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
انضم إلينا ونحن نلقي نظرة فاحصة على اكتشاف الكائنات المخصصة باستخدام Ultralytics YOLOv8. في منشور المدونة هذا، سنستكشف العملية المعقدة لتدريب نموذج مخصص، وتصدير الأوزان المدربة، وتشغيل الاستدلال المباشر على كاميرا ويب.
تدريب نموذج مخصص للكشف عن الكائنات
في مقطع الفيديو السابق، تعمقنا في مجال تدريب نموذج YOLOv8 على مجموعة بيانات مخصصة للأكواب في Google Colab. رأينا الرسم البياني للتدريب يتحسن باطراد، مع انخفاض الخسارة وزيادة متوسط موضع الخطأ. وبناءً على ذلك، يمكن لنموذجنا الخاص الآن تحديد خمسة أنواع مختلفة من الأكواب بدقة شديدة.
مع تدريب النموذج المخصص الخاص بنا وجهوزه للانطلاق، حان الوقت لاستكشاف الحدود التالية - تصدير الأوزان المدربة وتشغيل الاستدلال المباشر على كاميرا الويب.
الاستدلال بالنموذج هو عملية استخدام نموذج رؤية كمبيوتر مدرب لتقديم تنبؤات أو اتخاذ قرارات بناءً على بيانات جديدة غير مرئية. وهو عندما يستخدم النموذج بيانات الإدخال، مثل صورة، ويعالجها من خلال المعلمات والهيكل المتعلمين. ثم ينتج النموذج مخرجات، مثل التصنيف أو الكشف أو التجزئة، بناءً على مهمة التدريب الخاصة به.
من الناحية العملية، غالبًا ما يتضمن الاستدلال نشر النموذج المدرب في بيئة إنتاج حيث يمكن استخدامه لمعالجة بيانات العالم الحقيقي في الوقت الفعلي أو في سيناريوهات المعالجة الدفعية.
تصدير وتشغيل الاستدلال باستخدام النموذج المُدرَّب
بعد تنزيل أوزان النماذج المُدرّبة من Colab، يمكننا استيرادها بسلاسة إلى بيئة Python لنكون مستعدين لإطلاق العنان للإمكانات الكاملة لنموذجنا المخصص.
باستخدام بضعة أسطر من التعليمات البرمجية، يمكننا إعداد برنامج Python النصي لتشغيل الاستدلال المباشر على كاميرا ويب، والتقاط لقطات في الوقت الحقيقي واكتشاف الأكواب المختلفة بدقة مذهلة. تبرز قوة YOLOv8 من خلال نموذجنا الذي يحدد الأكواب من مختلف الأشكال والأحجام والألوان دون عناء، مما يُظهر تعدد استخداماته وموثوقيته في سيناريوهات العالم الحقيقي.
تقدم نماذج الضبط الدقيق العديد من الفوائد. يمكنهم detect segmentأو classify الكائنات التي قد لا تدعمها النماذج المدربة مسبقًا. بالإضافة إلى ذلك، يمكن أن تساعد الباحثين أو علماء البيانات في فهم كيفية أداء بنية النموذج على مجموعات بيانات العالم الحقيقي.
الشكل 1. Nicolai Nielsen يوضح كيفية تدريب نموذج مخصص، وتصدير الأوزان المدربة، وتشغيل الاستدلال المباشر على كاميرا الويب.
ملخص
من تدريب نموذج مخصص إلى تصدير الأوزان المدرّبة وتشغيل الاستدلال المباشر على كاميرا الويب، شهدنا قوة وتعدد استخدامات YOLOv8 بشكل مباشر.
انضم إلينا في سعينا لإطلاق الإمكانات الكاملة لاكتشاف الكائنات المخصصة مع Ultralytics YOLOv8. معًا، دعونا نشكل مستقبل الذكاء الاصطناعي اكتشافًا واحدًا في كل مرة. اطلع على Ultralytics HUB، ومستنداتنا للحصول على مزيد من المعلومات عن كل ما يتعلق ب Ultralytics وانضم إلى مجتمعنا لمواكبة آخر التطورات!
إذا كنت تشعر بالفضول بشأن تصدير نماذج YOLOv8 المدربة المخصصة وتشغيل الاستدلال على كاميرا الويب، شاهد الفيديو كاملاً هنا!
