تعرَّف على Ultralytics YOLO26: نموذج YOLO أفضل وأسرع وأصغر
استكشف أحدث نموذج Ultralytics YOLO، وهو Ultralytics YOLO26، ومميزاته المتطورة التي تدعم توازناً مثالياً بين السرعة والدقة والقابلية للنشر.
في الخامس والعشرين من سبتمبر، وفي فعاليتنا السنوية الهجينة YOLO Vision 2025 (YV25) في لندن، أعلن Glenn Jocher، مؤسسنا ورئيسنا التنفيذي، رسمياً عن أحدث طفرة في سلسلة نماذج Ultralytics YOLO، وهو Ultralytics YOLO26! يمكن لنموذج الرؤية الحاسوبية الجديد الخاص بنا، YOLO26، تحليل وتفسير الصور ومقاطع الفيديو من خلال بنية انسيابية توازن بين السرعة والدقة وسهولة النشر.
بينما يعمل Ultralytics YOLO26 على تبسيط جوانب من تصميم النموذج وإضافة تحسينات جديدة، فإنه يواصل تقديم الميزات المألوفة التي يتوقعها المستخدمون من نماذج Ultralytics YOLO. على سبيل المثال، يتميز Ultralytics YOLO26 بسهولة الاستخدام، ويدعم مجموعة متنوعة من مهام الرؤية الحاسوبية، ويوفر خيارات مرنة للتكامل والنشر.
وغني عن القول إن هذا يجعل الانتقال إلى استخدام Ultralytics YOLO26 أمراً سهلاً، ونحن نتوق لرؤية المستخدمين وهم يجربون ذلك بأنفسهم عندما يصبح متاحاً للجمهور في نهاية شهر أكتوبر.
الشكل 1. مثال على استخدام YOLO26 لاكتشاف الكائنات في صورة.
ببساطة، Ultralytics YOLO26 هو نموذج ذكاء اصطناعي للرؤية أفضل وأسرع وأصغر. في هذه المقالة، سنستكشف الميزات الرئيسية لـ Ultralytics YOLO26 وما يقدمه. لنبدأ!
Link to this sectionتوسيع حدود ذكاء الرؤية الاصطناعي مع Ultralytics YOLO26#
قبل أن نتعمق في الميزات الرئيسية لـ Ultralytics YOLO26 والتطبيقات التي يجعلها ممكنة، دعونا نتراجع خطوة للوراء ونناقش الإلهام والدافع الذي قاد إلى تطوير هذا النموذج.
في Ultralytics، آمنا دائماً بقوة الابتكار. منذ البداية، كانت مهمتنا ذات شقين. من ناحية، نريد جعل ذكاء الرؤية الاصطناعي متاحاً ليتمكن أي شخص من استخدامه دون عوائق. ومن ناحية أخرى، نحن ملتزمون بنفس القدر بإبقائه في طليعة التكنولوجيا، وتوسيع حدود ما يمكن لـ نماذج الرؤية الحاسوبية تحقيقه.
العامل الرئيسي وراء هذه المهمة هو أن مجال الذكاء الاصطناعي يتطور دائماً. على سبيل المثال، يتم اعتماد الذكاء الاصطناعي عند الحافة (Edge AI)، والذي يتضمن تشغيل نماذج الذكاء الاصطناعي مباشرة على الأجهزة بدلاً من الاعتماد على السحابة، بسرعة كبيرة عبر مختلف الصناعات.
من الكاميرات الذكية إلى الأنظمة المستقلة، يُتوقع الآن من الأجهزة عند الحافة معالجة المعلومات في الوقت الفعلي. يتطلب هذا التحول نماذج أخف وأسرع، مع الاستمرار في تقديم نفس المستوى العالي من الدقة.
لهذا السبب هناك حاجة مستمرة لمواصلة تحسين نماذج Ultralytics YOLO الخاصة بنا. وكما يقول Glenn Jocher: "كان أحد أكبر التحديات هو ضمان حصول المستخدمين على أقصى استفادة من YOLO26 مع الاستمرار في تقديم أداء متفوق."
Link to this sectionنظرة عامة على Ultralytics YOLO26#
يتوفر YOLO26 جاهزاً للاستخدام بخمسة متغيرات مختلفة للنموذج، مما يمنحك المرونة للاستفادة من قدراته في تطبيقات من أي نطاق. تدعم جميع متغيرات النموذج هذه مهام رؤية حاسوبية متعددة، تماماً مثل نماذج Ultralytics YOLO السابقة. وهذا يعني أنه بغض النظر عن الحجم الذي تختاره، يمكنك الاعتماد على YOLO26 لتقديم مجموعة واسعة من القدرات، تماماً مثل Ultralytics YOLO11.
إليك نظرة عامة على مهام الرؤية الحاسوبية التي يدعمها YOLO26:
- Object detection: يمكن لـ YOLO26 تحديد وتعيين مواقع كائنات متعددة داخل صورة أو إطار فيديو.
- Instance segmentation: بالذهاب خطوة أبعد من الاكتشاف، يمكن لـ YOLO26 إنشاء حدود دقيقة على مستوى البكسل حول كل كائن يحدده.
- Image classification: يمكن للنموذج تحليل الصورة بأكملها وتصنيفها ضمن فئة أو تسمية محددة.
- Pose estimation: يمكن لـ YOLO26 اكتشاف النقاط الرئيسية وتقدير أوضاع البشر وكذلك الكائنات الأخرى.
- Oriented bounding boxes (OBB): يمكن للنموذج اكتشاف الكائنات بأي زاوية، وهو أمر مفيد بشكل خاص للصور الجوية، وصور الطائرات بدون طيار (الدرون)، وصور الأقمار الصناعية، حيث قد لا تكون العناصر مثل المباني أو المركبات أو المحاصيل محاذية لإطار الصورة.
- Object tracking: يمكن استخدام YOLO26 لتتبع الكائنات عبر إطارات الفيديو أو البث المباشر.
الشكل 2. اكتشاف الكائنات في صورة باستخدام YOLO26.
Link to this sectionنظرة على بنية YOLO26#
الآن بعد أن أصبح لدينا فهم أفضل لما يمكن لـ YOLO26 القيام به، دعونا نستعرض بعض الابتكارات في بنيته.
تم تبسيط تصميم النموذج عن طريق إزالة وحدة Distribution Focal Loss (DFL)، والتي كانت تبطئ سابقاً عملية الاستدلال وتحد من دقة تراجع مربع الإحاطة (BBox regression).
تم تبسيط عملية التنبؤ أيضاً مع خيار الاستدلال من البداية إلى النهاية (E2E)، والذي يسمح للنموذج بتخطي خطوة Non-Maximum Suppression (NMS) التقليدية. يقلل هذا التحسين من التعقيد ويسمح للنموذج بتقديم النتائج بسرعة أكبر، مما يجعل النشر أسهل في تطبيقات العالم الحقيقي.
إضافة إلى ذلك، تجعل التحسينات الأخرى النموذج أكثر ذكاءً وموثوقية. يساعد Progressive Loss Balancing (ProgLoss) في استقرار التدريب وتحسين الدقة، بينما يضمن Small-Target-Aware Label Assignment (STAL) اكتشاف النموذج للكائنات الصغيرة بشكل أكثر فعالية. علاوة على ذلك، يعمل محسن MuSGD الجديد على تحسين تقارب التدريب وتعزيز الأداء العام.
في الواقع، تعمل أصغر نسخة من YOLO26، وهي نموذج nano، الآن بسرعة أكبر بنسبة تصل إلى 43% على وحدات المعالجة المركزية (CPU) القياسية، مما يجعلها مناسبة بشكل خاص لتطبيقات الهاتف المحمول، والكاميرات الذكية، وغيرها من أجهزة الحافة حيث تكون السرعة والكفاءة أمراً بالغ الأهمية. إليك ملخص سريع لميزات YOLO26 وما يمكن للمستخدمين توقعه:
- DFL removal: قمنا بإزالة وحدة Distribution Focal Loss من بنية النموذج. بغض النظر عن أحجام الكائنات في الصورة، يمكن لـ YOLO26 وضع مربعات إحاطة مخصصة مع العمل بكفاءة أكبر.
- End-to-end NMS-free inference: يضيف YOLO26 وضعاً اختيارياً لا يحتاج إلى Non-Maximum Suppression (NMS)، وهي خطوة تُستخدم عادةً لإزالة التنبؤات المكررة، مما يجعل النشر أبسط وأسرع للاستخدام في الوقت الفعلي.
- ProgLoss and STAL: تجعل هذه التحسينات التدريب أكثر استقراراً وتعزز الدقة بشكل كبير، خاصة لاكتشاف الكائنات الصغيرة في المشاهد المعقدة.
- MuSGD optimizer: يستخدم YOLO26 محسناً جديداً يجمع بين نقاط قوة محسني تدريب (Muon و SGD)، مما يساعد النموذج على التعلم بشكل أسرع والوصول إلى دقة أعلى.
الشكل 3. قياس أداء YOLO26.
Link to this sectionتبسيط النشر مع Ultralytics YOLO26#
سواء كنت تعمل على تطبيقات الهاتف المحمول، أو الكاميرات الذكية، أو أنظمة المؤسسات، فإن نشر YOLO26 بسيط ومرن. تدعم حزمة Ultralytics Python عدداً متزايداً باستمرار من تنسيقات التصدير، مما يسهل دمج YOLO26 في سير العمل الحالي ويجعله متوافقاً مع أي منصة تقريباً.
بعض خيارات التصدير تشمل TensorRT لتحقيق أقصى تسريع GPU، و ONNX لتوافق واسع، و CoreML لتطبيقات iOS الأصلية، و TFLite لنظام Android وأجهزة الحافة، و OpenVINO لتحسين الأداء على أجهزة Intel. تجعل هذه المرونة من السهل الانتقال بـ YOLO26 من التطوير إلى الإنتاج دون عقبات إضافية.
جزء أساسي آخر من النشر هو التأكد من أن النماذج تعمل بكفاءة على الأجهزة ذات الموارد المحدودة. وهنا يأتي دور التكميم (Quantization). بفضل بنيته المبسطة، يتعامل YOLO26 مع هذا الأمر بشكل استثنائي. وهو يدعم نشر INT8 (باستخدام ضغط 8-بت لتقليل الحجم وتحسين السرعة مع الحد الأدنى من فقدان الدقة) بالإضافة إلى الدقة النصفية (FP16) لاستدلال أسرع على الأجهزة المدعومة.
والأهم من ذلك، يقدم YOLO26 أداءً متسقاً عبر مستويات التكميم هذه، لذا يمكنك الاعتماد عليه سواء كان يعمل على خادم قوي أو جهاز حافة مدمج.
Link to this sectionمن الروبوتات إلى التصنيع: حالات استخدام YOLO26#
يمكن استخدام YOLO26 في مجموعة واسعة من تطبيقات الرؤية الحاسوبية عبر العديد من الصناعات وحالات الاستخدام المختلفة. من الروبوتات إلى التصنيع، يمكن أن يحدث تأثيراً كبيراً من خلال تحسين سير العمل وتمكين اتخاذ قرارات أسرع وأكثر دقة.
على سبيل المثال، أحد الأمثلة الجيدة هو في مجال الروبوتات، حيث يمكن لـ YOLO26 مساعدة الروبوتات على تفسير محيطها في الوقت الفعلي. وهذا يجعل الملاحة أكثر سلاسة والتعامل مع الكائنات أكثر دقة. كما أنه يتيح تعاوناً أكثر أماناً مع البشر.
مثال آخر هو التصنيع، حيث يمكن استخدام النموذج للكشف عن العيوب. يمكنه تحديد العيوب في خطوط الإنتاج تلقائياً بسرعة ودقة أكبر من الفحص اليدوي.
الشكل 4. اكتشاف الزجاجات في مصنع تصنيع باستخدام YOLO26.
بشكل عام، ولأن YOLO26 أفضل وأسرع وأخف، فإنه يتكيف بسهولة مع مجموعة واسعة من البيئات، من أجهزة الحافة خفيفة الوزن إلى أنظمة المؤسسات الكبيرة. وهذا يجعله خياراً عملياً للصناعات التي تتطلع إلى تحسين الكفاءة والدقة والموثوقية.
Link to this sectionأبرز النقاط#
Ultralytics YOLO26 هو نموذج رؤية حاسوبية أفضل وأسرع وأخف، مع بقائه سهل الاستخدام وتقديمه أداءً قوياً. إنه يعمل عبر مجموعة واسعة من المهام والمنصات وسيكون متاحاً للجميع بحلول نهاية أكتوبر. نحن نتوق لرؤية كيف سيستخدمه المجتمع لإنشاء حلول جديدة وتوسيع حدود الرؤية الحاسوبية.
انضم إلى مجتمعنا المتنامي! استكشف مستودع GitHub الخاص بنا لمعرفة المزيد عن الذكاء الاصطناعي. اكتشف ابتكارات مثل الرؤية الحاسوبية في التجزئة و الذكاء الاصطناعي في صناعة السيارات من خلال زيارة صفحات الحلول الخاصة بنا. للبدء في البناء باستخدام الرؤية الحاسوبية اليوم، تحقق من خيارات الترخيص لدينا.
