مهام رؤية الحاسوب المدعومة من Ultralytics YOLO26#
Ultralytics YOLO26 هو إطار عمل ذكاء اصطناعي متعدد الاستخدامات يدعم computer vision tasks متعددة. يمكن استخدام إطار العمل لتنفيذ detection، وsegmentation، وsemantic segmentation، وdepth estimation، وclassification، وتقدير pose، وOBB. لكل مهمة من هذه المهام هدف وحالة استخدام مختلفان، مما يتيح لك مواجهة تحديات الرؤية الحاسوبية المتنوعة باستخدام إطار عمل واحد.
Watch: Explore Ultralytics YOLO Tasks: Object Detection, Segmentation, OBB, Tracking, and Pose Estimation.
الكشف#
تُعد Detection المهمة الأساسية التي يدعمها YOLO26. وهي تتضمن تحديد الكائنات في صورة أو إطار فيديو ورسم bounding boxes حولها. يتم تصنيف الكائنات المكتشفة إلى فئات مختلفة بناءً على خصائصها. يمكن لـ YOLO26 اكتشاف كائنات متعددة في صورة أو إطار فيديو واحد بـ دقة وسرعة عاليتين، مما يجعله مثالياً للتطبيقات في الوقت الفعلي مثل أنظمة المراقبة و المركبات ذاتية القيادة.
تجزئة الصور#
تأخذ التجزئة كشف الكائنات خطوة إضافية من خلال إنتاج أقنعة على مستوى البكسل لكل كائن. هذه الدقة مفيدة لتطبيقات مثل التصوير الطبي، والتحليل الزراعي، ومراقبة جودة التصنيع.
التجزئة الدلالية#
يُخصص Semantic segmentation تصنيفاً (class label) لكل بكسل في الصورة، مما ينتج خريطة تصنيف كثيفة للمشهد بأكمله. وخلافاً لـ instance segmentation، فإنه لا يميز بين الكائنات الفردية من نفس الفئة. وهذا يجعله مثالياً لـ القيادة الذاتية، و تحليل المشاهد، ورسم خرائط الغطاء الأرضي حيث يكون فهم التخطيط المكاني الكامل أكثر أهمية من تحديد الكائنات الفردية.
Monocular Depth Estimation#
تقوم Monocular depth estimation بالتنبؤ بخريطة العمق لكل بكسل بالأمتار من صورة RGB واحدة. يكون المخرج عبارة عن خريطة كثيفة من الأرقام العشرية (float map) متوافقة مع صورة الإدخال، مما يجعلها مناسبة لإعادة بناء المشاهد ثلاثية الأبعاد، والملاحة في الروبوتات، وتطبيقات AR/VR حيث يجب استنتاج التخطيط المكاني من كاميرا واحدة.
التصنيف#
يتضمن التصنيف تصنيف الصور بأكملها بناءً على محتواها. هذه المهمة ضرورية لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية، واعتدال المحتوى، ومراقبة الحياة البرية.
تقدير الوضعية#
يكتشف تقدير الوضعية نقاطاً رئيسية محددة في الصور أو إطارات الفيديو لتتبع الحركات أو تقدير الأوضاع. يمكن لهذه النقاط الرئيسية أن تمثل مفاصل الإنسان، أو ملامح الوجه، أو غيرها من نقاط الاهتمام المهمة. يتفوق YOLO26 في اكتشاف النقاط الرئيسية بدقة وسرعة عاليتين، مما يجعله قيماً لـ تطبيقات اللياقة البدنية، وتحليلات الرياضة، والتفاعل بين الإنسان والحاسوب.
OBB#
يعزز كشف صندوق الإحاطة الموجه (OBB) كشف الكائنات التقليدي من خلال إضافة زاوية توجيه لتحديد مكان الكائنات المدورة بشكل أفضل. تعد هذه القدرة قيمة بشكل خاص لـ تحليل الصور الجوية، ومعالجة المستندات، والتطبيقات الصناعية حيث تظهر الكائنات بزوايا مختلفة. يقدم YOLO26 دقة وسرعة عاليتين لاكتشاف الكائنات المدورة في سيناريوهات متنوعة.
الخلاصة#
يدعم Ultralytics YOLO26 العديد من مهام computer vision، بما في ذلك detection، وinstance segmentation، وsemantic segmentation، وmonocular depth estimation، وclassification، وoriented object detection، وkeypoint detection. تلبي كل مهمة احتياجات محددة في مجال computer vision، بدءاً من التعرف الأساسي على الكائنات وصولاً إلى استنتاج العمق الكثيف لكل بكسل. من خلال فهم إمكانيات وتطبيقات كل مهمة، يمكنك اختيار النهج الأكثر ملاءمة لتحديات computer vision الخاصة بك والاستفادة من ميزات YOLO26 القوية لبناء حلول فعالة.
ما هي الخطوة التالية#
هل اخترت مهمة؟ قم بتهيئة بياناتك لها باستخدام دليل مجموعات البيانات، ثم ابدأ التدريب على صورك الخاصة.
الأسئلة الشائعة#
Ultralytics YOLO26 هو إطار عمل ذكاء اصطناعي متعدد الاستخدامات قادر على تنفيذ مهام رؤية حاسوب متنوعة بدقة وسرعة عاليتين. تتضمن هذه المهام:
- كشف الكائنات: تحديد وتوطين الكائنات في الصور أو إطارات الفيديو عن طريق رسم صناديق إحاطة حولها.
- تجزئة الصور: تجزئة الصور إلى مناطق مختلفة بناءً على محتواها، وهو أمر مفيد لتطبيقات مثل التصوير الطبي.
- التجزئة الدلالية: تعيين تسمية فئة لكل بكسل في الصورة لفهم مكثف للمشهد.
- Monocular Depth Estimation: التنبؤ بخريطة العمق لكل بكسل بالأمتار من صورة RGB واحدة.
- التصنيف: تصنيف الصور بأكملها بناءً على محتواها.
- تقدير الوضعية: اكتشاف نقاط رئيسية محددة في صورة أو إطار فيديو لتتبع الحركات أو الأوضاع.
- كشف الكائنات الموجه (OBB): اكتشاف الكائنات المدورة بزاوية توجيه مضافة لتحسين الدقة.
لاستخدام Ultralytics YOLO26 لكشف الكائنات، اتبع الخطوات التالية:
- جهز مجموعة البيانات الخاصة بك بالتنسيق المناسب.
- قم بتدريب نموذج YOLO26 باستخدام مهمة الكشف.
- استخدم النموذج لإجراء تنبؤات عن طريق إدخال صور أو إطارات فيديو جديدة.
مثالfrom ultralytics import YOLO # Load a pretrained YOLO model (adjust model type as needed) model = YOLO("yolo26n.pt") # n, s, m, l, x versions available # Perform object detection on an image results = model.predict(source="image.jpg") # Can also use video, directory, URL, etc. # Display the results results[0].show() # Show the first image resultsلمزيد من التعليمات التفصيلية، تحقق من أمثلة الكشف الخاصة بنا.
يوفر استخدام YOLO26 لمهام التجزئة عدة مزايا:
- دقة عالية: توفر مهمة التجزئة أقنعة دقيقة على مستوى البكسل.
- السرعة: تم تحسين YOLO26 للتطبيقات اللحظية، مما يوفر معالجة سريعة حتى للصور ذات الدقة العالية.
- تطبيقات متعددة: إنه مثالي للتصوير الطبي، والقيادة الذاتية، والتطبيقات الأخرى التي تتطلب تجزئة دقيقة للصور.
تعرف على المزيد حول فوائد وحالات استخدام YOLO26 للتجزئة في قسم تجزئة الصور.
نعم، يمكن لـ Ultralytics YOLO26 تنفيذ تقدير الوضعية واكتشاف النقاط الرئيسية بفعالية بدقة وسرعة عاليتين. تعد هذه الميزة مفيدة بشكل خاص لتتبع الحركات في تحليلات الرياضة، والرعاية الصحية، وتطبيقات التفاعل بين الإنسان والحاسوب. يكتشف YOLO26 النقاط الرئيسية في صورة أو إطار فيديو، مما يسمح بتقدير دقيق للوضعية.
لمزيد من التفاصيل ونصائح التنفيذ، تفضل بزيارة أمثلة تقدير الوضعية الخاصة بنا.
يوفر كشف الكائنات الموجه (OBB) باستخدام YOLO26 دقة محسنة من خلال اكتشاف الكائنات بمعامل زاوية إضافي. هذه الميزة مفيدة للتطبيقات التي تتطلب توطيناً دقيقاً للكائنات المدورة، مثل تحليل الصور الجوية وأتمتة المستودعات.
- دقة متزايدة: يقلل مكون الزاوية من الإيجابيات الخاطئة للكائنات المدورة.
- تطبيقات متنوعة: مفيد للمهام في التحليل الجغرافي المكاني، والروبوتات، وما إلى ذلك.
تحقق من قسم كشف الكائنات الموجه لمزيد من التفاصيل والأمثلة.