مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO11

Ultralytics YOLO11 هو إطار عمل متعدد الاستخدامات للذكاء الاصطناعي يدعم مهام رؤية حاسوبية متعددة. يمكن استخدام الإطار لأداء مهام الكشف والتجزئة والتجزئة والتقطيع والتصنيف وتقدير الوضعية. لكل مهمة من هذه المهام هدف وحالة استخدام مختلفة، مما يسمح لك بمعالجة تحديات الرؤية الحاسوبية المختلفة باستخدام إطار عمل واحد.

شاهد: استكشف Ultralytics YOLO المهام : اكتشاف الكائنوالتقسيم و OBB والتعقب وتقدير الوضعية.

الكشف

الكشف هو المهمة الأساسية التي يدعمها YOLO11. وهي تتضمّن تحديد الكائنات في صورة أو إطار فيديو ورسم مربعات محدّدة حولها. يتم تصنيف الكائنات المكتشفة إلى فئات مختلفة بناءً على ميزاتها. يمكن ل YOLO11 اكتشاف كائنات متعددة في صورة واحدة أو إطار فيديو واحد بدقة وسرعة عاليتين، مما يجعله مثاليًا لتطبيقات الوقت الحقيقي مثل أنظمة المراقبة والمركبات ذاتية القيادة.

أمثلة على الكشف

تجزئة الصور

يأخذ التقسيم عملية اكتشاف الأجسام إلى أبعد من ذلك من خلال تقسيم الصورة إلى مناطق مختلفة بناءً على المحتوى. يتم تخصيص تسمية لكل منطقة، مما يوفر دقة على مستوى البكسل لتطبيقات مثل التصوير الطبي والتحليل الزراعي ومراقبة جودة التصنيع. YOLO11 متغيرًا من بنية U-Net لإجراء تجزئة فعالة ودقيقة.

أمثلة على التقسيم

التصنيف

يتضمن التصنيف تصنيف الصور بأكملها بناءً على محتواها. تستفيد إمكانات التصنيف في YOLO11 من متغير من بنية EfficientNet لتقديم تصنيف عالي الأداء للصور. تُعد هذه المهمة ضرورية لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية والإشراف على المحتوى ومراقبة الحياة البرية.

أمثلة على التصنيف

تقدير الوضعية

يكتشف تقدير الوضعيات نقاطًا رئيسية محددة في الصور أو إطارات الفيديو لتتبع الحركات أو تقدير الوضعيات. يمكن أن تمثل هذه النقاط الرئيسية المفاصل البشرية أو ملامح الوجه أو غيرها من النقاط المهمة الأخرى. يتفوق YOLO11 في اكتشاف النقاط الرئيسية بدقة وسرعة عاليتين، مما يجعله ذا قيمة لتطبيقات اللياقة البدنية والتحليلات الرياضية والتفاعل بين الإنسان والحاسوب.

أمثلة على الوضعيات

OBB

يعمل اكتشاف الصندوق المحدود الموجه (OBB) على تحسين الكشف التقليدي عن الأجسام عن طريق إضافة زاوية اتجاه لتحديد موقع الأجسام المدورة بشكل أفضل. تعتبر هذه الإمكانية ذات قيمة خاصة لتحليل الصور الجوية ومعالجة المستندات والتطبيقات الصناعية حيث تظهر الأجسام في زوايا مختلفة. يوفر YOLO11 دقة وسرعة عاليتين لاكتشاف الأجسام الدوارة في سيناريوهات متنوعة.

الكشف الموجه

الخاتمة

يدعم Ultralytics YOLO11 العديد من مهام رؤية الكمبيوتر، بما في ذلك الكشف والتجزئة والتصنيف والكشف عن الأجسام الموجهة والكشف عن النقاط الرئيسية. تعالج كل مهمة احتياجات محددة في مجال رؤية الكمبيوتر، بدءًا من تحديد الكائنات الأساسية إلى تحليل الوضعية التفصيلية. من خلال فهم قدرات وتطبيقات كل مهمة، يمكنك تحديد النهج الأنسب لتحديات رؤية الكمبيوتر الخاصة بك والاستفادة من ميزات YOLO11 القوية لبناء حلول فعالة.

الأسئلة الشائعة

ما هي مهام الرؤية الحاسوبية التي يمكن أن يؤديها Ultralytics YOLO11

Ultralytics YOLO11 هو إطار عمل متعدد الاستخدامات للذكاء الاصطناعي قادر على أداء مهام رؤية حاسوبية متنوعة بدقة وسرعة عاليتين. تشمل هذه المهام ما يلي:

• اكتشاف الأجسام: تحديد وتوطين الأجسام في الصور أو إطارات الفيديو عن طريق رسم مربعات محددة حولها.
• تجزئة الصور: تجزئة الصور إلى مناطق مختلفة بناءً على محتواها، وهو مفيد لتطبيقات مثل التصوير الطبي.
• التصنيف: تصنيف صور كاملة بناءً على محتواها، والاستفادة من المتغيرات في بنية EfficientNet.
• تقدير الوضعية: اكتشاف نقاط رئيسية محددة في صورة أو إطار فيديو لتتبع الحركات أو الوضعيات.
• الكشف عن الأجسام الموجهة (OBB): اكتشاف الأجسام المدوّرة بزاوية توجيه مضافة لتحسين الدقة.

كيف يمكنني استخدام Ultralytics YOLO11 لاكتشاف الأجسام؟

لاستخدام Ultralytics YOLO11 للكشف عن الأجسام، اتبع الخطوات التالية:

1. قم بإعداد مجموعة بياناتك بالصيغة المناسبة.
2. تدريب النموذج YOLO11 باستخدام مهمة الكشف.
3. استخدم النموذج لعمل تنبؤات من خلال إدخال صور أو إطارات فيديو جديدة.

from ultralytics import YOLO

# Load a pre-trained YOLO model (adjust model type as needed)
model = YOLO("yolo11n.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 results

# Run YOLO detection from the command line
yolo detect model=yolo11n.pt source="image.jpg" # Adjust model and source as needed

لمزيد من الإرشادات التفصيلية، راجع أمثلة الكشف لدينا.

ما هي فوائد استخدام YOLO11 لمهام التجزئة؟

يوفر استخدام YOLO11 لمهام التجزئة العديد من المزايا:

1. دقة عالية: تستفيد مهمة التجزئة من متغير من بنية U-Net لتحقيق تجزئة دقيقة.
2. السرعة: تم تحسين YOLO11 للتطبيقات في الوقت الحقيقي، مما يوفر معالجة سريعة حتى للصور عالية الدقة.
3. تطبيقات متعددة: إنه مثالي للتصوير الطبي والقيادة الذاتية والتطبيقات الأخرى التي تتطلب تجزئة مفصلة للصور.

تعرف على المزيد حول فوائد وحالات استخدام YOLO11 للتجزئة في قسم تجزئة الصور.

هل يمكن لموقع Ultralytics YOLO11 التعامل مع تقدير الوضعية واكتشاف النقاط الرئيسية؟

نعم، يمكن للموقع Ultralytics YOLO11 إجراء تقدير الوضعية واكتشاف النقاط الرئيسية بفعالية وبدقة وسرعة عاليتين. تُعد هذه الميزة مفيدة بشكل خاص لتتبع الحركات في التحليلات الرياضية والرعاية الصحية وتطبيقات التفاعل بين الإنسان والحاسوب. YOLO11 يكتشف نقاط المفتاح في صورة أو إطار فيديو، مما يسمح بتقدير الوضع بدقة.

لمزيد من التفاصيل ونصائح التنفيذ، تفضل بزيارة أمثلة تقدير الوضعيات.

لماذا يجب أن أختار Ultralytics YOLO11 للكشف عن الكائنات الموجهة (OBB)؟

توفر ميزة الكشف عن الأجسام الموجهة (OBB) مع YOLO11 دقة محسّنة من خلال اكتشاف الأجسام بمعامل زاوية إضافي. تُعد هذه الميزة مفيدة للتطبيقات التي تتطلب تحديدًا دقيقًا لتوطين الأجسام المدورة، مثل تحليل الصور الجوية وأتمتة المستودعات.

• زيادة الدقة: يقلل مكوّن الزاوية من النتائج الإيجابية الخاطئة للأجسام المدوّرة.
• تطبيقات متعددة الاستخدامات: مفيدة للمهام في التحليل الجغرافي المكاني والروبوتات وغيرها.

راجع قسم اكتشاف الكائنات الموجهة لمزيد من التفاصيل والأمثلة.

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 22 يومًا

التعليقات