تعرّف على Ultralytics YOLO26: نموذج YOLO أفضل وأسرع وأصغر
استكشف أحدث نماذج Ultralytics YOLO، وهو Ultralytics YOLO26، وميزاته المتطورة التي تدعم التوازن الأمثل بين السرعة والدقة وقابلية النشر.
في 25 سبتمبر، وخلال فعالية السنوية الهجينة، YOLO Vision 2025 (YV25) التي أقمناها في لندن، أعلن Glenn Jocher، مؤسسنا ومديرنا التنفيذي، رسميًا عن أحدث إنجاز في سلسلة نماذج Ultralytics YOLO، وهو Ultralytics YOLO26! يستطيع نموذج الرؤية الحاسوبية الجديد لدينا، YOLO26، تحليل الصور والفيديو وتفسيرهما باستخدام بنية مبسطة توازن بين السرعة والدقة وسهولة النشر.
مع أن Ultralytics YOLO26 يبسّط بعض جوانب تصميم النموذج ويضيف تحسينات جديدة، فإنه يواصل أيضًا تقديم الميزات المألوفة التي يتوقعها المستخدمون من نماذج Ultralytics YOLO. فعلى سبيل المثال، يتميز Ultralytics YOLO26 بسهولة الاستخدام، ويدعم مجموعة من مهام الرؤية الحاسوبية، ويوفر خيارات مرنة للتكامل والنشر.
وغني عن القول إن هذا يجعل الانتقال إلى استخدام Ultralytics YOLO26 سهلًا وخاليًا من التعقيدات، ولا يسعنا الانتظار لرؤية المستخدمين يختبرونه بأنفسهم عند إتاحته للجمهور في نهاية أكتوبر.
الشكل 1. مثال على استخدام Ultralytics YOLO26 لاكتشاف الأجسام في صورة.
ببساطة، Ultralytics YOLO26 هو نموذج أفضل وأسرع وأصغر للذكاء الاصطناعي في الرؤية الحاسوبية. في هذه المقالة، سنستكشف الميزات الرئيسية لـ Ultralytics YOLO26 وما يقدمه. لنبدأ!
توسيع حدود الذكاء الاصطناعي في الرؤية الحاسوبية باستخدام Ultralytics YOLO26#
قبل أن نتعمق في الميزات الرئيسية لـ Ultralytics YOLO26 والتطبيقات التي يتيحها، لنتراجع قليلًا لمناقشة الإلهام والدوافع التي قادت إلى تطوير هذا النموذج.
لطالما آمنّا في Ultralytics بقوة الابتكار. ومنذ البداية، تمثلت مهمتنا في جانبين. فمن ناحية، نريد جعل الذكاء الاصطناعي في الرؤية الحاسوبية متاحًا للجميع، بحيث يستطيع أي شخص استخدامه دون عوائق. ومن ناحية أخرى، نلتزم بالقدر نفسه بإبقائه في طليعة المجال، وتوسيع حدود ما يمكن أن تحققه نماذج الرؤية الحاسوبية.
ومن العوامل الرئيسية وراء هذه المهمة أن مجال الذكاء الاصطناعي يتطور باستمرار. فعلى سبيل المثال، يجري اعتماد الذكاء الاصطناعي الطرفي، الذي يتضمن تشغيل نماذج الذكاء الاصطناعي مباشرةً على الأجهزة بدلًا من الاعتماد على السحابة، بسرعة في مختلف القطاعات.
فمن الكاميرات الذكية إلى الأنظمة الذاتية، يُتوقع الآن من الأجهزة الطرفية معالجة المعلومات في الوقت الفعلي. ويتطلب هذا التحول نماذج أخف وأسرع، مع الحفاظ على المستوى العالي نفسه من الدقة.
ولهذا السبب، توجد حاجة مستمرة إلى تحسين نماذج Ultralytics YOLO لدينا. وكما يقول Glenn Jocher: «كان أحد أكبر التحديات هو ضمان تمكّن المستخدمين من تحقيق أقصى استفادة من YOLO26 مع الاستمرار في تقديم أداء رائد».
نظرة عامة على Ultralytics YOLO26#
يتوفر YOLO26 مباشرةً في خمسة إصدارات مختلفة من النماذج، ما يمنحك المرونة للاستفادة من إمكاناته في تطبيقات بأي نطاق. وتدعم جميع إصدارات النماذج هذه مهام متعددة للرؤية الحاسوبية، تمامًا مثل نماذج Ultralytics YOLO السابقة. وهذا يعني أنه بغض النظر عن الحجم الذي تختاره، يمكنك الاعتماد على YOLO26 لتقديم مجموعة واسعة من الإمكانات، على غرار Ultralytics YOLO11.
فيما يلي نظرة عامة على مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO26:
- اكتشاف الأجسام: يستطيع Ultralytics YOLO26 تحديد أجسام متعددة داخل صورة أو إطار فيديو وتحديد مواقعها.
- تجزئة المثيلات: يتجاوز Ultralytics YOLO26 الاكتشاف بخطوة، إذ يستطيع إنشاء حدود دقيقة على مستوى البكسل حول كل جسم يحدده.
- تصنيف الصور: يستطيع النموذج تحليل صورة كاملة وإسنادها إلى فئة أو تسمية محددة.
- تقدير الوضعية: يستطيع Ultralytics YOLO26 اكتشاف النقاط الرئيسية وتقدير الوضعيات للبشر وكذلك الأجسام الأخرى.
- المربعات المحيطة الموجّهة (OBB): يستطيع النموذج اكتشاف الأجسام بأي زاوية، وهو أمر مفيد خصوصًا للصور الجوية وصور الطائرات المسيّرة والأقمار الصناعية، حيث قد لا تكون عناصر مثل المباني أو المركبات أو المحاصيل محاذية لإطار الصورة.
- تتبّع الأجسام: يمكن استخدام Ultralytics YOLO26 لتتبّع الأجسام عبر إطارات الفيديو أو التدفقات في الوقت الفعلي.
الشكل 2. اكتشاف الأجسام في صورة باستخدام Ultralytics YOLO26.
نظرة على بنية Ultralytics YOLO26#
والآن بعد أن أصبح لدينا فهم أفضل لما يستطيع Ultralytics YOLO26 فعله، لنستعرض بعض الابتكارات في بنيته.
جرى تبسيط تصميم النموذج من خلال إزالة وحدة خسارة البؤرة التوزيعية (DFL)، التي كانت تؤدي سابقًا إلى إبطاء الاستدلال والحد من انحدار المربعات المحيطة.
كما جرى تبسيط عملية التنبؤ من خلال خيار استدلال شامل من البداية إلى النهاية (E2E)، يتيح للنموذج تجاوز خطوة الكبت غير الأقصى التقليدية (NMS). ويقلل هذا التحسين من التعقيد، ويتيح للنموذج تقديم النتائج بسرعة أكبر، ما يجعل النشر أسهل في التطبيقات الواقعية.
وتجعل تحسينات أخرى النموذج أكثر ذكاءً وموثوقية. إذ يساعد موازنة الخسارة التقدمية (ProgLoss) على استقرار التدريب وتحسين الدقة، بينما يضمن إسناد التسميات الواعي بالأهداف الصغيرة (STAL) اكتشاف النموذج للأجسام الصغيرة بفاعلية أكبر. إضافةً إلى ذلك، يعمل مُحسِّن MuSGD الجديد على تحسين تقارب التدريب وتعزيز الأداء الإجمالي.
في الواقع، يعمل أصغر إصدار من Ultralytics YOLO26، وهو نموذج nano، بسرعة تصل إلى 43% أكبر على وحدات CPU القياسية، ما يجعله ملائمًا بشكل خاص لتطبيقات الأجهزة المحمولة والكاميرات الذكية وغيرها من الأجهزة الطرفية التي تكون فيها السرعة والكفاءة عاملين حاسمين. إليك خلاصة سريعة لميزات YOLO26 وما يمكن للمستخدمين توقعه:
- إزالة DFL: أزلنا وحدة خسارة البؤرة التوزيعية من بنية النموذج. وبغض النظر عن أحجام الأجسام في الصورة، يستطيع Ultralytics YOLO26 وضع مربعات محيطة مخصصة مع العمل بكفاءة أكبر.
- استدلال شامل من البداية إلى النهاية وخالٍ من NMS: يضيف Ultralytics YOLO26 وضعًا اختياريًا لا يحتاج إلى الكبت غير الأقصى (NMS)، وهي خطوة تُستخدم عادةً لإزالة التنبؤات المكررة، ما يجعل النشر أبسط وأسرع للاستخدام في الوقت الفعلي.
- ProgLoss وSTAL: تجعل هذه التحسينات التدريب أكثر استقرارًا وتعزز الدقة بدرجة ملحوظة، خصوصًا عند اكتشاف الأجسام الصغيرة في المشاهد المعقدة.
- مُحسِّن MuSGD: يستخدم Ultralytics YOLO26 مُحسِّنًا جديدًا يجمع بين نقاط قوة مُحسِّنَي التدريب Muon وSGD، ما يساعد النموذج على التعلم بسرعة أكبر والوصول إلى دقة أعلى.
الشكل 3. قياس أداء Ultralytics YOLO26.
تبسيط النشر باستخدام Ultralytics YOLO26#
سواء كنت تعمل على تطبيقات الأجهزة المحمولة أو الكاميرات الذكية أو أنظمة المؤسسات، فإن نشر YOLO26 بسيط ومرن. تدعم حزمة Ultralytics Python عددًا متزايدًا باستمرار من تنسيقات التصدير، ما يسهل دمج YOLO26 في سير العمل الحالي ويجعله متوافقًا مع أي منصة تقريبًا.
تشمل بعض خيارات التصدير TensorRT لتحقيق أقصى تسريع لوحدة GPU، وONNX للتوافق الواسع، وCoreML لتطبيقات iOS الأصلية، وTFLite لنظام Android والأجهزة الطرفية، وOpenVINO لتحسين الأداء على أجهزة Intel. وتجعل هذه المرونة نقل Ultralytics YOLO26 من التطوير إلى الإنتاج أمرًا مباشرًا دون عوائق إضافية.
ومن الأجزاء المهمة الأخرى في عملية النشر ضمان عمل النماذج بكفاءة على الأجهزة ذات الموارد المحدودة. وهنا يأتي دور التكميم. وبفضل بنيته المبسطة، يتعامل Ultralytics YOLO26 مع ذلك بكفاءة استثنائية. فهو يدعم النشر باستخدام INT8 (بالاعتماد على ضغط 8 بت لتقليل الحجم وتحسين السرعة مع خسارة طفيفة في الدقة)، إضافةً إلى الدقة النصفية (FP16) لتحقيق استدلال أسرع على الأجهزة المدعومة.
والأهم من ذلك أن Ultralytics YOLO26 يحقق أداءً ثابتًا عبر مستويات التكميم هذه، لذا يمكنك الاعتماد عليه سواء كان يعمل على خادم قوي أو جهاز طرفي مدمج.
من الروبوتات إلى التصنيع: حالات استخدام Ultralytics YOLO26#
يمكن استخدام Ultralytics YOLO26 في مجموعة واسعة من تطبيقات الرؤية الحاسوبية عبر العديد من القطاعات وحالات الاستخدام المختلفة. فمن الروبوتات إلى التصنيع، يمكنه إحداث تأثير كبير من خلال تحسين سير العمل وتمكين اتخاذ قرارات أسرع وأكثر دقة.
فعلى سبيل المثال، تُعد الروبوتات مجالًا مناسبًا، حيث يمكن لـ Ultralytics YOLO26 مساعدة الروبوتات على تفسير محيطها في الوقت الفعلي. وهذا يجعل التنقل أكثر سلاسة والتعامل مع الأجسام أكثر دقة. كما يتيح تعاونًا أكثر أمانًا مع الأشخاص.
ومن الأمثلة الأخرى التصنيع، حيث يمكن استخدام النموذج لاكتشاف العيوب. إذ يستطيع تحديد العيوب على خطوط الإنتاج تلقائيًا بسرعة ودقة أكبر من الفحص اليدوي.
الشكل 4. اكتشاف الزجاجات في مصنع باستخدام Ultralytics YOLO26.
وبوجه عام، نظرًا إلى أن Ultralytics YOLO26 أفضل وأسرع وأخف، فإنه يتكيف بسهولة مع مجموعة واسعة من البيئات، بدءًا من الأجهزة الطرفية خفيفة الوزن وصولًا إلى أنظمة المؤسسات الكبيرة. وهذا يجعله خيارًا عمليًا للقطاعات التي تسعى إلى تحسين الكفاءة والدقة والموثوقية.
أهم النقاط المستخلصة#
Ultralytics YOLO26 هو نموذج للرؤية الحاسوبية أفضل وأسرع وأخف، مع بقائه سهل الاستخدام واستمراره في تقديم أداء قوي. ويعمل عبر مجموعة واسعة من المهام والمنصات، وسيصبح متاحًا للجميع بحلول نهاية أكتوبر. ولا يسعنا الانتظار لرؤية كيفية استخدام المجتمع له لإنشاء حلول جديدة وتوسيع حدود الرؤية الحاسوبية.
انضم إلى مجتمعنا المتنامي! استكشف مستودعنا على GitHub لمعرفة المزيد عن الذكاء الاصطناعي. تعرّف على ابتكارات مثل الرؤية الحاسوبية في قطاع البيع بالتجزئة والذكاء الاصطناعي في قطاع السيارات من خلال زيارة صفحات حلولنا. لبدء بناء حلول باستخدام الرؤية الحاسوبية اليوم، اطّلع على خيارات الترخيص.
