بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
إعدادات ملفات تعريف الارتباط
بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
تتسلل أحدث تقنيات الذكاء الاصطناعي إلى مجموعة واسعة من القطاعات، بدءًا من القيادة الذاتية وصولاً إلى الزراعة الدقيقة. فعلى سبيل المثال، يستخدم مزارعو الألبان الذكاء الاصطناعي وتحليل الصور detect التي تصيب الماشية. ويمكن مراقبة المشكلات الصحية مثل العرج من خلال ملاحظة التغيرات في مشية الحيوان ووضعيته، مثل انحناء الظهر والحركة غير المتناسقة.
الشكل 1. مثال على مراقبة الأبقار باستخدام الذكاء الاصطناعي وتحليل الصور.
تُعد الرؤية الحاسوبية، وهي أحد فروع الذكاء الاصطناعي، عاملاً أساسياً في تمكين مثل هذه التطبيقات من خلال تمكين الآلات من تفسير البيانات المرئية وتحليلها. وعلى وجه التحديد، تُعد «تجزئة الكائنات» مهمة من مهام الرؤية الحاسوبية تهدف إلى تحديد كل كائن في الصورة وتقسيمه على مستوى البكسل، مما يتيح detect الحيوانات الفردية detect بدقة.
يلعب تعليق المضلعات دورًا رئيسيًا في هذه العملية. وهي طريقة لتعليق البيانات تُستخدم لتتبع الشكل الدقيق للكائن في الصورة بدقة من خلال وضع نقاط على طول حوافه. وعلى عكس التعليقات البسيطة التي تعتمد على المربعات المحيطة، تتبع هذه الطريقة المخطط الحقيقي للكائن، مما يساعد في إنشاء بيانات تدريب أكثر دقة ويمكّن نماذج الذكاء الاصطناعي للرؤية من فهم حدود الكائنات بشكل أفضل.
في الوقت الحاضر، تتوفر العديد من الأدوات لإنشاء التعليقات التوضيحية للمضلعات. ومع ذلك، غالبًا ما تبدو هذه الخيارات غير متكاملة، لا سيما عندما تقدم دعمًا غير متسق أو محدودًا لأنواع مختلفة من التعليقات التوضيحية، مما يجعل من الصعب إدارة احتياجات التسمية المتنوعة ضمن مسار عمل واحد.
Ultralytics وهي مساحة العمل الشاملة الجديدة الخاصة بنا في مجال الذكاء الاصطناعي للرؤية، والتي تربط بين إدارة مجموعات البيانات والتعليق عليها والتدريب والنشر والمراقبة، تعالج هذه المشكلة من خلال دعم أنواع متعددة من التعليقات وسير العمل المدعوم بالذكاء الاصطناعي في مساحة عمل واحدة متكاملة، مما يبسط عملية التعليق بأكملها.
في هذا المقال، سنتعرف على ماهية التعليقات التوضيحية للمضلعات وكيفية إنشائها باستخدام Ultralytics . هيا بنا نبدأ!
نظرة فاحصة على التعليقات التوضيحية للمضلعات
قبل أن نبدأ في استكشاف Ultralytics وميزات تعليق المضلعات التي توفرها، دعونا نتوقف قليلاً ونفهم ما هو تعليق المضلعات.
التعليق على الصور هو عملية إضافة تسميات إلى البيانات المرئية حتى تتمكن نماذج الذكاء الاصطناعي من فهم ما تراه. وعادةً ما تتضمن هذه العملية تحديد الكائنات الموجودة في الصورة وتمييزها بطريقة تسمح للنموذج بالتعلم منها.
تتمثل إحدى الطرق الأكثر شيوعًا في رسم مربعات مستطيلة حول الكائنات، وهي ما تُعرف باسم «المربعات المحيطة». ومع ذلك، فإن المربعات المحيطة لا توفر سوى مخطط تقريبي للكائن. أما التعليق التوضيحي باستخدام المضلعات فهو نهج أكثر دقة.
وتعمل هذه الطريقة عن طريق تحديد الكائن (حدوده) نقطةً نقطةً بدلاً من إحاطته بمربع. وللقيام بذلك، يضع المُصنِّفون عدة رُؤوس (نقاط) على طول حواف الكائن، متتبعين محيطه حتى يتم تغطية الشكل بالكامل.
تشكل هذه النقاط المتصلة مضلعًا يعكس المخطط الطبيعي للكائن. ونظرًا لأن الشكل يتبع حدود الكائن بدقة، فإن التعليق التوضيحي يلتقط تفاصيل غالبًا ما تفوتها طرق التسمية التقليدية. ويكون ذلك مفيدًا بشكل خاص عندما تكون الكائنات ذات أشكال غير منتظمة أو حواف معقدة، مثل الأوراق، وصور ظلية البشر، والكائنات المتداخلة.
تساعد هذه الدقة في البيانات نماذج التعلم الآلي على التعلم بشكل أكثر فعالية أثناء تدريب النماذج. فعندما تحدد التعليقات التوضيحية بدقة الحدود الحقيقية للكائن، تتمكن النماذج من فهم أنماط الكائن بشكل أفضل على مستوى البكسل. ويؤدي ذلك إلى تحسين أداء النموذج، لا سيما في مهام التجزئة التي تتطلب دقة عالية.
دور التعليقات التوضيحية للمضلعات في سير عمل الرؤية الحاسوبية
إذن، كيف تُستخدم تعليقات المضلعات في الواقع؟ إنها مرتبطة ارتباطًا وثيقًا بنماذج الذكاء الاصطناعي البصري التي تدعم مهام تقسيم الصور، مثل تقسيم الحالات.
في العديد من تطبيقات الرؤية الحاسوبية، من الضروري معرفة المساحة الدقيقة التي يشغلها كل كائن في صورة أو إطار فيديو. ومن الأمثلة الجيدة على ذلك اكتشاف أجزاء السيارات في مجال التصنيع. وفي هذه الحالة، يتعين على النماذج تحديد أجزاء مثل الأبواب والنوافذ والمصابيح الأمامية ورسم حدودها بدقة، حتى عندما تتداخل هذه الأجزاء أو تكون ذات أشكال معقدة.
وهنا يأتي دور تقسيم الحالات. فهي تمكّن النماذج من detect كائن وتحديد حدوده بدقة على مستوى البكسل. وهذا يختلف عن عملية الكشف الأساسية عن الكائنات، التي تستخدم المربعات المحيطة.
الشكل 2. يمكن أن تساعد عملية تجزئة الكائنات أيضًا في تمييز الأجزاء التالفة في السيارة. (المصدر)
لا توفر مربعات الحدود سوى مناطق مستطيلة تقريبية حول الكائنات، وغالبًا ما تتضمن أجزاءً إضافية من الخلفية، مما يجعل من الصعب تحديد الأشكال غير المنتظمة أو فصل العناصر المتداخلة.
تلعب التعليقات التوضيحية للمضلعات دوراً حيوياً في تحقيق هذا المستوى من الدقة. فالتتبع الدقيق لشكل كل كائن في صور مجموعة البيانات ينتج بيانات تدريب عالية الجودة تعكس الحدود الحقيقية للكائنات. وتساعد هذه التعليقات التوضيحية التفصيلية النماذج، مثل Ultralytics على فهم بنية كل مكون بشكل أفضل، مما يؤدي إلى نتائج تقسيم أكثر دقة.
محدودية أدوات التعليق على الصور التقليدية
بعد ذلك، دعونا نستعرض أوجه القصور في أدوات التعليق التوضيحي التقليدية لفهم الحاجة إلى حلول أكثر كفاءة وقابلية للتوسع مثل Ultralytics .
فيما يلي بعض التحديات الشائعة التي يواجهها المُعلِّقون عند استخدام أدوات التعليق على المضلعات التقليدية:
دعم محدود لأنواع التعليقات التوضيحية: تركز بعض الأدوات على تقنية تعليق توضيحي واحدة، مما يجعل من الصعب التعامل مع أنواع مختلفة مثل المضلعات والمربعات المحيطة والنقاط الرئيسية في مكان واحد.
التعامل غير الفعال مع التعليقات التوضيحية المعقدة: قد تفتقر الأدوات إلى الميزات التي تسهل وضع تعليقات توضيحية دقيقة على الكائنات المعقدة التي تحتوي على تفاصيل دقيقة.
نقص الميزات المدعومة بالذكاء الاصطناعي: تعتمد العديد من الأدوات كليًا على العمل اليدوي، دون دعم مدمج بالذكاء الاصطناعي لتسريع عملية وضع العلامات.
إدارة مجموعات البيانات المتفرقة: قد تكون إدارة مجموعات البيانات والإصدارات والتعليقات التوضيحية أمراً صعباً، لا سيما عندما لا توفر الأدوات مساحة عمل مركزية.
تتصدى Ultralytics لهذه التحديات من خلال ميزات التعليق التوضيحي المدعومة بالذكاء الاصطناعي، والتي تعمل YOLO «Segment Anything Models» (SAM) YOLO ». SAM للمستخدمين إنشاء أقنعة تجزئة عالية الجودة من مدخلات بسيطة مثل النقرات، والتي يمكن بعد ذلك تحسينها لتصبح تعليقات توضيحية دقيقة على شكل مضلعات.
وبالمثل، تستخدم عملية التوضيح الذكية YOLO YOLO مدربة مسبقًا أو مخصصة لإجراء الاستدلال على الصورة وإضافة تنبؤات، مثل المربعات المحيطة أو أقنعة التجزئة أو المربعات المحيطة الموجهة، كتعليقات توضيحية، والتي يمكن بعد ذلك مراجعتها وتعديلها حسب الحاجة. وتعمل هذه القدرات مجتمعة على جعل عملية التوضيح أسرع وأكثر اتساقًا وأسهل في التوسع.
أنواع التعليقات التوضيحية المختلفة التي تدعمها Ultralytics
تتضمن Ultralytics محرر تعليقات مدمجًا يتيح للمستخدمين إضافة تعليقات على الصور مباشرةً داخل مساحة العمل. وهذا يسهل عملية إنشاء مجموعات البيانات وإدارتها دون الاعتماد على أدوات منفصلة لتصنيف البيانات، والتي غالبًا ما تستغرق وقتًا طويلاً.
بالإضافة إلى التعليقات التوضيحية للمضلعات، تدعم Ultralytics عدة أنواع أخرى من التعليقات التوضيحية. وفيما يلي لمحة سريعة عنها:
المربعات المحيطة: يمكن للمُعلِّمين رسم مربعات مستطيلة بسيطة حول الكائنات، مما يسهل تصنيفها detect في الصورة.
النقاط الرئيسية: تُستخدم هذه الطريقة لتمييز نقاط محددة، مثل مفاصل الجسم أو المعالم البارزة، لأغراض مثل تقدير الوضع.
المربعات المحيطة الموجهة (OBBs): تتيح هذه المربعات للمستخدمين التقاط الكائنات المائلة أو الملتوية بدقة أكبر مقارنة بالمربعات المحيطة القياسية.
تصنيفات التصنيف: بالنسبة للمهام الأبسط، يمكن للمستخدمين تعيين تصنيفات للصور بأكملها بدلاً من تحديد العناصر الفردية.
تحديد الكائنات بمضلعات على Ultralytics
الآن، دعونا نرى كيفية إنشاء تعليقات توضيحية للمضلعات على Ultralytics سواء يدويًا أو باستخدام أدوات مدعومة بالذكاء الاصطناعي.
إنشاء تعليقات توضيحية للمضلعات يدويًا على Ultralytics
فيما يلي دليل سريع خطوة بخطوة لإنشاء تعليقات توضيحية للمضلعات يدويًّا:
الخطوة 1 - انتقل إلى مجموعة البيانات الخاصة بك: افتح مجموعة البيانات التي تحتوي على الصور التي تريد إضافة تعليقات توضيحية إليها. فهنا يتم تخزين وإدارة صورك وتعليقاتك التوضيحية.
الخطوة 2 - فتح صورة: انقر على صورة لفتحها في واجهة التعليق التوضيحي. يعتمد سير عمل التعليق التوضيحي على مهمة مجموعة البيانات. على سبيل المثال، في مجموعة بيانات تجزئة الكائنات، يتم إنشاء التعليقات التوضيحية باستخدام أقنعة مضلعة.
الخطوة 3 – ابدأ في إنشاء قناع: انقر على الصورة لبدء وضع العلامات. تضيف كل نقرة نقطة على طول حدود الكائن.
الخطوة 4 – تحديد محيط الكائن: استمر في النقر حول حواف الكائن لتحديد شكله.
الخطوة 5 – إكمال المضلع: يمكنك إما الضغط على مفتاح «Enter» أو النقر فوق النقطة الأولى لإكمال المضلع وتعيين تسمية للفئة.
الخطوة 6 – إضافة تعليقات توضيحية إضافية: كرر العملية لإنشاء المزيد من المضلعات للأجسام الأخرى الموجودة في الصورة.
الخطوة 7 – حفظ التعليقات التوضيحية: يتم حفظ التعليقات التوضيحية تلقائيًا فور إنشائها.
الشكل 3. نظرة على إنشاء تعليقات توضيحية للمضلعات يدويًّا باستخدام Ultralytics (المصدر)
التعليقات التوضيحية الذكية للمضلعات على Ultralytics
بعد ذلك، دعونا نلقي نظرة على ميزات وضع العلامات المدعومة بالذكاء الاصطناعي التي تدعمها Ultralytics والتي تعمل على تسريع عملية وضع العلامات.
توفر المنصة طريقتين للتعليق الذكي: الأولى مدعومة بنماذج Segment Anything لإنشاء تعليقات تفاعلية تعتمد على النقرات، والثانية مدعومة YOLO لإضافة تنبؤات النموذج مباشرةً كتعليقات. ويمكن استخدام كلتا الطريقتين للتعليق الذكي على الأشكال المتعددة الأضلاع.
التعليق التوضيحي الذكي باستخدام SAM Ultralytics
تعمل ميزة التوضيح SAM على Ultralytics على تبسيط عملية التصنيف اليدوي من خلال استخدام نموذج Segment Anything Model (SAM) لإنشاء أقنعة تقسيم بمدخلات قليلة للغاية. وبدلاً من تتبع الكائنات نقطةً نقطةً، يمكن للمستخدمين التفاعل مع الصورة باستخدام إرشادات بسيطة مثل النقرات للإشارة إلى ما يجب تضمينه أو استبعاده.
تدعم المنصة SAM متعددة، بما في ذلك SAM .1 و SAM مما يتيح للمستخدمين الاختيار بين الأداء الأسرع أو الدقة الأعلى حسب احتياجاتهم. وبناءً على المدخلات التي يقدمها المستخدم، SAM أقنعة على مستوى البكسل في الوقت الفعلي. ويمكن بعد ذلك تحسين هذه الأقنعة واستخدامها كتعليقات توضيحية للمضلعات، مما يجعل العملية أسرع وأكثر اتساقًا وأسهل في التوسع.
فيما يلي خطوات استخدام SAM تعليقات توضيحية للمضلعات في Ultralytics :
الخطوة 1 – فتح صورة: انتقل إلى مجموعة البيانات الخاصة بك وانقر على صورة لفتح عارض الصور بوضع ملء الشاشة.
الخطوة 2 – الدخول إلى وضع التعليقات التوضيحية: انقر على «تحرير»، ثم انتقل إلى الوضع الذكي (أو اضغط على المفتاح S) لتفعيل SAM.
الخطوة 3 – اختيار SAM : اختر SAM من شريط الأدوات وفقًا لمتطلباتك من حيث السرعة والدقة.
الخطوة 4 – تقديم التوجيهات: انقر بزر الفأرة الأيسر لإضافة نقاط إيجابية (تضمين المناطق) وانقر بزر الفأرة الأيمن لإضافة نقاط سلبية (استبعاد المناطق).
الخطوة 5 – إنشاء القناع وتطبيقه: SAM قناع التجزئة في الوقت الفعلي. اضغط على مفتاح «Enter» (أو استخدم ميزة التطبيق التلقائي) لتطبيق التسمية التوضيحية.
الخطوة 6 – تحسين التسمية التوضيحية: أضف المزيد من النقاط أو عدّل النتيجة إذا لزم الأمر لتحسين الدقة قبل الحفظ.
الشكل 4. تعليق المضلعات SAM ضمن Ultralytics (المصدر)
التعليق الذكي باستخدام YOLO Ultralytics
تعمل ميزة التعليقات التوضيحية الذكية YOLO في Ultralytics على تسريع عملية التصنيف من خلال استخدامYOLO المُدرَّبة مسبقًا Ultralytics أو YOLO المُحسَّنة لتوليد تنبؤات على الصورة وإضافتها كتعليقات توضيحية. ويمكن أن تشمل هذه التنبؤات مربعات تحديد أو أقنعة تقسيم أو مربعات تحديد موجهة، حسب مهمة مجموعة البيانات.
يمكن للمستخدمين بعد ذلك مراجعة هذه التعليقات التوضيحية وتحسينها حسب الحاجة. وفيما يلي نظرة عامة على الخطوات المتبعة لاستخدام التعليقات التوضيحية الذكية YOLO على Ultralytics :
الخطوة 1 – فتح صورة: انتقل إلى مجموعة البيانات الخاصة بك واختر صورة لفتحها في عارض الشاشة الكاملة.
الخطوة 2 – الدخول إلى وضع التعليق التوضيحي: انقر على «تحرير»، ثم انتقل إلى الوضع الذكي (أو اضغط على المفتاح S).
الخطوة 3 – اختيار YOLO : اختر YOLO من أداة اختيار النماذج الموجودة في شريط الأدوات.
الخطوة 4 – تشغيل التنبؤ: انقر على «تنبؤ» لكي يقوم النموذج بإنشاء التعليقات التوضيحية تلقائيًّا.
الخطوة 5 – مراجعة التعليقات التوضيحية: افحص المربعات المحيطة المتوقعة أو أقنعة التجزئة أو المربعات المحيطة المتوقعة (OBBs) التي تمت إضافتها إلى الصورة.
الخطوة 6 – التنقيح والحفظ: قم بتحرير التعليقات التوضيحية غير الصحيحة أو تعديلها أو إزالتها حسب الحاجة، ثم احفظ التسميات النهائية.
تُحدث تقنية التعليقات التوضيحية على المضلعات تأثيرًا حقيقيًا في مختلف القطاعات، بدءًا من مراقبة الجودة في مجال التصنيع وصولاً إلى الزراعة والرعاية الصحية. دعونا نستكشف بعض التطبيقات العملية الرئيسية.
الكشف عن الآفات باستخدام الرؤية الحاسوبية
في مجال الزراعة، يُعد رصد صحة المحاصيل أمراً بالغ الأهمية لتحسين المحصول وتقليل الخسائر. وقد يكون اكتشاف المناطق المصابة بالآفات على أوراق المحاصيل أمراً صعباً، حيث إن هذه المناطق غالباً ما تكون ذات أشكال غير منتظمة وحدود غير واضحة.
يمكن معالجة هذا النوع من المشكلات باستخدام تقنيات تجزئة الصور، مثل التجزئة الدلالية، التي تقوم بتصنيف جميع وحدات البكسل التي تنتمي إلى فئة معينة (مثل المناطق المصابة)، أو التجزئة الموضعية، التي تفصل بين حدود الكائنات بدقة أكبر.
بفضل Ultralytics يمكن للمستخدمين الاستعانة بالتعليقات التوضيحية متعددة الأضلاع لتحديد الشكل الدقيق لهذه المناطق المصابة. ويساعد ذلك في إنشاء مجموعات بيانات أكثر دقة، كما يسهل على خوارزميات الذكاء الاصطناعي الخاصة بالرؤية اكتشاف الأنماط الدقيقة في البيئات الزراعية.
ونتيجة لذلك، يمكن للفرق إنشاء بيانات تدريب أفضل تساعد النماذج على تحديد أماكن انتشار الآفات بدقة. ويعد هذا أكثر فعالية من استخدام المربعات المحيطة، التي قد تشمل أجزاء من الورقة غير المصابة.
تحليل الصور الطبية باستخدام تقنية تجزئة الحالات
وعلى غرار الكشف عن الآفات في مجال الزراعة، يمكن أن تؤثر حتى الاختلافات الطفيفة في الحدود على كيفية تحليل أمراض مثل السرطان في التصوير الطبي. ويكتسب هذا الأمر أهمية خاصة عند تحديد الحالات الشاذة في مجال الرعاية الصحية، مثل الأورام في صور الأشعة المقطعية.
قد تفوت طرق الترميز التقليدية الحواف الدقيقة أو تشمل الأنسجة المحيطة، مما قد يقلل من الدقة. وبفضل Ultralytics يمكن للفرق استخدام الترميز المتعدد الأضلاع لتتبع هذه المناطق بدقة في بيانات التدريب، مما يساعد النماذج على إنتاج تقسيم للأورام أكثر دقة وموثوقية.
النقاط الرئيسية
يُعد التوضيح المتعدد الأضلاع عنصراً أساسياً عندما تحتاج النماذج إلى فهم أشكال الكائنات في الصور بدقة عالية. فهو يساعد على تمثيل الأشكال المعقدة بشكل أكثر دقة، لا سيما عند استخدام Ultralytics . ومن خلال الجمع بين الدقة والأدوات القوية، يمكن للفرق بناء نماذج ذكاء اصطناعي أكثر موثوقية وأعلى أداءً.
