ترخيص YOLO
منصة Ultralytics

اتجاه EXIF في Ultralytics YOLO: لماذا تُفسد الصور المائلة مجموعات البيانات

تؤدي قيم اتجاه EXIF من 5 إلى 8 إلى تبديل عرض الصورة وارتفاعها. تعرّف على كيفية تسبب إغفال الوسم في اختلال محاذاة التسميات، وكيف أصبحت Ultralytics تعرض الصور الموسومة بالاتجاه الصحيح.

Sergiu WaxmannSergiu Waxmann13 دقيقة قراءة
عارض ملء الشاشة في Ultralytics Platform يعرض صورة لعبور مشاة مشروحة من الأعلى، بجوار جدول لقيم اتجاه EXIF مع إبراز القيمة 6، تدوير 90 درجة باتجاه عقارب الساعة، على غلاف بتدرج أسود بعنوان شرح اتجاه EXIF

تبدو الصورة معتدلة في معرض الصور، وفي المتصفح، وفي أداة التعليق التوضيحي. ثم يقرأها برنامج التدريب مائلة، وقد تقع المربعات التي رسمتها على جزء خاطئ من الصورة. لا يحدث أي انهيار. إنما يتعلم النموذج من تسميات لم تعد تطابق وحدات البكسل.

تنفصل التسميات عن وحدات البكسل كلما استخدمت أداتان إطارين مختلفين للملف نفسه، واتجاه EXIF إحدى الطرق التي يحدث بها ذلك: وسم صغير في البيانات الوصفية يخبر البرنامج بكيفية تدوير الصورة للعرض، بينما تظل وحدات البكسل كما خزنتها الكاميرا. تطبق بعض أدوات القراءة هذا الوسم، ولا تطبقه أدوات أخرى. يشرح هذا الدليل الوسم، وكيف يتسبب في مشكلات في تعليق البيانات والتدريب، وكيفية تدقيق مجموعة بيانات بحثًا عنه. كما يتناول ميزتين أطلقناهما للتو: يطبق Ultralytics 8.4.214 الآن اتجاه EXIF باتساق عند قراءة الصور، ويمكن لـUltralytics Platform الآن تدوير الصورة والتعليقات التوضيحية معًا للملفات التي تكون وحدات البكسل فيها مائلة ببساطة.

اتجاه EXIF تعليمة للعرض، وليس تدويرًا#

يمكن للكاميرا حفظ وحدات البكسل كما قرأها مستشعرها، وكتابة قيمة Orientation في البيانات الوصفية EXIF للملف (الوسم 274 أو 0x0112)، بدلًا من تدوير شبكة البكسل نفسها. يدير عارض يراعي الوسم الصورة قبل عرضها؛ أما العارض الذي يتجاهله فيعرض الشبكة الخام. وتدوّر أجهزة أخرى بيانات البكسل قبل الحفظ، لذا يعتمد وجود الوسم في صورة بعينها على الجهاز والبرنامج اللذين تعاملا معها منذ ذلك الحين.

للوسم واحدة من ثماني قيم، مذكورة في مرجع وسوم EXIF من ExifTool:

القيمةالمعنىالعرض والارتفاع عند العرض
1عادي، بلا تغييركما خُزّنت
2انعكاس أفقيكما خُزّنت
3تدوير 180°كما خُزّنت
4انعكاس عموديكما خُزّنت
5انعكاس أفقي وتدوير 270° باتجاه عقارب الساعةتبديل
6تدوير 90° باتجاه عقارب الساعةتبديل
7انعكاس أفقي وتدوير 90° باتجاه عقارب الساعةتبديل
8تدوير 270° باتجاه عقارب الساعةتبديل

هناك تفصيلان مهمان للرؤية الحاسوبية. تبدّل القيم من 5 إلى 8 العرض والارتفاع عند العرض، لذا تصبح الصورة المخزنة بأبعاد 4000 x 3000 معروضة على الشاشة بأبعاد 3000 x 4000. وتتضمن القيم 2 و4 و5 و7 انعكاسًا، لذا قد تبدو الصورة معتدلة تقريبًا بينما يكون النص وترتيب العناصر من اليسار إلى اليمين معكوسين. والصورة العمودية الموسومة بالقيمة 6 هي الحالة الكلاسيكية للصورة المائلة.

لماذا تُفسد الصور المائلة مجموعات بيانات الرؤية بصمت#

تُخزّن مربعات الإحاطة والمضلعات والنقاط المفتاحية على هيئة إحداثيات بالنسبة إلى الصورة، وفي تنسيق Ultralytics YOLO تُطبّع هذه الإحداثيات إلى عرض الصورة وارتفاعها. ولا تكون ذات معنى إلا إذا اتفقت جميع الأدوات على الإطار الذي تشير إليه.

معبر مشاة ممطر يُرى من الأعلى ويظهر مرتين. اليسار: الصورة بعد تطبيق اتجاه EXIF، مع اكتشافات YOLO26x للأشخاص والمظلات. اليمين: الملف نفسه مقروءًا كما خُزّن، ومدارًا 90 درجة، مع وضع التسميات المطبّعة نفسها على وحدات البكسل المخزنة

ملف JPEG واحد باتجاه 6، مقروء بطريقتين. اليسار: بعد تطبيق الاتجاه، مع اكتشافات YOLO26x. اليمين: مع تجاهل الاتجاه، ووضع التسميات المطبّعة نفسها على وحدات البكسل المخزنة.

إليك كيف يمكن أن يختل التوافق في مجموعة بيانات تضم صورًا موسومة:

  1. يضع أحد المعلّقين التسميات على العرض المعتدل. إذا كان المتصفح أو أداة التعليق التوضيحي يطبق الوسم، فسيحيط المربع بالشخص في موضع ظهوره على الشاشة.
  2. يقرأ محمّل التدريب الشبكة المخزنة. إذا تخطى مفكّك الترميز الوسم، فسيُوضَع المربع المطبّع نفسه على وحدات بكسل مدوّرة 90 درجة، وقد يغطي بذلك كائنًا خاطئًا أو لا يغطي شيئًا.
  3. يستمر التدريب على أي حال. تظل الإحداثيات بين 0 و1، لذا لا يفشل أي فحص للتنسيق. ويتعلم النموذج من أزواج غير متطابقة، ما قد يضر بتنبؤاته على الصور الحقيقية. وإذا كان تقسيم التحقق من الصحة يضم الاختلال نفسه، فقد تضللك متوسط الدقة بدلًا من تنبيهك إلى المشكلة.

يصعب اكتشاف الاتجاهات المعكوسة، لأن الصورة المقلوبة قد تجتاز فحصًا بصريًا سريعًا. فهي تعكس النص، وفي تقدير الوضعية تنقل معالم الجسم اليمنى واليسرى بعيدًا عن تسمياتها.

كما يسهل إخفاء المشكلة. فقد تخلط مجموعة بيانات مبنية من صور مرفوعة من الهواتف أو عمليات تفتيش ميدانية أو صور جماعية المصادر ملفات موسومة وأخرى غير موسومة، ولا تختل المحاذاة إلا للصور المقروءة في إطار مختلف عن إطار تسمياتها. ويبدو الضرر كأنه تسميات مشوشة لا خلل في مسار المعالجة.

يمكن قراءة الملف نفسه بطريقتين في OpenCV#

إذا قرأت الصور باستخدام OpenCV، فإن تطبيق الوسم يعتمد على طريقة استدعاء الدالة. توضح وثائق OpenCV imread أن اتجاه EXIF يُطبّق ما لم يُمرر IMREAD_IGNORE_ORIENTATION أو IMREAD_UNCHANGED. ومن السهل اللجوء إلى هذا الخيار الثاني: فهو الطريقة التي تتيح الاحتفاظ بقناة ألفا أو نطاقات إضافية.

عندما دققنا حزمة Ultralytics، وجدنا أن مسار القراءة فيها يعتمد على الخيار والتنسيق وإصدار OpenCV. قبل PR #27168، كان سلوك imread لدينا على النحو الآتي للاتجاهات من 2 إلى 8:

القراءةالنتيجة قبل 8.4.214
قراءة JPEG أو PNG أو WebP باستخدام IMREAD_UNCHANGED (مجموعات البيانات والنماذج التي تستخدم channels بقيمة غير 1 أو 3)كما خُزّنت، في جميع إصدارات OpenCV
WebP مع أي خيار، في إصدارات OpenCV السابقة لـ 5.0كما خُزّنت
predict("a.webp") مقابل predict(Image.open("a.webp"))، في إصدارات OpenCV السابقة لـ 5.0إطاران مختلفان
JPEG وPNG، ملون أو بتدرج الرماديمعتدل

كانت قراءات JPEG وPNG الملونة وذات التدرج الرمادي معتدلة بالفعل. وظهر الخطر في مجموعات البيانات التي تستخدم channels بقيمة غير 1 أو 3، وملفات WebP على OpenCV 4.x، والمقارنات بين التنبؤات على مسار WebP وصورة PIL. فعلى سبيل المثال، مع channels: 4، كان شكل الصورة المخزّن مؤقتًا معتدلًا بالفعل بينما لم تكن وحدات البكسل كذلك، ولذلك استخدمت الصور المبلطة والدفعات المستطيلة وتغيير حجم الأقنعة شكلًا متبدلًا.

يطبّق Ultralytics 8.4.214 اتجاه EXIF باتساق#

اعتبارًا من الإصدار 8.4.214، الذي صدر في 15 نوفمبر 2026، يطبق imread اتجاه EXIF على القراءات الملونة وذات التدرج الرمادي وغير المعدّلة عبر التنسيقات المدعومة وإصدارات OpenCV، باستثناء الحالات الحدّية القليلة المذكورة أدناه. يوضح مرجع imread الهدف: أن تشترك التسميات والتنبؤات في الإطار الذي تعرضه أدوات العرض. وتذكر وثائق مجموعات بيانات الكشف الآن الأمر نفسه بشأن إحداثيات التسميات، لتكون هذه القاعدة موثقة في الموضع الذي يرجع إليه مؤلفو مجموعات البيانات.

إليك باختصار طريقة العمل:

  • قراءات متسقة عبر المسارات. يجري تحميل صور مجموعات البيانات والتنبؤات على مسار صورة مفردة عبر imread في ultralytics/utils/patches.py، كما تستخدمه الآن مجموعات بيانات التصنيف وتقسيم DOTA. وتُفتح مسارات الصور الممررة إلى predict على هيئة قائمة باستخدام Pillow، ويُطبّق عليها تحويل EXIF، كما تُحوّل مدخلات صور PIL بالطريقة نفسها، بحيث تنتج جميعها الإطار المعتدل نفسه، باستثناء الحالات الحدّية المذكورة أدناه.
  • تطبيق الوسوم حيث يتجاهلها OpenCV. في القراءات غير المعدّلة، وفي جميع قراءات WebP، تُفكّ ترميزات الصورة باستخدام IMREAD_IGNORE_ORIENTATION ثم يُطبّق الوسم على المصفوفة، ولذلك لا تعتمد النتيجة على إصدار OpenCV.
  • تتحقق خطوة EXIF من محتوى الملف. يُطبّق الوسم على بيانات JPEG وWebP وPNG التي تتضمن جزء eXIf، حتى عند وجود امتداد غير مطابق مثل ملف JPEG باسم .webp. وتُترك بيانات TIFF لمفكّك ترميز TIFF في OpenCV، الذي يضبط اتجاهها بنفسه، بينما تُعالج ملفات AVIF وHEIC باستخدام exif_transpose في Pillow.
  • لا يُستخدم Pillow إلا عند الحاجة. تُفحص أجزاء PNG أولًا، لذا لا يُستدعى Pillow إلا عند وجود جزء eXIf.

تحققنا من التغيير باستخدام OpenCV 5.0.0 و4.12.0 و4.7.0 مع Pillow 13.0.0، وقارنّا وحدات البكسل بنتيجة exif_transpose في Pillow. قُرئت جميع الاتجاهات الثمانية باعتدال لصور JPEG وPNG (RGB وRGBA) وWebP (RGB وRGBA) في أوضاع القراءة الملونة وذات التدرج الرمادي وغير المعدّلة، أي 45 مجموعة إجمالًا، وفُكّت ترميزات الصور غير الموسومة إلى المصفوفات نفسها كما في السابق.

تُبقي بعض الحالات الحدّية الاتجاه كما خُزّن: ملف JPEG محفوظ بامتداد .tif أو .tiff (باستثناء قراءات التدرج الرمادي)، وقراءات JPEG وPNG التي تمرر فيها عمدًا IMREAD_IGNORE_ORIENTATION (تظل ملفات WebP مدوّرة إلى الوضع المعتدل)، وكذلك قراءات JPEG أو PNG غير المعدّلة وقراءات WebP للصور التي يتجاوز حجمها نحو 179 ميغابكسل، وفق حد وحدات البكسل الافتراضي في Pillow. في هذه الحالات، ادمج الاتجاه في وحدات البكسل قبل التدريب (راجع خطوات التدقيق أدناه).

انتقل إصدار ذاكرة التخزين المؤقت لمجموعة البيانات إلى 1.0.13، لذا ستُعاد مرة واحدة في التشغيل التالي بناء ذاكرات التخزين المؤقت للتسميات التي تحتفظ بالأشكال القديمة. ويُستثنى من ذلك ملف PNG الذي يأتي فيه جزء eXIf بعد بيانات الصورة؛ إذ تُقرأ وحدات البكسل باعتدال، لكن قد يبقى الشكل المخزّن مؤقتًا كما خُزّن أصلًا. ادمج الاتجاه في ملفات PNG تلك وأعد بناء ذاكرة التخزين المؤقت.

تدوير صورة وتسمياتها في Ultralytics Platform#

تعالج أداة القراءة الأفضل الملفات الموسومة. لكنها لا تفيد عندما تكون وحدات البكسل نفسها خاطئة: كمسح ضوئي أُدخل مائلًا، أو صورة صُدّرت مقلوبة رأسًا على عقب، أو وسم أُزيل في مرحلة سابقة فلم يبقَ إلا ترتيب وحدات البكسل المخزن. لا تستطيع البيانات الوصفية إخبارك بالاتجاه الذي ينبغي أن تواجهه هذه الصور. بل تحتاج إلى تدوير فعلي، كما تحتاج تسمياتها إلى الدوران معها.

تتيح أداة العرض بملء الشاشة في معرض مجموعات البيانات ضمن Ultralytics Platform تنفيذ ذلك الآن. باستخدام صلاحية التحرير، اضغط على R أو زر التدوير لتدوير الصورة وتعليقاتها التوضيحية 90 درجة باتجاه عقارب الساعة. تتحرك المربعات والمضلعات والنقاط المفتاحية مع وحدات البكسل، فتظل التعليقات التوضيحية على الكائنات التي تصفها.

طريقة تعاملها مع بياناتك:

  • لا تدهور تراكميًا. يحتفظ Platform بالصورة كما خُزّنت أول مرة، ويعرض كل تدويرة انطلاقًا من الأصل، فلا تؤدي التدويرات المتكررة إلى تدهور الصورة، كما أن إعادتها إلى الوضع المعتدل تستعيد الصورة الأصلية.
  • تحصل على وحدات البكسل بعد تدويرها. يدير Platform وحدات البكسل المخزنة بدلًا من كتابة إشارة تدوير، لذا لا تتضمن مجموعات البيانات المصدّرة أي حقل جديد، ويحفظ Download الصورة بالحجم الكامل مدوّرة كما تظهر.

لا يتوفر التدوير لمجموعات بيانات العمق أو المجموعات متعددة الأطياف أو الصور المخزنة بتنسيق TIFF أو مجموعات البيانات في التخزين السحابي وOn Premise.

يطبّق تطبيع الملفات المرفوعة في Platform اتجاه EXIF. عندما يصف الوسم الملف بدقة، تصل الصورة معتدلة، وتتبدل قيمتا عرضها وارتفاعها عند القيم من 5 إلى 8 لتتوافقا مع ذلك. استخدم Rotate عندما تظل الصورة في الاتجاه الخاطئ.

عارض ملء الشاشة في Ultralytics Platform يعرض صورة لعبور مشاة مشروحة ومخزنة على جانبها بأبعاد 3000 في 2400، والصورة نفسها بعد استخدام Rotate بأبعاد 2400 في 3000 مع تدوير مربعي الشخص والمظلة معها

صورة مائلة في عارض ملء الشاشة في Ultralytics Platform قبل استخدام Rotate وبعده. تنتقل أبعاد الصورة من 3000 x 2400 إلى 2400 x 3000، وتدور جميع التعليقات التوضيحية معها.

كيفية تدقيق اتجاه EXIF وإصلاحه في مجموعة بياناتك#

ابدأ بالبحث عن الوسوم. يعرض هذا البرنامج النصي ملفات JPEG وPNG وWebP الموجودة في مجلد والتي تكون قيمة وسم Orientation فيها غير 1:

from pathlib import Path

from PIL import Image

for path in Path("datasets/my_data/images").rglob("*"):
    if path.suffix.lower() in {".jpg", ".jpeg", ".png", ".webp"}:
        with Image.open(path) as im:
            orientation = im.getexif().get(274, 1)  # ⁨274 هو وسم اتجاه EXIF⁩
        if orientation != 1:
            print(path, orientation)

تعني النتيجة النظيفة أن أيًا من تلك الملفات لا يحمل قيمة Orientation غير 1. لكنها لا تكشف الملفات ذات الامتداد المضلل، أو الصور التي تكون وحدات البكسل المخزنة فيها مائلة، أو التسميات المرسومة في إطار مختلف. بعد ذلك، تأكد مما ستراه Ultralytics؛ ففي الإصدار 8.4.214 أو الأحدث، يعرض imread الإطار الظاهر، باستثناء الحالات الحدّية المذكورة أعلاه:

import cv2

from ultralytics.utils.patches import imread

img = imread("datasets/my_data/images/train/photo.jpg", cv2.IMREAD_UNCHANGED)
print(img.shape)  # ⁨(height, width, channels) كما تعرضه أدوات العرض⁩

من هنا، يعتمد الإصلاح على كيفية إنشاء التسميات:

  1. الترقية. شغّل pip install -U ultralytics للحصول على الإصدار 8.4.214 أو الأحدث، بحيث تقرأ عمليات التدريب والتحقق من الصحة والتنبؤ ملفات الصور الموسومة وصور PIL في الإطار الظاهر، مع مراعاة الحالات الحدّية المذكورة أعلاه. لا تحمل مصفوفات NumPy والموترات وسوم EXIF، لذا تأكد من ضبط اتجاهها بالشكل الصحيح قبل تمريرها إلى predict.
  2. امسح ذاكرات التخزين المؤقت القديمة للصور. إذا أنشأت عمليات تشغيل سابقة ذاكرات تخزين مؤقت للصور باسم .npy بجوار صورك، فاحذف هذه الملفات التي أنشأتها Ultralytics قبل الفحص أو إعادة التدريب، حتى إن كان التشغيل التالي يستخدم cache=False، لأن أداة التحميل قد تلتقط الملفات الموجودة. اترك ملفات NumPy غير ذات الصلة كما هي؛ إذ يُعاد بناء ذاكرات التخزين المؤقت للتسميات تلقائيًا.
  3. تحقق من عدد قليل من الصور الموسومة مقابل تسمياتها. ارسم التسميات على الصورة المعتدلة. إذا عمل المعلّقون باستخدام أداة تراعي الوسم، فستتطابق المربعات.
  4. إذا رُسمت التسميات على الشبكة المخزنة، وهو ما قد يحدث مع البرامج النصية أو الأدوات التي تتجاهل الوسم، فأعد وضع التسميات على تلك الصور أو حوّلها إلى العرض المعتدل. فتدوير وحدات البكسل وحدها ينقل موضع الاختلال فحسب.
  5. أصلح الصور التي تتجه وحدات البكسل فيها إلى الاتجاه الخاطئ باستخدام إجراء Rotate في Platform، الذي يدير التعليقات التوضيحية معها، ثم أعد التدريب.

لجعل الملفات تظهر بالطريقة نفسها في كل أداة، ولتغطية معظم الحالات الحدّية المذكورة أعلاه، ادمج الاتجاه في وحدات البكسل باستخدام ImageOps.exif_transpose في Pillow واحفظ نسخة. نفّذ ذلك قبل وضع التسميات، أو حوّل التسميات أيضًا. يصدر Pillow تحذيرًا عند تجاوز الحد الافتراضي لوحدات البكسل، ويرفض الصور التي يتجاوز حجمها ضعف ذلك الحد، أي نحو 179 ميغابكسل. وبالنسبة إلى الصور الكبيرة الموثوقة، ارفع قيمة Image.MAX_IMAGE_PIXELS قبل فتحها.

للاطلاع على قائمة تحقق أوسع قبل التدريب، تتناول دروس Academy حول ضبط جودة مجموعة البيانات وجودة التعليقات التوضيحية الفحوص الأخرى التي يجدر إجراؤها إلى جانب هذا الفحص.

زيادة البيانات بالتدوير لا تصلح اختلاف الاتجاه#

قد يبدو من المغري افتراض أن التدوير العشوائي أثناء التدريب يجعل الاتجاه غير مهم. تدير زيادة البيانات، مثل إعداد degrees في زيادة بيانات YOLO، الصورة وتسمياتها معًا، ما يحافظ على محاذاتها ويعلّم النموذج التعامل مع الكائنات المائلة. أما قراءة EXIF الخاطئة فتفصل الصورة عن تسمياتها قبل بدء زيادة البيانات، وتدويرهما معًا بعد ذلك يبقيهما منفصلتين.

ينطبق المنطق نفسه على المهام التي لها اتجاه مرجعي ثابت. فإذا كان نموذجك يقرأ النص، كما في دليلنا حول OCR في Python باستخدام Ultralytics YOLO26، أو يميّز اليسار من اليمين، فإن الاتجاه المعكوس يغيّر معنى الصورة، لا زاويتها فحسب.

من ينبغي له تدقيق اتجاه EXIF#

أجرِ الفحص إذا انطبق أي مما يلي على بياناتك:

  • صور الهواتف أو الأجهزة اللوحية، من عمليات التفتيش الميدانية أو تدقيقات البيع بالتجزئة أو مطالبات التأمين أو عمليات الجمع الجماعي للمصادر.
  • مصادر مختلطة جُمعت في مجموعة بيانات واحدة، حيث قد تحمل بعض الملفات وسومًا بينما لا تحملها ملفات أخرى.
  • مجموعات بيانات WebP، أو مجموعات البيانات ذات channels بقيمة غير 1 أو 3، التي دُرّبت باستخدام إصدارات Ultralytics الأقدم من 8.4.214.
  • المستندات الممسوحة ضوئيًا، إذ قد تصل الصفحات مائلة ضمن وحدات البكسل وتحتاج إلى تدوير فعلي.

بعد تنظيف البيانات، يمكنك إضافة التعليقات التوضيحية وتدريب نموذج Ultralytics YOLO26 في مساحة العمل نفسها، مع وضع كل تسمية على وحدات البكسل التي تصفها. ولمعرفة المزيد عن الحفاظ على سلامة مجموعة البيانات في Platform، راجع الإدارة الذكية لمجموعات البيانات باستخدام Ultralytics Platform.

الأسئلة الشائعة

  • اتجاه EXIF قيمة للبيانات الوصفية تتراوح من 1 إلى 8، وتُخزّن في الوسم 274 من ملف الصورة، وتخبر البرنامج بكيفية تدوير وحدات البكسل المخزنة أو عكسها لعرضها. تعني القيمة 1 عدم إجراء أي تغيير؛ وتعني القيمة 6 التدوير 90 درجة باتجاه عقارب الساعة. ولا تُدوّر وحدات البكسل نفسها، لذا تعرض الأدوات التي تتجاهل الوسم الصورة كما خُزّنت، وغالبًا ما تكون مائلة.

  • غالبًا ما يحمل الملف وسم Orientation لا تطبقه الأداة التي تستقبله. يراعي هاتفك ومتصفحك الوسم، فتبدو الصورة معتدلة فيهما، بينما يعرض مفكّك الترميز الذي يتجاهله الشبكة المخزنة. إذا كانت وحدات البكسل المخزنة مائلة ولم يصححها أي وسم، فدوّر الصورة نفسها.

  • عادةً. يطبّق imread في OpenCV الوسم ما لم تمرر IMREAD_IGNORE_ORIENTATION أو IMREAD_UNCHANGED، كما أن الإصدارات السابقة لـ 5.0 أبقت ملفات WebP على حالها كما خُزّنت. ومنذ الإصدار 8.4.214، يطبّق imread الخاص بـ Ultralytics الوسم على القراءات الملونة وذات التدرج الرمادي وغير المعدّلة في جميع إصدارات OpenCV التي اختبرناها.

  • نعم. بدءًا من Ultralytics 8.4.214، تُقرأ ملفات الصور وصور PIL بعد تطبيق اتجاه EXIF عليها، باستثناء بعض الحالات الحدّية، مثل ملف JPEG محفوظ بامتداد .tif، وتشير إحداثيات التسميات إلى الإطار الظاهر نفسه. لا تحمل مصفوفات NumPy والموترات وسوم EXIF، لذا يجب ضبط اتجاهها بالشكل الصحيح قبل التنبؤ.

  • افتح الصورة في عارض ملء الشاشة لمجموعة البيانات واضغط على R أو زر التدوير؛ فكل ضغطة تدوّر الصورة والتعليقات التوضيحية المرتبطة بها 90 درجة باتجاه عقارب الساعة. تحتاج إلى صلاحية التحرير، ولا يتوفر التدوير للصور ذات بيانات العمق أو متعددة الأطياف أو بصيغة TIFF، ولا لمجموعات البيانات المخزنة سحابيًا أو محليًا.

بقلم

Sergiu Waxmann
Sergiu Waxmann

مهندس برمجيات رئيسي · Ultralytics

سيرجيو واكسمان هو كبير مطوري الويب في Ultralytics، حيث يركز على بناء تجارب ويب ديناميكية وسهلة الاستخدام. وهو مهندس برمجيات متخصص في أطر تطوير الويب الحديثة، ويحمل درجة البكالوريوس في هندسة برمجيات الحاسوب من جامعة ساكسون للعلوم التطبيقية.

التعليقات

اطرح سؤالًا، أو شارك نتائجك، أو ساعد شخصًا آخر.

استكشف الحلول

الرؤية الحاسوبية في الرياضة

الرؤية الحاسوبية في الرياضة

اكتشف كيف يعزّز Ultralytics YOLO الرؤية الحاسوبية الرياضية عبر تتبّع اللاعبين والكرة، وتحليلات الأداء، ورؤى التدريب، وإعادة تأهيل الرياضيين.
معرفة المزيد
الرؤية الحاسوبية للصور الجوية

الرؤية الحاسوبية للصور الجوية

حوّل صور الطائرات المسيّرة والصور الجوية إلى رؤى آنية للزراعة وتربية الأحياء المائية والحفاظ على البيئة والتحليل الجغرافي المكاني باستخدام Ultralytics YOLO.
معرفة المزيد
الرؤية الحاسوبية في قطاع الطيران والفضاء

الرؤية الحاسوبية في قطاع الطيران والفضاء

طبّق الرؤية الحاسوبية في مجال الطيران والفضاء باستخدام Ultralytics YOLO لفحص الطائرات، واكتشاف الأجسام الغريبة على المدارج (FOD)، والعمليات الأرضية في المطارات، واكتشاف عيوب المواد المركّبة.
معرفة المزيد
الرؤية الحاسوبية في مجال الأمن

الرؤية الحاسوبية في مجال الأمن

احمِ كل موقع باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري مراقبة المحيط، واكتشاف التهديدات، والتعرف على لوحات المركبات، والسلامة في مكان العمل.
معرفة المزيد
الرؤية الحاسوبية في الروبوتات

الرؤية الحاسوبية في الروبوتات

عزّز أداء الآلات الذكية باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري في الروبوتات الملاحة الذاتية والإدراك وتعقب الأجسام والتحكم الآني.
معرفة المزيد
الرؤية الحاسوبية في الخدمات اللوجستية

الرؤية الحاسوبية في الخدمات اللوجستية

بسّط العمليات اللوجستية باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري فحص الطرود وفرزها وتتبع المركبات ومراقبة سلامة المستودعات في الوقت الفعلي.
معرفة المزيد
الرؤية الحاسوبية في تجارة التجزئة

الرؤية الحاسوبية في تجارة التجزئة

أعِد تصور تجارة التجزئة باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري تتبع المخزون ومراقبة الرفوف وإدارة الطوابير واستخلاص رؤى أذكى عن العملاء.
معرفة المزيد
الرؤية الحاسوبية في الرعاية الصحية

الرؤية الحاسوبية في الرعاية الصحية

أنشئ حلولًا للرعاية الصحية باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي البصري في الرعاية الصحية سرعة التصوير الطبي، وكفاءة التشخيص، ومراقبة المرضى.
معرفة المزيد
الرؤية الحاسوبية في التصنيع

الرؤية الحاسوبية في التصنيع

حسّن التصنيع باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية مراقبة الجودة واكتشاف العيوب والالتزام بمعدات الوقاية الشخصية وأتمتة خطوط التجميع.
معرفة المزيد
الرؤية الحاسوبية في قطاع السيارات

الرؤية الحاسوبية في قطاع السيارات

طبّق الرؤية الحاسوبية في قطاع السيارات باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية سلامة الطرق ومساعدة السائق وأتمتة المركبات لإنشاء طرق أكثر ذكاءً.
معرفة المزيد
الرؤية الحاسوبية في الزراعة

الرؤية الحاسوبية في الزراعة

أدخل الذكاء الاصطناعي البصري إلى الزراعة الذكية باستخدام نماذج Ultralytics YOLO. عزّز مراقبة المحاصيل وتتبع الماشية والزراعة الدقيقة لزيادة الإنتاجية وتحسينها.
معرفة المزيد

لنبنِ مستقبل الذكاء الاصطناعي معًا!

ابدأ رحلتك نحو مستقبل تعلّم الآلة