مهام رؤية الحاسوب المدعومة من Ultralytics YOLO26#
Ultralytics YOLO26 هو إطار عمل ذكاء اصطناعي متعدد الاستخدامات يدعم مهام رؤية حاسوبية متعددة. يمكن استخدام إطار العمل لتنفيذ الكشف، والتجزئة، والتجزئة الدلالية، وتقدير العمق، والتصنيف، وتقدير الوضعيات، والصناديق المحيطة الموجهة (OBB). لكل مهمة من هذه المهام هدف مختلف وحالة استخدام خاصة بها، مما يتيح لك معالجة تحديات الرؤية الحاسوبية المختلفة باستخدام إطار عمل واحد.
Watch: Explore Ultralytics YOLO Tasks: Object Detection, Segmentation, OBB, Tracking, and Pose Estimation.
الاكتشاف#
الكشف هو المهمة الأساسية التي تدعمها YOLO26. يتضمن تحديد الكائنات في إطار صورة أو فيديو ورسم صندوق محيط حولها. يتم تصنيف الكائنات المكتشفة إلى فئات مختلفة بناءً على ميزاتها. يمكن لـ YOLO26 اكتشاف عدة كائنات في إطار صورة أو فيديو واحد بدقة وسرعة عالية، مما يجعله مثاليًا للتطبيقات في الوقت الفعلي مثل أنظمة المراقبة والمركبات ذاتية القيادة.
تجزئة الصور#
تأخذ التجزئة اكتشاف الكائنات إلى أبعد من ذلك من خلال إنتاج أقنعة على مستوى البكسل لكل كائن. هذه الدقة مفيدة لتطبيقات مثل التصوير الطبي، والتحليل الزراعي، ومراقبة جودة التصنيع.
التجزئة الدلالية#
تعمل التجزئة الدلالية على تعيين تسمية فئة لكل بكسل في الصورة، مما ينتج عنه خريطة فئة كثيفة للمشهد بأكمله. على عكس تجزئة المثيلات، فهي لا تميز بين الكائنات الفردية التي تنتمي إلى نفس الفئة. هذا يجعلها مثالية للقيادة الذاتية، وتحليل المشاهد، ورسم خرائط الغطاء الأرضي حيث يكون فهم التخطيط المكاني الكامل أكثر أهمية من تحديد الكائنات الفردية.
تقدير العمق أحادي العين#
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، والإشراف على المحتوى، ومراقبة الحياة البرية.
تقدير الوضعية#
يكشف تقدير الوضعية عن نقاط رئيسية محددة في الصور أو إطارات الفيديو لتتبع الحركات أو تقدير الوضعيات. يمكن أن تمثل هذه النقاط الرئيسية المفاصل البشرية، أو ملامح الوجه، أو نقاط الاهتمام البارزة الأخرى. تتفوق YOLO26 في اكتشاف النقاط الرئيسية بدقة وسرعة عالية، مما يجعلها قيّمة لتطبيقات اللياقة البدنية، وتحليلات الرياضة، والتفاعل بين الإنسان والحاسوب.
OBB#
يعزز الكشف بالصناديق المحيطة الموجهة (OBB) اكتشاف الكائنات التقليدية من خلال إضافة زاوية توجيه لتحديد مواقع الكائنات المدارة بشكل أفضل. هذه المقدرة قيّمة بشكل خاص لتحليل الصور الجوية، ومعالجة المستندات، والتطبيقات الصناعية حيث تظهر الكائنات بزوايا مختلفة. تقدم YOLO26 دقة وسرعة عالية لاكتشاف الكائنات المدارة 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 بتنسيق بياناتك لها باستخدام دليل مجموعات البيانات، ثم قم بالتدريب 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 محيطة حولها.
- تجزئة الصور: تجزئة الصور إلى مناطق مختلفة بناءً على محتواها، وهي مفيدة لتطبيقات مثل التصوير الطبي.
- التجزئة الدلالية: تعيين تسمية فئة لكل بكسل في الصورة لفهم المشهد بكثافة.
- تقدير العمق أحادي العين: التنبؤ بخريطة عمق لكل بكسل بالمتر 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 الوضعيات.
- كشف الكائنات الموجهة (OBB): اكتشاف الكائنات المدارة مع إضافة زاوية توجيه 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 الإرشادات التفصيلية، راجع 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 الموجهة (OBB) باستخدام YOLO26 دقة محسنة من خلال اكتشاف الكائنات بمعلمة زاوية إضافية. هذه الميزة مفيدة للتطبيقات التي تتطلب توطينًا دقيقًا للكائنات المدارة، 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.
راجع قسم كشف الكائنات الموجهة لمزيد من التفاصيل والأمثلة.