مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO26#
Ultralytics YOLO26 هو إطار عمل متنوع للذكاء الاصطناعي يدعم مهام متعددة في الرؤية الحاسوبية. ويمكن استخدام إطار العمل لتنفيذ الكشف، والتجزئة، والتجزئة الدلالية، وتقدير العمق، والتصنيف، وتقدير الوضعية، وOBB. لكل مهمة من هذه المهام هدف وحالة استخدام مختلفة، ما يتيح لك معالجة تحديات متنوعة في الرؤية الحاسوبية باستخدام إطار عمل واحد.
للحصول على دعم YOLO27 المخطط له، راجع معاينة YOLO27. إن YOLO27 قريباً وليست متاحة بعد؛ يستخدم هذا الدليل نماذج YOLO26 المُصْدرة.
Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, Segmentation, Depth Estimation, Classification, Pose Estimation, and OBB.
الكشف#
الكشف هو المهمة الأساسية التي يدعمها YOLO26. ويتضمن تحديد الكائنات في صورة أو إطار فيديو ورسم مربعات إحاطة حولها. وتُصنَّف الكائنات المكتشفة ضمن فئات مختلفة استنادًا إلى خصائصها. يستطيع YOLO26 كشف عدة كائنات في صورة واحدة أو إطار فيديو واحد بدرجة عالية من الدقة والسرعة، ما يجعله مثاليًا للتطبيقات الفورية مثل أنظمة المراقبة والمركبات ذاتية القيادة.
تقسيم الكائنات#
يُوسّع التقسيم نطاق كشف الكائنات من خلال إنتاج أقنعة على مستوى البكسل لكل كائن. وتفيد هذه الدقة في تطبيقات مثل التصوير الطبي، والتحليل الزراعي، ومراقبة الجودة في التصنيع.
التقسيم الدلالي#
يُسنِد التقسيم الدلالي تصنيفًا إلى كل بكسل في الصورة، منتجًا خريطة تصنيفات كثيفة للمشهد بأكمله. وعلى خلاف تقسيم المثيلات، لا يميّز بين الكائنات الفردية من الفئة نفسها. وهذا يجعله مثاليًا لـالقيادة الذاتية، وتحليل المشاهد، ورسم خرائط الغطاء الأرضي، حيث يكون فهم التخطيط المكاني الكامل أهم من تحديد الكائنات الفردية.
تقدير العمق#
يتنبأ تقدير العمق أحادي العين بخريطة عمق لكل بكسل بوحدة المتر انطلاقًا من صورة RGB واحدة. ويكون الناتج خريطة عائمة كثيفة محاذية للصورة المدخلة، ما يجعلها مناسبة لإعادة بناء المشاهد ثلاثية الأبعاد، وملاحة الروبوتات، وتطبيقات الواقع المعزز/الواقع الافتراضي، حيث يجب استنتاج التخطيط المكاني من كاميرا واحدة.
التصنيف#
يتضمن التصنيف وضع الصور بأكملها ضمن فئات استنادًا إلى محتواها. وتُعد هذه المهمة ضرورية لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية، والإشراف على المحتوى، ومراقبة الحياة البرية.
تقدير الوضعية#
يكتشف تقدير الوضعية نقاطًا مفتاحية محددة في الصور أو إطارات الفيديو لتتبع الحركات أو تقدير الوضعيات. ويمكن أن تمثل هذه النقاط المفصلات البشرية أو ملامح الوجه أو نقاط اهتمام مهمة أخرى. يتفوق YOLO26 في كشف النقاط المفتاحية بدقة وسرعة عاليتين، ما يجعله مفيدًا لـتطبيقات اللياقة البدنية، وتحليلات الرياضة، والتفاعل بين الإنسان والحاسوب.
OBB#
يعزز كشف صندوق الإحاطة الموجّه (OBB) كشف الكائنات التقليدي بإضافة زاوية اتجاه لتحديد مواضع الكائنات المدارة بدقة أكبر. وتُعد هذه الإمكانية قيّمة بوجه خاص لـتحليل الصور الجوية، ومعالجة المستندات، والتطبيقات الصناعية، حيث تظهر الكائنات بزوايا مختلفة. يوفّر YOLO26 دقة وسرعة عاليتين لكشف الكائنات المدارة في سيناريوهات متنوعة.
الخلاصة#
يدعم Ultralytics YOLO26 مهام متعددة في الرؤية الحاسوبية، بما في ذلك الكشف، وتقسيم المثيلات، والتقسيم الدلالي، وتقدير العمق أحادي العين، والتصنيف، وكشف النقاط المفتاحية، وكشف الكائنات الموجّهة. تلبي كل مهمة احتياجات محددة في مجال الرؤية الحاسوبية، بدءًا من تحديد الكائنات الأساسي وصولًا إلى استدلال العمق الكثيف لكل بكسل. ومن خلال فهم إمكانات كل مهمة وتطبيقاتها، يمكنك اختيار النهج الأنسب لتحديات الرؤية الحاسوبية الخاصة بك والاستفادة من ميزات YOLO26 القوية لبناء حلول فعالة.
ما التالي#
هل اخترت مهمة؟ نسّق بياناتك لها باستخدام دليل مجموعات البيانات، ثم درّب النموذج على صورك الخاصة.
الأسئلة الشائعة#
Ultralytics YOLO26 هو إطار عمل مرن للذكاء الاصطناعي قادر على تنفيذ مهام متنوعة في الرؤية الحاسوبية بدقة وسرعة عاليتين. وتشمل هذه المهام:
- كشف الكائنات: تحديد الكائنات وتعيين مواضعها في الصور أو إطارات الفيديو من خلال رسم مربعات إحاطة حولها.
- Instance Segmentation: إنتاج قناع على مستوى البكسل لكل كائن مكتشف، وهو مفيد لتطبيقات مثل التصوير الطبي.
- التقسيم الدلالي: إسناد تصنيف إلى كل بكسل في الصورة لفهم المشهد فهمًا كثيفًا.
- Depth Estimation: التنبؤ بخريطة عمق لكل بكسل بالأمتار من صورة RGB واحدة.
- التصنيف: تصنيف الصور بأكملها استنادًا إلى محتواها.
- Pose Estimation: اكتشاف نقاط رئيسية محددة في صورة أو إطار فيديو لتتبع الحركات أو الوضعيات.
- كشف الكائنات الموجّهة (OBB): كشف الكائنات المدارة مع إضافة زاوية اتجاه لتحسين الدقة.
لاستخدام Ultralytics YOLO26 لكشف الكائنات، اتبع الخطوات التالية:
- جهّز مجموعة بياناتك بالتنسيق المناسب.
- درّب نموذج YOLO26 باستخدام مهمة الكشف.
- استخدم النموذج لإجراء التنبؤات من خلال تزويده بصور 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 resultsللحصول على تعليمات أكثر تفصيلًا، راجع أمثلة الكشف.
يوفّر استخدام YOLO26 لمهام التقسيم مزايا عديدة:
- دقة عالية: توفر مهمة التقسيم أقنعة دقيقة على مستوى البكسل.
- السرعة: جرى تحسين YOLO26 للتطبيقات الفورية، إذ يوفر معالجة سريعة حتى للصور عالية الدقة.
- تطبيقات متعددة: يُعد مثاليًا للتصوير الطبي، والقيادة الذاتية، وغيرها من التطبيقات التي تتطلب تقسيمًا مفصلًا للصور.
تعرّف على المزيد حول فوائد YOLO26 وحالات استخدامه في التقسيم ضمن قسم تقسيم الصور.
نعم، يستطيع Ultralytics YOLO26 تنفيذ تقدير الوضعية وكشف النقاط المفتاحية بفاعلية وبدقة وسرعة عاليتين. وتفيد هذه الميزة بوجه خاص في تتبع الحركات ضمن تطبيقات تحليلات الرياضة، والرعاية الصحية، والتفاعل بين الإنسان والحاسوب. يكتشف YOLO26 النقاط المفتاحية في صورة أو إطار فيديو، ما يتيح تقديرًا دقيقًا للوضعية.
لمزيد من التفاصيل ونصائح التنفيذ، تفضل بزيارة أمثلة تقدير الوضعية.
يوفر كشف الكائنات الموجّهة (OBB) باستخدام YOLO26 دقة محسّنة من خلال كشف الكائنات مع معامل زاوية إضافي. وتفيد هذه الميزة في التطبيقات التي تتطلب تحديدًا دقيقًا لمواضع الكائنات المدارة، مثل تحليل الصور الجوية وأتمتة المستودعات.
- دقة محسّنة: يقلل مكوّن الزاوية من الإيجابيات الكاذبة للكائنات المدارة.
- تطبيقات مرنة: مفيدة للمهام في التحليل الجغرافي المكاني، والروبوتات، وغير ذلك.
راجع قسم كشف الكائنات الموجّهة لمزيد من التفاصيل والأمثلة.