دليل البدء السريع لـ YOLOv5 🚀#

انطلق في رحلتك إلى عالم object detection الديناميكي في الوقت الفعلي مع Ultralytics YOLOv5! تم صياغة هذا الدليل ليكون نقطة بداية شاملة لعشاق ومحترفي الذكاء الاصطناعي الذين يهدفون إلى إتقان YOLOv5. من الإعداد الأولي إلى training techniques المتقدمة، نحن نوفر لك كل ما تحتاجه. بنهاية هذا الدليل، ستكون لديك المعرفة لتنفيذ YOLOv5 في مشاريعك بثقة باستخدام أحدث أساليب deep learning. لنشعل المحركات ونحلق في سماوات YOLOv5!

تثبيت#

استعد للإطلاق عن طريق استنساخ YOLOv5 repository وإعداد البيئة. هذا يضمن تثبيت جميع requirements اللازمة. تحقق من توفر Python>=3.8.0 وPyTorch>=1.8 جاهزين للإقلاع. هذه الأدوات الأساسية بالغة الأهمية لتشغيل YOLOv5 بفعالية.

git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies

الاستدلال باستخدام PyTorch Hub#

اختبر بساطة استدلال PyTorch Hub لـ YOLOv5، حيث يتم تنزيل models بسلاسة من أحدث release لـ YOLOv5. تستفيد هذه الطريقة من قوة PyTorch لتحميل النماذج وتنفيذها بسهولة، مما يجعل الحصول على التنبؤات أمراً مباشراً.

import torch

# Model loading
model = torch.hub.load("ultralytics/yolov5", "yolov5s")  # Can be 'yolov5n' - 'yolov5x6', or 'custom'

# Inference on images
img = "https://ultralytics.com/images/zidane.jpg"  # Can be a file, Path, PIL, OpenCV, numpy, or list of images

# Run inference
results = model(img)

# Display results
results.print()  # Other options: .show(), .save(), .crop(), .pandas(), etc. Explore these in the Predict mode documentation.

الاستدلال باستخدام detect.py#

استفد من detect.py من أجل inference متعدد الاستخدامات على مصادر متنوعة. فهو يجلب models تلقائياً من أحدث release لـ YOLOv5 ويحفظ النتائج بسهولة. هذا البرنامج النصي مثالي للاستخدام عبر سطر الأوامر ودمج YOLOv5 في أنظمة أكبر، مع دعم مدخلات مثل الصور، ومقاطع الفيديو، والمجلدات، وكاميرات الويب، وحتى live streams.

python detect.py --weights yolov5s.pt --source 0                              # webcam
python detect.py --weights yolov5s.pt --source image.jpg                      # image
python detect.py --weights yolov5s.pt --source video.mp4                      # video
python detect.py --weights yolov5s.pt --source screen                         # screenshot
python detect.py --weights yolov5s.pt --source path/                          # directory
python detect.py --weights yolov5s.pt --source list.txt                       # list of images
python detect.py --weights yolov5s.pt --source list.streams                   # list of streams
python detect.py --weights yolov5s.pt --source 'path/*.jpg'                   # glob pattern
python detect.py --weights yolov5s.pt --source 'https://youtu.be/LNwODJXcvt4' # YouTube video
python detect.py --weights yolov5s.pt --source 'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream

التدريب#

قم بمحاكاة معايير COCO dataset لـ YOLOv5 باتباع training instructions أدناه. يتم سحب models وdatasets اللازمة (مثل coco128.yaml أو coco.yaml الكامل) مباشرة من أحدث release لـ YOLOv5. عادةً ما يستغرق تدريب YOLOv5n/s/m/l/x على GPU من نوع V100 أوقاتاً تبلغ 1/2/4/6/8 أيام على التوالي (لاحظ أن إعدادات Multi-GPU training تعمل بشكل أسرع). قم تعظيم الأداء باستخدام أعلى --batch-size ممكن أو استخدم --batch-size -1 لميزة AutoBatch في YOLOv5، والتي تجد تلقائياً batch size الأمثل. أحجام الدفعات التالية مثالية لوحدات معالجة الرسومات V100-16GB. ارجع إلى configuration guide الخاصة بنا للحصول على تفاصيل حول ملفات إعداد النموذج (*.yaml).

# Train YOLOv5n on COCO128 for 3 epochs
python train.py --data coco128.yaml --epochs 3 --weights yolov5n.pt --batch-size 128

# Train YOLOv5s on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5s.yaml --batch-size 64

# Train YOLOv5m on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5m.yaml --batch-size 40

# Train YOLOv5l on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5l.yaml --batch-size 24

# Train YOLOv5x on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5x.yaml --batch-size 16

خلاصة القول، إن YOLOv5 ليس فقط أداة متطورة لاكتشاف الكائنات ولكنها أيضاً شهادة على قوة machine learning في تحويل طريقة تفاعلنا مع العالم من خلال الفهم البصري. بينما تتقدم خلال هذا الدليل وتبدأ في تطبيق YOLOv5 على مشاريعك، تذكر أنك في طليعة ثورة تكنولوجية، قادرة على تحقيق إنجازات رائعة في مجال computer vision. إذا احتجت إلى مزيد من الرؤى أو الدعم من زملائك الرؤى، فأنت مدعو إلى GitHub repository الخاص بنا، والذي يعد موطناً لمجتمع مزدهر من المطورين والباحثين. استكشف موارد إضافية مثل Ultralytics Platform لإدارة مجموعات البيانات وتدريب النماذج بدون تعليمات برمجية، أو تحقق من صفحة Solutions الخاصة بنا للحصول على تطبيقات واقعية وإلهام. استمر في الاستكشاف والابتكار واستمتع بروائع YOLOv5. اكتشافاً موفقاً! 🌠🔍