أوضاع Ultralytics YOLO26
مقدمة#
Ultralytics YOLO26 أكثر من مجرد نموذج لـكشف الأجسام: يغطي إطار Ultralytics دورة الحياة الكاملة لنماذج التعلم الآلي، من التدريب والتحقق من الصحة إلى التنبؤ والتصدير والتتبع وقياس الأداء. ويؤدي كل وضع غرضًا محددًا في سير العمل هذا.
للاطلاع على الدعم المخطط له لـ YOLO27، راجع معاينة YOLO27. سيصدر YOLO27 قريبًا، وهو غير متاح بعد؛ يستخدم هذا الدليل نماذج YOLO26 المُصدرة.
شاهد: شرح تعليمي لأنماط Ultralytics: التدريب والتحقق والتنبؤ والتصدير وقياس الأداء.
لمحة سريعة عن الأوضاع#
يدعم Ultralytics YOLO26 الأوضاع التالية:
- وضع Train: درّب نموذجك أو اضبطه بدقة على مجموعات بيانات مخصصة أو مدمجة.
- وضع Val: تحقّق من أداء النموذج بعد التدريب.
- وضع Predict: أجرِ الاستدلال باستخدام نموذجك على صور ومقاطع فيديو وبثوث جديدة.
- وضع Export: حوّل نموذجك إلى تنسيقات جاهزة لـنشر النماذج.
- وضع Track: تتبّع الأجسام عبر إطارات الفيديو والبثوث المباشرة آنيًا.
- وضع قياس الأداء: حلّل سرعة نموذجك ودقته في بيئات نشر متنوعة.
تلخّص الأقسام أدناه كل وضع وتربطه بدليله الكامل.
التدريب#
يُستخدم وضع التدريب لتدريب نموذج YOLO26 على مجموعة بيانات مخصّصة. في هذا الوضع، يُدرَّب النموذج باستخدام مجموعة البيانات والمعلمات الفائقة المحددة. تتضمن عملية التدريب تحسين معلمات النموذج كي يتمكن من التنبؤ بدقة بفئات العناصر ومواقعها في الصورة. ويُعد التدريب ضروريًا لإنشاء نماذج قادرة على التعرّف على عناصر محددة ذات صلة بتطبيقك.
التحقق#
يُستخدم وضع التحقق للتحقق من نموذج YOLO26 بعد تدريبه. في هذا الوضع، يُقيَّم النموذج على مجموعة تحقق لقياس دقته وأدائه في التعميم. يساعد التحقق على تحديد المشكلات المحتملة مثل فرط التكيّف، ويوفر مقاييس مثل متوسط الدقة (mAP) لقياس أداء النموذج. وتوجّه نتائج التحقق ضبط المعلمات الفائقة وغيرها من التحسينات على النموذج.
التنبؤ#
يُستخدم وضع التنبؤ لإجراء تنبؤات باستخدام نموذج YOLO26 مدرّب على صور أو مقاطع فيديو جديدة. في هذا الوضع، يُحمَّل النموذج من ملف نقطة تحقق، ويمكن للمستخدم تزويده بصور أو مقاطع فيديو لإجراء الاستدلال. يحدّد النموذج العناصر في الوسائط المُدخلة ويحدّد مواقعها. يتيح لك وضع التنبؤ تطبيق نموذجك المدرّب على مشكلات عملية.
التصدير#
يُستخدم وضع التصدير لتحويل نموذج YOLO26 إلى تنسيقات مناسبة للنشر على منصات وأجهزة مختلفة. يحوّل هذا الوضع نموذج PyTorch إلى تنسيقات محسّنة مثل ONNX أو TensorRT أو CoreML، ما يتيح النشر في بيئات الإنتاج. ويُعد التصدير ضروريًا لدمج النموذج مع تطبيقات برمجية أو أجهزة متنوعة، وغالبًا ما يؤدي إلى تحسينات كبيرة في الأداء.
التتبّع#
يوسّع وضع التتبّع قدرات YOLO26 على اكتشاف العناصر ليتيح تتبّع العناصر عبر إطارات الفيديو أو التدفقات المباشرة. ويُعد هذا الوضع مفيدًا بشكل خاص للتطبيقات التي تتطلب تحديدًا مستمرًا للعناصر، مثل أنظمة المراقبة أو السيارات ذاتية القيادة. ويتضمن ستة متتبّعات: TrackTrack (الافتراضي)، وBoT-SORT، وByteTrack، وOC-SORT، وDeep OC-SORT، وFastTracker.
قياس الأداء#
يقيس وضع قياس الأداء سرعة ودقة تنسيقات التصدير المختلفة لـ YOLO26. ويوفر هذا الوضع مقاييس شاملة لحجم النموذج ودقته (mAP50-95 للكشف والتجزئة وتقدير الوضعية وOBB؛ وmIoU للتجزئة الدلالية؛ وδ1 لتقدير العمق؛ أو accuracy_top1 للتصنيف)، وزمن الاستدلال عبر تنسيقات مختلفة مثل ONNX وOpenVINO وTensorRT. يساعد قياس الأداء على اختيار تنسيق التصدير الأمثل وفقًا لمتطلبات السرعة والدقة الخاصة ببيئة النشر.
الأسئلة الشائعة#
يتطلب تدريب نموذج مخصص لاكتشاف الأجسام باستخدام Ultralytics YOLO26 الاستعانة بوضع التدريب. تحتاج إلى مجموعة بيانات منسقة وفق تنسيق YOLO، وتحتوي على صور وملفات التعليقات التوضيحية المقابلة لها. استخدم الأمر التالي لبدء عملية التدريب:
مثالfrom ultralytics import YOLO # تحميل نموذج YOLO مدرّب مسبقًا (يمكنك اختيار الإصدارات n أو s أو m أو l أو x) model = YOLO("yolo26n.pt") # بدء التدريب على مجموعة البيانات المخصصة model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)للحصول على تعليمات أكثر تفصيلًا، يمكنك الرجوع إلى دليل التدريب من Ultralytics.
يستخدم Ultralytics YOLO26 مقاييس متنوعة أثناء عملية التحقق لتقييم أداء النموذج. وتشمل هذه المقاييس:
- mAP (متوسط الدقة): يقيّم دقة اكتشاف الأجسام.
- IoU (التقاطع على الاتحاد): يقيس مقدار التداخل بين مربعات الإحاطة المتوقعة ومربعات الإحاطة للحقيقة المرجعية.
- الإحكام والاستدعاء: يقيس الإحكام نسبة الاكتشافات الإيجابية الصحيحة إلى إجمالي الاكتشافات الإيجابية، بينما يقيس الاستدعاء نسبة الاكتشافات الإيجابية الصحيحة إلى إجمالي الإيجابيات الفعلية.
يمكنك تشغيل الأمر التالي لبدء التحقق:
مثالfrom ultralytics import YOLO # تحميل نموذج YOLO مدرّب مسبقًا أو مخصص model = YOLO("yolo26n.pt") # تشغيل التحقق على مجموعة البيانات model.val(data="path/to/validation.yaml")راجع دليل التحقق لمزيد من التفاصيل.
يوفر Ultralytics YOLO26 وظيفة التصدير لتحويل النموذج المدرّب إلى تنسيقات نشر متنوعة مثل ONNX وTensorRT وCoreML وغيرها. استخدم المثال التالي لتصدير النموذج:
مثالfrom ultralytics import YOLO # تحميل نموذج YOLO المدرّب model = YOLO("yolo26n.pt") # تصدير النموذج بتنسيق ONNX (يمكنك تحديد تنسيقات أخرى حسب الحاجة) model.export(format="onnx")يمكن العثور على الخطوات التفصيلية لكل تنسيق تصدير في دليل التصدير.
يُستخدم وضع قياس الأداء في Ultralytics YOLO26 لتحليل سرعة ودقة الدقة في تنسيقات التصدير المختلفة، مثل ONNX وTensorRT وOpenVINO. ويوفر مقاييس مثل حجم النموذج وmAP50-95 لكشف الكائنات وزمن الاستدلال عبر إعدادات أجهزة مختلفة، ما يساعدك على اختيار التنسيق الأنسب لاحتياجات النشر.
مثالfrom ultralytics.utils.benchmarks import benchmark # تشغيل اختبار الأداء على GPU (الجهاز 0) # يمكنك ضبط معلمات مثل النموذج ومجموعة البيانات وحجم الصورة والدقة حسب الحاجة benchmark(model="yolo26n.pt", data="coco8.yaml", imgsz=640, device=0)لمزيد من التفاصيل، راجع دليل اختبار الأداء.
يمكن إجراء تتبّع للأجسام في الوقت الفعلي باستخدام وضع التتبّع في Ultralytics YOLO26. يوسّع هذا الوضع إمكانات اكتشاف الأجسام لتتبّعها عبر إطارات الفيديو أو البث المباشر. استخدم المثال التالي لتفعيل التتبّع:
مثالfrom ultralytics import YOLO # تحميل نموذج YOLO مدرَّب مسبقًا model = YOLO("yolo26n.pt") # بدء تتبّع الأجسام في فيديو # يمكنك أيضًا استخدام بث الفيديو المباشر أو إدخال كاميرا الويب model.track(source="path/to/video.mp4")للاطلاع على تعليمات مفصلة، تفضّل بزيارة دليل التتبّع.
التعليقات7
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.
Monkey1GIt
The Chinese web page translation is very bad, for example, "train" should be "训练", but translated into "火车"
And can not switch to English page, click the EN button, will still switch to Chinese page
2
Glenn JocherUltralyticsHey there! 😊 Thanks for bringing this to our attention. We're sorry for the inconvenience caused by the translation errors and the issue with the language switch button. We're constantly working on improving our documentation and its accessibility, including accurate translations.
For the translation issue, we'll look into it and aim to correct those errors, like "train" being incorrectly translated. Your feedback is invaluable in helping us enhance the user experience.
Regarding the language switch issue, we're investigating this and will work on a fix. In the meantime, if you're still unable to switch to the English page, you might try clearing your browser's cache or using a different browser as a temporary workaround.
If you have any more feedback or need further assistance, please don't hesitate to reach out. Thanks for your support and understanding! 🙏
myangel1972
what is the difference between version 8.3.6 and 11?
1
Glenn JocherUltralytics(تم التعديل)@myangel1972
8.3.6is a release number of theultralyticsPython package, while YOLO11 is a model family. YOLO26 is now the latest and recommended model, offering improved performance across tasks like detection, segmentation, and tracking. For detailed differences, please refer to the release notes on the Ultralytics GitHub page.myangel1972
thanks a lot for your quickly reply!but I still have a question,on the right top of this page,there is a tag with 8.3.7(yesterday it was 8.3.6), so i am confused that what is the relatonship between 8.3.7 and yolo 11?
Glenn JocherUltralytics(تم التعديل)@myangel1972 version numbers like 8.3.7 are releases of the
ultralyticspackage (which supports YOLOv8, YOLO11 and later models), including improvements and bug fixes. YOLO11 is a separate model family released in that package line, so the two numbers are not comparable.1myangel1972
Thanks a lot! Now I understand it very clearly! Great Job!
