تشغيل نماذج Ultralytics للكشف عن الكائنات وتجزئتها في بضعة أسطر من التعليمات البرمجية

مرحبًا بكم في منشور مدونة آخر حيث سنتعمق في إمكانيات YOLOv5 و YOLOv8 عندما يتعلق الأمر باكتشاف الكائنات وتجزئتها. سنستكشف كيفية دمج هذه النماذج سهلة الاستخدام في مشاريعك ببضعة أسطر من التعليمات البرمجية. سواء كنت مطورًا مبتدئًا أو مطورًا متمرسًا، سترى كيف تدعم Ultralytics مختلف النماذج والبنى المختلفة، بما في ذلك إصدارات YOLO المختلفة والنماذج القائمة على المحولات. 

يرشدنا نيكولاي نيلسن في هذا الفيديو إلى عملية إعداد واستخدام النماذج المختلفة في إطار عمل Ultralytics . دعنا نقسمها خطوة بخطوة ونرى كيف يمكنك البدء في استخدام هذه الأدوات المذهلة.

الشروع في استخدام نماذج Ultralytics

يوفر Ultralytics إطار عمل شامل يدعم نماذج متعددة للكشف عن الكائنات وتجزئتها. ويشمل ذلك نماذج YOLO الشهيرة، بدءًا من YOLOv3 إلى أحدث نماذج YOLOv8 بالإضافة إلى نماذج YOLO SAM . تم تصميم هذه النماذج للتعامل مع مجموعة متنوعة من المهام مثل الكشف في الوقت الحقيقي، والتجزئة، وتقدير الوضع.

للبدء، قم بزيارة صفحة وثائقUltralytics . هنا، يمكنك العثور على معلومات مفصّلة حول كل نموذج، بما في ذلك ميزاته الرئيسية وبنيته وكيفية استخدامه في نصوص Python البرمجية.

إعداد بيئتك

أولاً، تأكد من تثبيت Ultralytics . يمكنك القيام بذلك عن طريق تشغيل:

bash

نسخ الكود

بمجرد الانتهاء من ذلك، يمكنك البدء باستخدام هذه النماذج في مشاريعك. لنبدأ بنموذج YOLOv8 كمثال.

الميزات الرئيسية لـ YOLOv8

يأتي YOLOv8 مزودًا بالعديد من التحسينات مقارنة بسابقاته. فهو مصمم ليكون أسرع وأكثر دقة، مما يجعله مثاليًا للتطبيقات في الوقت الفعلي. تتضمن بعض الميزات الرئيسية ما يلي: 

• سرعة ودقة محسّنتان
• أوزان مُدرَّبة مسبقًا لمهام متعددة
• دعم الكشف عن الكائنات والتجزئة والتصنيف
• تحسين بنية النموذج لتحسين الأداء

تشغيل YOLOv8 في Python

إليك كيفية بدء استخدام YOLOv8 في بضعة أسطر من التعليمات البرمجية:

نسخ الكود

هذا كل شيء! لقد قمت للتو بتشغيل نموذج YOLOv8 على صورة. هذه البساطة هي ما يجعل نماذج Ultralytics قوية جدًا وسهلة الاستخدام.

الكشف المباشر عن طريق كاميرا الويب

هل ترغب في مشاهدة YOLOv8 أثناء العمل على بث مباشر عبر كاميرا الويب؟ إليك كيفية القيام بذلك:

python

نسخ الكود

سيفتح هذا النص البرمجي كاميرا الويب الخاصة بك ويطبق نموذج YOLOv8 detect الأجسام في الوقت الفعلي.

استكشاف نماذج أخرى

لا تتوقف Ultralytics عند YOLOv8 فقط. فهي تدعم أيضًا العديد من النماذج الأخرى مثل YOLOv5 و YOLO والنماذج القائمة على المحولات للكشف في الوقت الفعلي. لكل نموذج نقاط القوة وحالات الاستخدام الخاصة به.

نماذج Transformer وكيفية تشغيلها

يُعد نموذج RT-DETR الذي طورته شركة Baidu وتدعمه Ultralytics وهو عبارة عن كاشف كائنات متطور ومتكامل يوفر أداءً في الوقت الفعلي ودقة عالية. وهو يستخدم عمودًا فقريًا قائمًا على الإقناع ومشفّرًا هجينًا فعالاً لسرعة الوقت الحقيقي، ويتفوق على CUDA مع TensorRT ويدعم تعديل سرعة الاستدلال المرن.

إليك كيفية تشغيل نموذج RT-DETR :

نسخ الكود

نماذج تقسيم أي شيء (Segment Anything Models)

تقدم Ultralytics أيضًا نماذج لمهام التجزئة، مثل MobileSAM FastSAM. تم تصميم هذه النماذج segment كل شيء في الصورة، مما يوفر رؤى تفصيلية للمشهد.

تشغيل FastSAM

تم تحسين FastSAM للتجزئة في الوقت الفعلي، وإليك كيفية تشغيله:

نسخ الكود

هذا النموذج مثالي للتطبيقات التي تتطلب تجزئة سريعة ودقيقة.

الأداء والمقارنات

إحدى الميزات الرائعة لإطار Ultralytics هي القدرة على مقارنة النماذج المختلفة جنبًا إلى جنب. يمكنك بسهولة تحديد النموذج الذي يعمل بشكل أفضل لتطبيقك المحدد من خلال النظر إلى مقاييس الأداء مثل سرعة الاستدلال ومتوسط الدقةmAP).

النقاط الرئيسية

تجعل Ultralytics من السهل للغاية تشغيل نماذج الكشف عن الكائنات وتجزئتها ببضعة أسطر من التعليمات البرمجية. سواء كنت تعمل على تطبيقات في الوقت الفعلي أو تحتاج إلى نماذج عالية الدقة، فإن Ultralytics لديها الحل المناسب لك. احرص على الاطلاع على البرنامج التعليمي الكامل لنيكولاي نيلسن على قناة Ultralytics على يوتيوب لمزيد من المعلومات والأمثلة المتعمقة.

ترقبوا المزيد من البرامج التعليمية والتحديثات منمجتمع Ultralytics !