نظرة على حل البحث الدلالي للصور من Ultralytics

أبيرامي فينا

5 دقائق للقراءة

23 يونيو 2025

تعرّف على كيفية استخدام حل البحث الدلالي عن الصور من Ultralytics لمطابقة الصور مع الاستعلامات بسرعة، مما يجعل سير العمل الإبداعي والبحثي أكثر كفاءة.

يمكن أن يصبح تصفح معرض يضم مئات الصور أمرًا مربكًا بسرعة، خاصةً عندما تحاول العثور على شيء محدد للغاية. على سبيل المثال، قد يجد شخص ما يبحث عن خريطة لروما القديمة خرائط عشوائية للمدينة أو صور سفر بدلاً من ذلك.

تحدث هذه السيناريوهات لأن معظم أنظمة البحث عن الصور تعتمد على أسماء الملفات أو العلامات. وعلى الرغم من أن هذا قد ينجح في الاستعلامات العامة، إلا أنه غالبًا ما يكون قاصراً عند الحاجة إلى الدقة والتفاصيل والسياق. 

في الواقع، يواجه العديد من الأشخاص في مجالات مثل التصميم والتسويق والبحث صعوبة في العثور على الصور المناسبة، حيث إن عمليات البحث عن الكلمات الرئيسية نادراً ما تلتقط الفكرة المحددة التي يبحثون عنها. وقد يتسبب ذلك في حدوث تأخير وتعطيل الإنتاجية.

ولكن، بفضل التطورات الحديثة في مجال الذكاء الاصطناعي (AI)، يتم استبدال القيود التقليدية لأدوات البحث عن الصور بأنظمة أكثر ذكاءً وبديهية. على سبيل المثال، تتيح الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي يركز على تفسير البيانات المرئية وفهمها، إجراء عمليات بحث أسرع وأكثر دقة عن الصور من خلال تحليل المحتوى الفعلي للصور.

على وجه الخصوص، يتجاوز البحث الدلالي عن الصور مطابقة الكلمات المفتاحية من خلال فهم المعنى الكامن وراء البحث. فهو يتيح لك استخدام لغة طبيعية لوصف ما تبحث عنه والعثور على الصور التي تتطابق مع الفكرة، وليس فقط العلامات. على سبيل المثال، قد يؤدي البحث عن "حيوانات في حديقة حيوانات" إلى عرض صور حيوانات عشوائية في نظام تقليدي، بينما البحث الدلالي يفهم السياق ويعثر على صور لحيوانات في حديقة حيوانات.

الشكل 1. مثال على استخدام البحث الدلالي عن الصور لاسترجاع صور الحيوانات في حديقة الحيوانات.

سنستكشف في هذه المقالة كيفية عمل البحث الدلالي عن الصور ومناقشة بعض حالات الاستخدام الواقعية. كما سنلقي نظرة على حل البحث الدلالي عن الصور الذي تقدمه شركة Ultralytics، والذي يسهّل تطبيق هذا المفهوم في المشاريع اليومية. لنبدأ!

نظرة عامة على حل البحث الدلالي عن الصور الذي تقدمه Ultralytics

تقدم حزمة Ultralytics Python مجموعة من الحلول الجاهزة للاستخدام لتطبيقات الرؤية الحاسوبية الشائعة، بما في ذلك إدارة قوائم الانتظار، وحساب الكائنات القائمة على المنطقة، وحساب المسافة، والبحث الدلالي عن الصور. تم تصميم هذه الحلول لتكون سهلة الاستخدام، حتى بالنسبة لأولئك الذين ليس لديهم خبرة في الذكاء الاصطناعي أو رؤية الكمبيوتر.

من بينها حل البحث الدلالي عن الصور الذي يمكّن المستخدمين من العثور على الصور ذات الصلة باستخدام أوصاف اللغة الطبيعية بدلاً من الاعتماد على أسماء الملفات أو العلامات اليدوية. فهو يفهم المعنى الكامن وراء استعلام البحث ويعيد الصور التي تتطابق مع الفكرة، مما يجعله مفيداً بشكل خاص عندما تكون الدقة والسياق مهمين.

كيفية عمل حل البحث الدلالي عن الصور

يتم تشغيل حل Ultralytics للبحث الدلالي عن الصور بواسطة نموذجين متقدمين من نماذج الذكاء الاصطناعي: نموذج CLIP من OpenAI (لغة التباين - التدريب المسبق على الصور) ونموذج FAISS (البحث عن التشابه بالذكاء الاصطناعي على فيسبوك) من Meta. يقوم CLIP بتحويل كل من النصوص والصور إلى تمثيلات رقمية تُسمى التضمينات، والتي تلتقط معانيها وسياقها. يقوم FAISS بالبحث بكفاءة من خلال الملايين من هذه التضمينات للعثور على أكثرها صلة باستعلامك. 

كما أن واجهة الويب المبسطة المبنية مع Flask تجعل الحل سهل الاستخدام. يمكن للمستخدمين إدخال استعلامات اللغة الطبيعية واسترداد الصور المطابقة دون أي تصنيف يدوي أو إعداد بيانات يدوي.

تتمثل إحدى المزايا الرئيسية لهذا الحل في قدرته على التصوير الصفري. وهذا يعني أن بإمكانه تفسير الاستفسارات حول الأشياء أو المشاهد التي لم يتم تدريبه عليها تحديداً والرد عليها. ومن خلال الاستفادة من فهمه الواسع للغة والمرئيات، يمكنه إرجاع النتائج ذات الصلة حتى بالنسبة للمحتوى غير المألوف أو غير الموسوم.

على سبيل المثال، إذا كنت تستخدم الحل للبحث عن "بيئة مكتبية"، فقد يعرض لك صورًا لمكاتب أو غرف اجتماعات أو مساحات عمل، حتى لو لم تكن هذه الكلمات مرتبطة بالملفات. وهذا ما يجعل البحث الدلالي عن الصور في برنامج Ultralytics أداة عملية ومرنة للمشاريع الإبداعية والبحث والعمل مع مكتبات الصور الكبيرة.

الشكل 2. الاستعلام عن صور لبيئة مكتبية باستخدام حل البحث الدلالي عن الصور من Ultralytics.

التطبيقات الواقعية لحل البحث الدلالي عن الصور في العالم الحقيقي

والآن بعد أن أصبح لدينا فهم أفضل لحل البحث الدلالي عن الصور الذي تقدمه شركة Ultralytics، دعنا نتعرف على بعض التطبيقات الواقعية ونرى كيف يمكن لمختلف الصناعات دمجها في عمليات سير العمل المرئية الخاصة بها.

استخدام أدوات البحث عن الصور المدعومة بالذكاء الاصطناعي لإدارة مجموعة البيانات

تعد إدارة مجموعات بيانات الصور الضخمة إحدى أكثر المهام التي تستغرق وقتًا طويلاً في بناء حلول الرؤية الحاسوبية. في معظم الحالات، لا يحتاج المطورون إلى مجموعة البيانات بأكملها. بدلاً من ذلك، قد يبحثون عن أنواع محددة من الصور لتدريب النماذج أو إنشاء مجموعات تحقق نظيفة. ولكن قد يكون العثور على تلك الصور الدقيقة من بين آلاف الصور أمرًا صعبًا.

لنفترض أنك تعمل على مشروع يتضمن صوراً لركوب الخيل. قد تحتاج فقط إلى الصور التي يرتدي فيها الفارس خوذة أو يركب الخيل مع آخرين أو تم التقاطها في منتصف الحركة من الجانب. بدون التسميات المناسبة، قد يستغرق العثور على هذه الصور يدوياً الكثير من الوقت والجهد.

يمكن لحل البحث الدلالي عن الصور، المدعوم من Ultralytics، حل هذه المشكلة من خلال تمكين المطورين من استخدام استعلامات اللغة الطبيعية للعثور بسرعة على ما يحتاجون إليه، حتى في مجموعات البيانات الفوضوية أو غير المسماة. وهذا يقلل من الوقت المستغرق في الفرز ويسمح للفرق بالتركيز على بناء نماذج أفضل بكفاءة أكبر.

الشكل 3. يمكنك البحث عن صور محددة في مجموعات البيانات الكبيرة بسهولة.

البحث عن الصور الصفرية لمنتجات التجارة الإلكترونية 

قد يكون البحث عن منتجات محددة عبر الإنترنت محبطاً. فغالباً ما يصف المتسوقون ما يبحثون عنه بكلماتهم الخاصة، لكن قوائم المنتجات قد تستخدم مصطلحات أو تسميات مختلفة. عدم التطابق هذا يجعل من الصعب العثور على العناصر المناسبة، خاصة في الكتالوجات الكبيرة.

ضع في اعتبارك موقفًا يقوم فيه شخص ما بالتسوق لشراء أثاث ويبحث عن "أريكة وكرسي وطاولة". قد يكون المنتج الذي يبحث عنه مدرجاً تحت عنوان مختلف، مثل "طقم أريكة وكرسي وطاولة". نظرًا لأن المصطلحات غير متطابقة تمامًا، فقد لا يظهر المنتج في نتائج البحث، على الرغم من أنه ما يحتاجه العميل بالضبط.

الشكل 4. يساعد حل البحث الدلالي عن الصور الذي تقدمه شركة Ultralytics في مطابقة نوايا المستخدم مع صور المنتجات ذات الصلة.

فهرسة الصور المتقدمة للوسائط والنشر

وبالمثل، في مجالات مثل الصحافة والتدوين والتسويق الرقمي، تعتبر الصور المرئية ضرورية لسرد القصص. يمكن للصورة المناسبة أن تدعم الرسالة، وتضبط الإيقاع، وتحافظ على تفاعل القراء. ومع ذلك، فإن العثور على الصورة المثالية غالبًا ما يعني البحث في العديد من الملفات.

مثال جيد على ذلك هو مدون يكتب عن اتجاهات ديكور المنزل. قد يريدون صورة لغرفة معيشة مشرقة وبسيطة مع إضاءة طبيعية. ومع ذلك، إذا كانت الصور المتاحة موسومة فقط بمصطلحات عامة مثل "غرفة" أو "ديكور داخلي"، فقد يكون العثور على التطابق المناسب أمرًا محبطًا. 

من خلال البحث الدلالي عن الصور، يمكنهم ببساطة كتابة عبارة وصفية مثل "غرفة معيشة مشرقة وبسيطة ذات نوافذ كبيرة" واسترداد الصور التي تطابق الفكرة على الفور. ليست هناك حاجة للاعتماد على العلامات الدقيقة أو أسماء الملفات.

الشكل 5. يمكن لفرق المحتوى استخدام حل البحث الدلالي عن الصور من Ultralytics لتحسين اختيار الصور.

البحث عن الصور الدلالية لإلهام الفن والتصميم

عادةً ما ينطوي العمل الإبداعي مثل تصميم لوحة مزاجية أو جمع الإلهام لمشروع جديد على البحث في مجموعات صور كبيرة للعثور على صور تتطابق مع نمط أو فكرة معينة. من الأمثلة المثيرة للاهتمام المصممين الذين يعملون على مجموعة من الصور لفيلم. قد يحتاجون إلى تصوير مزاج أو فترة زمنية أو جو معين. قد يتراوح ذلك من مدينة مستقبلية إلى غرفة معيشة مريحة مصممة على طراز الثمانينيات.

يعمل البحث الدلالي عن الصور في برنامج Ultralytics على تسهيل ذلك من خلال ربط اللغة بالمعنى المرئي. وهذا يجعل من الممكن للفرق استكشاف الأفكار بسرعة والحفاظ على التركيز، دون إبطاء البحث اليدوي.

الشكل 6. يدعم حل البحث الدلالي عن الصور من Ultralytics الاستكشاف المرئي الأسرع للمشاريع الإبداعية.

إيجابيات وسلبيات البحث عن الصور باستخدام الذكاء الاصطناعي

فيما يلي بعض المزايا الرئيسية لاستخدام البحث عن الصور المدعوم بالذكاء الاصطناعي لتحسين سير العمل المرئي وكفاءة البحث;

  • دعم اللغة الطبيعية: يمكن للأشخاص العثور على الصور من خلال وصفها بكلماتهم الخاصة، دون استخدام تسميات محددة مسبقاً.
  • دعم تنسيقات الصور الشائعة: عادةً ما تعمل هذه الأنظمة مع التنسيقات القياسية مثل JPG و PNG، لذا لا حاجة لتحويل الملفات أو إعادة تنسيقها.
  • يتكامل مع الأدوات الأخرى: يمكن في كثير من الأحيان دمج البحث عن الصور المدعوم بالذكاء الاصطناعي في خطوط أنابيب أكبر أو لوحات المعلومات أو البرامج الإبداعية.

على الرغم من أن حلول البحث عن الصور المدعومة بالذكاء الاصطناعي تقدم العديد من الفوائد، إلا أن هناك أيضاً بعض القيود التي يجب وضعها في الاعتبار. إليك بعض العوامل التي يجب أخذها في الاعتبار:

  • دقة محدودة مع الاستعلامات المتخصصة: إذا كان الاستعلام محددًا جدًا أو غير اعتيادي، فقد يُرجع النظام نتائج أقل صلة بالموضوع بسبب الثغرات في بيانات تدريب النموذج.
  • التحيز في بيانات التدريب: يمكن لنماذج الذكاء الاصطناعي أن تعكس التحيزات الموجودة في مجموعات البيانات التي تم تدريبها عليها، مما قد يؤدي إلى نتائج منحرفة أو غير كاملة.
  • يعتمد الأداء على جودة الصورة: يمكن أن تقلل الصور منخفضة الدقة أو غير الواضحة من فعالية توليد التضمين ودقة البحث.

الوجبات الرئيسية

يؤدي البحث الدلالي عن الصور إلى تحويل التركيز من مطابقة الكلمات المفتاحية إلى فهم المعنى، مما يساعد المستخدمين في العثور على الصور بناءً على السياق بدلاً من مجرد العلامات أو أسماء الملفات. وهذا يجعل تجربة البحث أسرع وأكثر دقة وأكثر توافقاً مع ما يبحث عنه المستخدمون بالفعل. 

بالنسبة للفرق الإبداعية والقطاعات التي تعتمد على المحتوى، يعني ذلك قضاء وقت أقل في فرز الملفات غير ذات الصلة ووقت أطول في تطوير الأفكار. يمكن للمؤسسات التي تدير كميات كبيرة من البيانات المرئية استخدام حلول مثل البحث الدلالي عن الصور من Ultralytics لتبسيط اكتشاف المحتوى وتقليل الفرز اليدوي واتخاذ قرارات أكثر ذكاءً وسرعة بناءً على السياق المرئي.

كن جزءًا من مجتمعنا واستكشف مستودع GitHub الخاص بنا لمزيد من الأفكار حول الذكاء الاصطناعي. ألقِ نظرة على صفحات الحلول الخاصة بنا لمعرفة المزيد عن الابتكارات مثل الذكاء الاصطناعي في مجال الخدمات اللوجستية والرؤية الحاسوبية في مجال الرعاية الصحية. اطلع على خيارات الترخيص لدينا وابدأ اليوم!

دعونا نبني المستقبل
للذكاء الاصطناعي معاً!

ابدأ رحلتك مع مستقبل التعلم الآلي

ابدأ مجاناً
تم نسخ الرابط إلى الحافظة