مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO26#
Ultralytics YOLO26 إطار عمل مرن للذكاء الاصطناعي يدعم مهامًا متعددة في الرؤية الحاسوبية. ويمكن استخدام إطار العمل لتنفيذ مهام الاكتشاف، والتقسيم، والتقسيم الدلالي، وتقدير العمق، والتصنيف، وتقدير الوضعيات، وOBB. لكل مهمة من هذه المهام هدف وحالة استخدام مختلفان، ما يتيح لك معالجة تحديات متنوعة في الرؤية الحاسوبية باستخدام إطار عمل واحد.
للاطلاع على الدعم المخطط له لـ YOLO27، راجع معاينة YOLO27. سيصدر YOLO27 قريبًا، وهو غير متاح بعد؛ يستخدم هذا الدليل نماذج YOLO26 المُصدرة.
شاهد: استكشف مهام Ultralytics YOLO26: اكتشاف الكائنات، وتقسيم المثيلات، والتقسيم الدلالي، وتقدير العمق، والتصنيف، وتقدير الوضعية، وOBB.
الكشف#
الكشف هو المهمة الأساسية التي يدعمها YOLO26. ويتضمن تحديد الأجسام في صورة أو إطار فيديو ورسم مربعات إحاطة حولها. تُصنّف الأجسام المكتشفة إلى فئات مختلفة بناءً على خصائصها. يستطيع YOLO26 اكتشاف أجسام متعددة في صورة واحدة أو إطار فيديو واحد بدرجة عالية من الدقة والسرعة، مما يجعله مثاليًا للتطبيقات الفورية مثل أنظمة المراقبة والمركبات ذاتية القيادة.
تجزئة الكائنات#
تطوّر عملية التقسيم اكتشاف الكائنات، إذ تنتج أقنعة على مستوى البكسل لكل كائن. وتفيد هذه الدقة في تطبيقات مثل التصوير الطبي، والتحليل الزراعي، ومراقبة الجودة في التصنيع.
التجزئة الدلالية#
يُسنِد التقسيم الدلالي تسمية فئة إلى كل بكسل في الصورة، منتجًا خريطة فئات كثيفة للمشهد بأكمله. وعلى خلاف تقسيم المثيلات، لا يميّز هذا النوع بين الكائنات الفردية من الفئة نفسها. لذلك فهو مثالي لـالقيادة الذاتية، وتحليل المشاهد، ورسم خرائط الغطاء الأرضي، حيث يكون فهم التوزيع 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 كثيفة من القيم العشرية محاذية لصورة الإدخال، ما يجعلها مناسبة لإعادة بناء المشاهد ثلاثية الأبعاد، وتنقّل الروبوتات، وتطبيقات الواقع المعزز والواقع الافتراضي التي تتطلب استنتاج التوزيع المكاني من كاميرا واحدة.
التصنيف#
يتضمن التصنيف إسناد فئات إلى الصور بأكملها استنادًا إلى محتواها. وتُعد هذه المهمة أساسية لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية، والإشراف على المحتوى، ومراقبة الحياة البرية.
تقدير الوضعية#
يكتشف تقدير الوضعيات نقاطًا مفتاحية محددة في الصور أو إطارات الفيديو لتتبّع الحركات أو تقدير الوضعيات. ويمكن أن تمثّل هذه النقاط مفاصل بشرية أو ملامح وجه أو نقاط اهتمام مهمة أخرى. ويتفوّق YOLO26 في اكتشاف النقاط المفتاحية بدقة وسرعة عاليتين، ما يجعله مفيدًا في تطبيقات اللياقة البدنية، وتحليلات الرياضة، والتفاعل بين الإنسان والحاسوب.
OBB#
يعزّز اكتشاف مربعات الإحاطة الموجّهة (OBB) اكتشافَ الأجسام التقليدي بإضافة زاوية اتجاه لتحسين تحديد مواقع الأجسام المُدارة. وتُعد هذه الإمكانية ذات قيمة خاصة في تحليل الصور الجوية، ومعالجة المستندات، والتطبيقات الصناعية، حيث تظهر الأجسام بزوايا مختلفة. يوفّر YOLO26 دقة عالية وسرعة كبيرة لاكتشاف الأجسام المُدارة في سيناريوهات متنوعة.
ما الخطوة التالية؟#
هل اخترت مهمة؟ نسّق بياناتك بما يناسبها باستخدام دليل مجموعات البيانات، ثم درّب النموذج على صورك.
الأسئلة الشائعة#
Ultralytics YOLO26 إطار عمل متعدد الاستخدامات للذكاء الاصطناعي، قادر على تنفيذ مهام متنوعة في الرؤية الحاسوبية بدقة عالية وسرعة كبيرة. تشمل هذه المهام:
- اكتشاف الأجسام: تحديد الأجسام في الصور أو إطارات الفيديو وتعيين مواقعها من خلال رسم مربعات إحاطة حولها.
- تجزئة المثيلات: إنشاء قناع على مستوى البكسل لكل جسم مكتشف، وهو مفيد لتطبيقات مثل التصوير الطبي.
- التجزئة الدلالية: إسناد تسمية فئة إلى كل بكسل في الصورة لفهم المشهد بكثافة.
- تقدير العمق: التنبؤ بخريطة عمق لكل بكسل، بوحدة المتر، انطلاقًا من صورة RGB واحدة.
- التصنيف: تصنيف الصور كاملةً استنادًا إلى محتواها.
- تقدير الوضعية: اكتشاف نقاط مفتاحية محددة في صورة أو إطار فيديو لتتبّع الحركات أو الوضعيات.
- اكتشاف الأجسام الموجّهة (OBB): اكتشاف الأجسام المُدارة بإضافة زاوية اتجاه لتحسين الدقة.
لاستخدام Ultralytics YOLO26 لاكتشاف الأجسام، اتبع الخطوات التالية:
- جهّز مجموعة بياناتك بالتنسيق المناسب.
- درّب نموذج YOLO26 باستخدام مهمة الاكتشاف.
- استخدم النموذج لإجراء التنبؤات من خلال إدخال صور جديدة أو إطارات فيديو.
مثالfrom ultralytics import YOLO # حمّل نموذج YOLO مُدرّبًا مسبقًا (وعدّل نوع النموذج حسب الحاجة) model = YOLO("yolo26n.pt") # تتوفر الإصدارات n وs وm وl وx # إجراء كشف الكائنات في صورة results = model.predict(source="image.jpg") # يمكن أيضًا استخدام فيديو أو دليل أو URL وما إلى ذلك # اعرض النتائج results[0].show() # اعرض نتائج الصورة الأولىللاطلاع على تعليمات أكثر تفصيلًا، راجع أمثلة الاكتشاف.
يوفّر استخدام YOLO26 لمهام التجزئة عدة مزايا:
- دقة عالية: توفّر مهمة التجزئة أقنعة دقيقة على مستوى البكسل.
- السرعة: جرى تحسين YOLO26 للتطبيقات الآنية، ما يتيح معالجة سريعة حتى للصور عالية الدقة.
- تطبيقات متعددة: يُعد مثاليًا للتصوير الطبي والقيادة الذاتية وغيرها من التطبيقات التي تتطلب تجزئة تفصيلية للصور.
تعرّف على مزيد من فوائد YOLO26 وحالات استخدامه في التجزئة ضمن قسم تجزئة الصور.
نعم، يستطيع Ultralytics YOLO26 تنفيذ تقدير الوضعية واكتشاف النقاط المفتاحية بفعالية ودقة عالية وسرعة كبيرة. وتفيد هذه الميزة خصوصًا في تتبّع الحركات ضمن تحليلات الرياضة والرعاية الصحية وتطبيقات التفاعل بين الإنسان والحاسوب. يكتشف YOLO26 النقاط المفتاحية في صورة أو إطار فيديو، ما يتيح تقديرًا دقيقًا للوضعية.
لمزيد من التفاصيل ونصائح التنفيذ، تفضّل بزيارة أمثلة تقدير الوضعية.
يوفّر اكتشاف الأجسام الموجّهة (OBB) باستخدام YOLO26 دقةً معززة عبر اكتشاف الأجسام باستخدام معامل زاوية إضافي. وتفيد هذه الميزة التطبيقات التي تتطلب تحديدًا دقيقًا لمواقع الأجسام المُدارة، مثل تحليل الصور الجوية وأتمتة المستودعات.
- زيادة الدقة: يقلّل مكوّن الزاوية الإيجابيات الكاذبة للأجسام المُدارة.
- تطبيقات متعددة الاستخدامات: مفيد لمهام التحليل الجغرافي المكاني والروبوتات وغيرها.
اطّلع على قسم اكتشاف الأجسام الموجّهة لمزيد من التفاصيل والأمثلة.