كيفية استخدام قسم المرجع في وثائق Ultralytics YOLO

في الوقت الحاضر، أصبح الذكاء الاصطناعي (AI) أكثر سهولة في الوصول إليه من أي وقت مضى، مما يتيح لأي شخص الغوص في هذا المجال والبدء بسرعة في استخدام نماذج ذكاء اصطناعي مختلفة لمهام متطورة متنوعة.

على سبيل المثال، رؤية الحاسوب هي فرع من الذكاء الاصطناعي يمكّن أجهزة الحاسوب من تفسير وفهم المعلومات المرئية من الصور ومقاطع الفيديو، ومن السهل البدء باستخدام نماذج رؤية الحاسوب مثل Ultralytics YOLO11.

يدعم YOLO11 مهاماً مثل اكتشاف الكائنات، وتجزئة المثيلات، وتصنيف الصور، ويمكن استخدامه في تطبيقات مثل القيادة الذاتية، ومراقبة الأمن، وتحليلات التجزئة.

الشكل 1. يمكن استخدام YOLO11 لاكتشاف كائنات متنوعة.

على وجه التحديد، توفر حزمة Python من Ultralytics أدوات سهلة الاستخدام لتدريب هذه النماذج وتخصيصها ونشرها بسرعة، مما يسمح للمستخدمين من جميع مستويات المهارة ببناء تطبيقات رؤية حاسوب متقدمة بسهولة.

ومع ذلك، إذا كنت مهتماً بالتعمق في كيفية عمل كل شيء أو إنشاء تخصيصاتك الخاصة، فإن قسم المرجع في وثائق Ultralytics يعد مورداً رائعاً. فهو يغطي الآليات الداخلية لحزمة Python من Ultralytics، بما في ذلك كيفية معالجة بياناتك، وعملية تدريب النموذج، وكيفية تصور التنبؤات.

في هذه المقالة، سنلقي نظرة فاحصة على قسم المرجع في وثائق Ultralytics وكيفية استخدامه عند العمل على مشاريع رؤية الحاسوب. لنبدأ!

Link to this sectionنظرة أعمق على العمل مع نماذج Ultralytics YOLO#

العمل مع حزمة Python من Ultralytics بسيط ومباشر. يمكنك تدريب نماذج YOLO أو اكتشاف الكائنات في الصور باستخدام بضعة أسطر فقط من التعليمات البرمجية.

ومع ذلك، بمجرد أن تصبح معتاداً على العمل مع نماذج رؤية الحاسوب، يساعدك قسم المرجع في وثائق Ultralytics على إلقاء نظرة أعمق على كيفية عمل الكود وما هي الوظائف التي تدعمها الحزمة. كما يتضمن تفسيرات سهلة المتابعة، وخيارات قابلة للتكوين، وروابط للكود ذي الصلة المتاح في مستودع Ultralytics على GitHub.

يوضح القسم كيفية هيكلة حزمة Python من Ultralytics ويغطي المكونات الرئيسية مثل إعداد النموذج، وتحميل البيانات، وعملية التدريب، وكيفية إجراء التنبؤات وإرجاع نتائجها.

تم تنظيم كل شيء في فئات واضحة، لذا من السهل العثور على ما تبحث عنه. على سبيل المثال، إذا كنت تدرب نموذجاً باستخدام مجموعة بياناتك الخاصة، يمكنك الانتقال إلى الجزء المخصص للبيانات في قسم المرجع، وسيعطيك ذلك فكرة أفضل عن كيفية استخدام بياناتك لتدريب النموذج.

Link to this sectionكيفية البدء باستخدام قسم المرجع#

إذا توجهت إلى قسم المرجع في وثائق Ultralytics YOLO، ستجد قائمة على الجانب الأيسر من الصفحة تحتوي على فئات مرجعية مختلفة. تمثل كل فئة جزءاً محدداً من قاعدة بيانات Ultralytics، مثل النماذج، أو معالجة البيانات، أو وظائف التدريب.

النقر على فئة ما ينقلك إلى صفحة تقدم لك المزيد من التفاصيل.

الشكل 2. على اليسار، ستجد قائمة بفئات المرجع المختلفة.

وبالمثل، على الجانب الأيمن من الصفحة، ستجد جدول المحتويات الذي يقسم كل صفحة مرجعية إلى مكونات رئيسية مثل الوظائف (كتل كود قابلة لإعادة الاستخدام)، والفئات (مخططات لإنشاء الكائنات)، والطرق (وظائف محددة داخل الفئات). هذا يجعل من السهل الانتقال مباشرة إلى ما تبحث عنه.

الشكل 3. على اليمين، ستجد جدول محتويات لصفحة المرجع المحددة التي تعرضها.

Link to this sectionهيكل مستودع Ultralytics على GitHub#

تم تنظيم مستودع Ultralytics على GitHub في أدلة فرعية أو حزم فرعية بناءً على أجزاء مختلفة من حزمة Ultralytics، مثل النماذج، والتدريب، والبيانات. يتبع قسم المرجع في الوثائق نفس هذا الهيكل، مما يسهل فهم كيفية تناسق كل شيء معاً.

إليك بعض الأدلة الفرعية أو الفئات الرئيسية التي ستراها في كل من مستودع Ultralytics على GitHub وقسم المرجع في وثائق Ultralytics:

• النماذج (Models): يركز هذا القسم على النماذج المختلفة وأوضاعها، مثل إجراء التنبؤات، والتحقق من الأداء، وتصدير النماذج المدربة.
• المحرك (Engine): يحتوي على المنطق الأساسي لتدريب النماذج، والتحقق منها، والتنبؤ بها، وتصديرها، وتقييمها.
• البيانات (Data): تدير كيفية تحميل مجموعات البيانات ومعالجتها وتعزيزها. يشمل ذلك وظائف لإنشاء محملات البيانات (أدوات تغذي البيانات في النموذج على دفعات)، وتطبيق التحويلات (التغييرات التي تتم على الصور مثل تغيير الحجم أو الانعكاس لمساعدة النموذج على التعلم بشكل أفضل)، وإعداد البيانات (تنظيم وتنسيق الصور والتسميات) للتدريب.
• الأدوات (Utils): يوفر هذا القسم مجموعة واسعة من وظائف المساعدة المستخدمة في جميع أنحاء قاعدة البيانات، مثل أدوات التصور، ومعالجة الملفات، وحسابات المقاييس.
• HUB: يتصل بـ Ultralytics HUB، وهي منصة رؤية حاسوب بدون كود، مما يتيح ميزات سحابية مثل تسجيل الدخول، وتحميل النماذج، وإدارة مجموعات البيانات من خلال API.
• المتتبعات (Trackers): تنفذ منطق تتبع الكائنات للتطبيقات التي تتضمن مقاطع فيديو أو تسلسلات صور إطاراً بإطار.

يحتوي كل دليل من هذه الأدلة الفرعية في مستودع GitHub على قسم مطابق في الوثائق. تم عكس هذا الهيكل عن عمد، مما يسهل التبديل بين قراءة الوثائق واستكشاف الكود المصدري.

في الواقع، في العديد من صفحات المرجع، يتم أيضاً عرض الكود المصدري الفعلي، بحيث يمكنك رؤية كيفية تنفيذ الوظائف والفئات بالضبط دون مغادرة الوثائق.

الشكل 4. تم إدراج الكود المصدري أيضاً في صفحات المرجع.

Link to this sectionفهم مكونات النماذج والمحرك والبيانات#

الآن بعد أن رأينا كيفية تنظيم قسم المرجع، لنلقِ نظرة فاحصة على ثلاثة أجزاء رئيسية من حزمة Ultralytics: النماذج، والمحرك، والبيانات.

يحتوي الدليل الفرعي للنماذج على الكود الذي يحدد كيفية عمل كل نوع من النماذج. يتم تنظيمه حسب أنواع النماذج (مثل YOLO، أو FastSAM، أو RT-DETR) والمهام مثل الاكتشاف أو التجزئة أو التصنيف. داخل كل منها، ستجد ملفات أو وحدات تتعامل مع إجراءات محددة - على سبيل المثال، كيف يقوم النموذج بإجراء التنبؤات، أو كيف يتم تدريبه، أو كيف يتم تقييم أدائه.

في الوقت نفسه، يعمل الدليل الفرعي للمحرك خلف الكواليس لإدارة العملية بأكملها. بينما يركز دليل النماذج على ما يفترض أن يفعله كل نموذج، يركز دليل المحرك على كيفية تنفيذ هذه المهام فعلياً بطريقة متسقة وفعالة.

أيضاً، الدليل الفرعي للبيانات مسؤول عن تحميل وإعداد مجموعات البيانات. يضمن هذا الجزء من قاعدة البيانات أن تكون بيانات التدريب الخاصة بك نظيفة ومنظمة ومتنوعة، مما يساعد النموذج على التعلم بشكل أفضل والتعميم بفعالية أكبر.

هذا الفصل الواضح يجعل الكود أسهل في الصيانة، ويمنح المستخدمين المرونة لتخصيصه.

Link to this sectionأمثلة على استخدام قسم المرجع#

قد تتساءل، لماذا من المهم فهم الأجزاء المختلفة لقاعدة بيانات Ultralytics؟ إذا كنت تعرف أي جزء من الكود يتعامل مع ماذا، يصبح من الأسهل بكثير العثور على المعلومات التي تحتاجها، أو إجراء تغييرات، أو استكشاف المشكلات وإصلاحها.

فيما يلي بعض الأمثلة على كيفية استخدام قسم المرجع في الوثائق:

• إذا كنت تسأل "كيف يقوم النموذج بإجراء التنبؤات؟"، يمكنك الانتقال إلى فئة النماذج في قسم المرجع، وتحديد نوع النموذج (مثل YOLO)، واختيار مهمة (مثل الاكتشاف)، ثم فتح صفحة التنبؤ (Predict) للحصول على التفاصيل.
• إذا كنت تريد معرفة كيفية تطبيق تعزيزات البيانات، يمكنك استكشاف صفحة التعزيز (Augment) تحت فئة البيانات. فهي تسرد تقنيات التعزيز المدمجة المستخدمة لتحسين أداء النموذج وتنوع بيانات التدريب.

Link to this sectionاستكشاف النتائج من خلال قسم المرجع#

يعد قسم المرجع مفيداً أيضاً عندما تحاول فهم النتائج التي يرجعها نموذجك. بعد استخدام نموذج مثل YOLO11 لإجراء استنتاج على صورة، فإنه يرجع مجموعة من النتائج التي تصف ما تم اكتشافه.

على سبيل المثال، في بث الكاميرا، قد يكتشف شخصاً ما ويسلط الضوء على موقعه باستخدام مربع إحاطة، إلى جانب درجة ثقة - قيمة بين 0 و1 تشير إلى مدى يقين النموذج من الاكتشاف.

إذا كنت تحاول فهم كيفية استخدام تلك المخرجات في مشروعك، يمكن أن يوجهك قسم المرجع. فهو يتضمن صفحة لـ وحدة النتائج (Results module) التي تقسم ما هو متضمن وكيفية الوصول إليه في الكود الخاص بك. هناك تفاصيل حول كيفية عرض مربعات الاكتشاف، والتحقق من درجات الثقة، وعرض النتائج، أو حفظها.

الشكل 5. مثال على كيفية تصور النتائج التي يرجعها YOLO11.

Link to this sectionأبرز النقاط#

تساعدك وثائق Ultralytics على فهم كيفية استخدام نماذج YOLO بفعالية. وهي تشرح العمليات الرئيسية مثل تدريب النماذج، وإعداد البيانات، والعمل مع النتائج. تحتوي كل صفحة على تفسيرات واضحة ومقتطفات كود نموذجية لمساعدتك على البدء بسرعة.

إذا كنت تشعر بالفضول حول ما يحدث خلف الكواليس، فإن قسم المرجع في الوثائق يقسم ذلك أيضاً خطوة بخطوة. فهو يوضح كيفية هيكلة الكود، وما يفعله كل جزء، وكيف يعمل كل شيء معاً. هذا يجعل من الأسهل التعلم والتخصيص وبناء مشاريع رؤية الحاسوب الخاصة بك بثقة.

كن جزءاً من مجتمعنا النشط واستكشف مستودع GitHub لتعلم المزيد عن البناء باستخدام الذكاء الاصطناعي. هل أنت مستعد لإطلاق أفكار رؤية الحاسوب الخاصة بك؟ تفضل بزيارة خيارات الترخيص الخاصة بنا للبدء. شاهد كيف تُحدث رؤية الذكاء الاصطناعي في السيارات والذكاء الاصطناعي في الرعاية الصحية تأثيراً من خلال زيارة صفحات الحلول الخاصة بنا.