Link to this sectionالنماذج المدعومة من Ultralytics#

مرحباً بكم في وثائق نماذج Ultralytics! نحن نوفر الدعم لمجموعة واسعة من النماذج، حيث تم تصميم كل منها لمهام محددة مثل اكتشاف الكائنات، وتجزئة المثيلات، والتجزئة الدلالية، وتصنيف الصور، وتقدير الوضعية، وتتبع الكائنات المتعددة. إذا كنت مهتماً بالمساهمة ببنية نموذجك في Ultralytics، يرجى الاطلاع على دليل المساهمة الخاص بنا.

Link to this sectionالنماذج المميزة#

فيما يلي بعض النماذج الرئيسية المدعومة:

1. YOLOv3: الإصدار الثالث من عائلة نماذج YOLO، والذي ابتكره في الأصل جوزيف ريدمون، ويشتهر بقدراته الفعالة في اكتشاف الكائنات في الوقت الفعلي.
2. YOLOv4: تحديث أصلي لنموذج YOLOv3 عبر إطار Darknet، أصدره أليكسي بوتشوفسكي في عام 2020.
3. YOLOv5: نسخة محسنة من بنية YOLO بواسطة Ultralytics، توفر توازناً أفضل بين الأداء والسرعة مقارنة بالإصدارات السابقة.
4. YOLOv6: أصدرته شركة Meituan في عام 2022، ويُستخدم في العديد من روبوتات التوصيل الذاتي التابعة للشركة.
5. YOLOv7: نماذج YOLO المحدثة التي أصدرها مؤلفو YOLOv4 في عام 2022. يتم دعم الاستدلال فقط.
6. YOLOv8: نموذج متعدد الاستخدامات يتميز بقدرات محسنة مثل تجزئة المثيلات، وتقدير الوضعية/النقاط الرئيسية، والتصنيف.
7. YOLOv9: نموذج تجريبي تم تدريبه على قاعدة كود YOLOv5 الخاصة بـ Ultralytics، ويطبق معلومات التدرج القابلة للبرمجة (PGI).
8. YOLOv10: من جامعة تسينغهوا، يتميز بالتدريب بدون NMS وبنية تعتمد على كفاءة الدقة، مما يوفر أداءً وزمن وصول متطورين.
9. YOLO11: نماذج YOLO من Ultralytics التي تقدم أداءً عالياً عبر مهام متعددة بما في ذلك الاكتشاف، والتجزئة، وتقدير الوضعية، والتتبع، والتصنيف.
10. YOLO26 🚀 جديد: أحدث جيل من نماذج YOLO من Ultralytics، تم تحسينه للنشر على الحافة مع استدلال شامل بدون NMS.
11. نموذج تجزئة أي شيء (SAM): نموذج Segment Anything Model (SAM) الأصلي من Meta.
12. نموذج تجزئة أي شيء 2 (SAM2): الجيل التالي من نموذج Segment Anything Model من Meta للفيديو والصور.
13. نموذج تجزئة أي شيء 3 (SAM3) 🚀 جديد: الجيل الثالث من نموذج Segment Anything Model من Meta مع تجزئة المفاهيم القابلة للتوجيه (Promptable Concept Segmentation) للنصوص والتجزئة القائمة على أمثلة الصور.
14. نموذج تجزئة أي شيء للهواتف المحمولة (MobileSAM): نموذج MobileSAM لتطبيقات الهاتف المحمول، من جامعة كيونغ هي.
15. نموذج تجزئة أي شيء السريع (FastSAM): نموذج FastSAM من مجموعة تحليل الصور والفيديو، معهد الأتمتة، الأكاديمية الصينية للعلوم.
16. YOLO-NAS: نماذج YOLO للبحث عن البنية العصبية (NAS).
17. محولات الاكتشاف في الوقت الفعلي (RT-DETR): نماذج محول (Transformer) الاكتشاف في الوقت الفعلي من PaddlePaddle التابعة لـ Baidu.
18. YOLO-World: نماذج اكتشاف الكائنات ذات المفردات المفتوحة في الوقت الفعلي من مختبر Tencent AI.
19. YOLOE: كاشف كائنات مفتوح المفردات ومحسن يحافظ على أداء YOLO في الوقت الفعلي مع اكتشاف فئات اعتباطية خارج بيانات تدريبه.

Link to this sectionالبدء: أمثلة الاستخدام#

يقدم هذا المثال أمثلة بسيطة لتدريب YOLO والاستدلال به. للحصول على وثائق كاملة حول هذه الأوضاع وغيرها، راجع صفحات وثائق التنبؤ، والتدريب، والتحقق، والتصدير.

لاحظ أن المثال أدناه يسلط الضوء على نماذج YOLO11 للاكتشاف لغرض اكتشاف الكائنات. للمهام الإضافية المدعومة، راجع وثائق التجزئة، والتصنيف، والوضعية.

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")

Link to this sectionالمساهمة بنماذج جديدة#

هل أنت مهتم بالمساهمة بنموذجك في Ultralytics؟ رائع! نحن دائماً منفتحون لتوسيع محفظة نماذجنا.

1. تفرع المستودع (Fork): ابدأ بتفرع مستودع Ultralytics على GitHub.

2. استنساخ التفرع (Clone): استنسخ تفرعك إلى جهازك المحلي وأنشئ فرعاً جديداً للعمل عليه.

3. تنفيذ نموذجك: أضف نموذجك باتباع معايير البرمجة والإرشادات الواردة في دليل المساهمة الخاص بنا.

4. الاختبار الشامل: تأكد من اختبار نموذجك بدقة، سواء بشكل منفصل أو كجزء من خط العمل (pipeline).

5. إنشاء طلب سحب (Pull Request): بمجرد أن تشعر بالرضا عن نموذجك، أنشئ طلب سحب إلى المستودع الرئيسي للمراجعة.

6. مراجعة الكود والدمج: بعد المراجعة، إذا استوفى نموذجك معاييرنا، سيتم دمجه في المستودع الرئيسي.

للحصول على خطوات مفصلة، راجع دليل المساهمة.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هو أحدث نموذج YOLO من Ultralytics؟#

أحدث نموذج YOLO من Ultralytics هو YOLO26، الذي تم إصداره في يناير 2026. يتميز YOLO26 باستدلال شامل بدون NMS، وتحسين للنشر على الحافة، ويدعم الاكتشاف، وتجزئة المثيلات، والتجزئة الدلالية، والتصنيف، وتقدير الوضعية، وOBB بالإضافة إلى الإصدارات مفتوحة المفردات. بالنسبة لأحمال عمل الإنتاج المستقرة، يوصى بكل من YOLO26 وYOLO11.

Link to this sectionكيف 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)

للحصول على تعليمات أكثر تفصيلاً، تفضل بزيارة صفحة وثائق التدريب.

Link to this sectionما هي إصدارات YOLO المدعومة من Ultralytics؟#

تدعم Ultralytics مجموعة شاملة من إصدارات YOLO (You Only Look Once) من YOLOv3 إلى YOLO26، إلى جانب نماذج مثل YOLO-NAS وSAM وRT-DETR. تم تحسين كل إصدار لمهام مختلفة مثل الاكتشاف، والتجزئة، والتجزئة الدلالية، والتصنيف. للحصول على معلومات مفصلة حول كل نموذج، ارجع إلى وثائق النماذج المدعومة من Ultralytics.

Link to this sectionلماذا يجب أن أستخدم منصة Ultralytics لمشاريع تعلم الآلة؟#

توفر منصة Ultralytics منصة شاملة بدون كود لتدريب ونشر وإدارة نماذج YOLO. إنها تبسط سير العمل المعقد، مما يمكن المستخدمين من التركيز على أداء النموذج والتطبيق. كما يوفر HUB قدرات تدريب سحابية، وإدارة شاملة لمجموعات البيانات، وواجهات سهلة الاستخدام للمبتدئين والمطورين ذوي الخبرة.

Link to this sectionما هي أنواع المهام التي يمكن لنماذج Ultralytics YOLO القيام بها؟#

نماذج Ultralytics YOLO متعددة الاستخدامات ويمكنها تنفيذ مهام تشمل اكتشاف الكائنات، وتجزئة المثيلات، والتجزئة الدلالية، والتصنيف، وتقدير الوضعية، واكتشاف الكائنات الموجهة (OBB). يدعم أحدث نموذج، YOLO26، جميع المهام الست بالإضافة إلى الاكتشاف مفتوح المفردات. للحصول على تفاصيل حول مهام محددة، ارجع إلى صفحات المهام.