نموذج Ultralytics YOLO؟

أحدث نموذج Ultralytics YOLO هو YOLO26، الذي صدر في يناير 2026. يتميز YOLO26 بالاستدلال الشامل الخالي من NMS، والنشر المحسّن على الحافة، ويدعم جميع المهام الخمس (detect، segment، التصنيف، تقدير الوضع، و obb) بالإضافة إلى إصدارات المفردات المفتوحة. لأحمال عمل الإنتاج المستقرة، يُعد كل من YOLO26 و YOLO11 خيارات موصى بها.

كيف يمكنني تدريب نموذج YOLO على بيانات مخصصة؟

يمكن إنجاز تدريب نموذج YOLO على بيانات مخصصة بسهولة باستخدام مكتبات Ultralytics. إليك مثال سريع:

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo26n.pt")  # or any other YOLO model

# Train the model on custom dataset
results = model.train(data="custom_data.yaml", epochs=100, imgsz=640)

yolo train model=yolo26n.pt data='custom_data.yaml' epochs=100 imgsz=640

لمزيد من الإرشادات التفصيلية، تفضل بزيارة صفحة وثائق التدريب.

ما هي إصدارات YOLO التي تدعمها Ultralytics؟

تدعم Ultralytics مجموعة شاملة من إصدارات YOLO (You Only Look Once) من YOLOv3 إلى YOLO11، جنبًا إلى جنب مع نماذج مثل YOLO-NAS و SAM و RT-DETR. تم تحسين كل إصدار لمهام مختلفة مثل الاكتشاف والتقسيم والتصنيف. للحصول على معلومات مفصلة حول كل نموذج، راجع وثائق النماذج التي تدعمها Ultralytics.

لماذا يجب علي استخدام منصة Ultralytics لمشاريع التعلم الآلي؟

توفر منصة Ultralytics منصة شاملة بدون تعليمات برمجية لتدريب نماذج YOLO ونشرها وإدارتها. إنها تبسط سير العمل المعقدة، مما يمكّن المستخدمين من التركيز على أداء النموذج وتطبيقه. يوفر المركز أيضًا إمكانات التدريب السحابي، وإدارة شاملة لمجموعات البيانات، وواجهات سهلة الاستخدام لكل من المبتدئين والمطورين ذوي الخبرة.

ما أنواع المهام التي يمكن لنماذج Ultralytics YOLO أداؤها؟

تتميز نماذج Ultralytics YOLO بتعدد استخداماتها ويمكنها أداء مهام تشمل كشف الكائنات، وتجزئة الكائنات، والتصنيف، وتقدير الوضعيات، وكشف الكائنات الموجهة (obb). يدعم أحدث نموذج، YOLO26، جميع المهام الخمس بالإضافة إلى كشف المفردات المفتوحة. لمزيد من التفاصيل حول مهام محددة، يرجى الرجوع إلى صفحات المهام.

📅 تم الإنشاء قبل 2 أعوام ✏️ تم التحديث قبل 6 أيام

تعليقات