تشغيل نماذج Ultralytics لاكتشاف الأجسام وتقسيمها باستخدام بضعة أسطر من التعليمات البرمجية

في هذه المقالة، نستعرض قدرات نموذجي Ultralytics YOLOv5 وYOLOv8 في اكتشاف الأجسام والتقسيم. وسنستكشف كيفية دمج هذين النموذجين سهلَي الاستخدام في مشروعاتك باستخدام بضعة أسطر من الشفرة. سواء أكنت مبتدئًا أم مطورًا متمرسًا، فستتعرف إلى دعم Ultralytics لـنماذج وبنى متنوعة، بما في ذلك إصدارات YOLO المختلفة والنماذج القائمة على Transformer.

في الفيديو، يشرح نيكولاي نيلسن خطوات إعداد نماذج متنوعة واستخدامها ضمن إطار Ultralytics. لنستعرض العملية خطوة بخطوة ونتعرف إلى كيفية البدء باستخدام هذه الأدوات.

البدء باستخدام نماذج Ultralytics#

توفر Ultralytics إطار عمل شاملًا يدعم نماذج متعددة لاكتشاف الأجسام وتقسيمها. ويشمل ذلك نماذج YOLO الشائعة، من YOLOv3 إلى YOLOv8 (الذي خلفه منذ ذلك الحين YOLO26)، فضلًا عن YOLO-NAS ونماذج SAM. وقد صُممت هذه النماذج لتنفيذ مهام متنوعة، مثل الاكتشاف في الوقت الفعلي والتقسيم وتقدير الوضعيات.

للبدء، تفضل بزيارة صفحة وثائق Ultralytics. ستجد فيها معلومات مفصلة عن كل نموذج، بما في ذلك ميزاته الأساسية وبنيته وكيفية استخدامه في نصوص Python البرمجية.

إعداد بيئتك#

أولًا، تأكد من تثبيت Ultralytics. يمكنك إجراء ذلك بتشغيل:

pip install ultralytics

بعد إتمام ذلك، يمكنك البدء باستخدام هذه النماذج في مشاريعك. لنبدأ بنموذج Ultralytics YOLOv8 مثالًا.

الميزات الرئيسية لـ Ultralytics YOLOv8#

يتضمن Ultralytics YOLOv8 تحسينات عديدة مقارنة بالإصدارات السابقة. وقد صُمم ليكون أسرع وأكثر دقة، ما يجعله مناسبًا تمامًا للتطبيقات الآنية. ومن أبرز ميزاته:

• تحسين السرعة والدقة
• أوزان مدرّبة مسبقًا لمهام متعددة
• دعم اكتشاف الكائنات والتجزئة والتصنيف
• بنية محسّنة للنموذج لتحقيق أداء أفضل

تشغيل Ultralytics YOLOv8 باستخدام Python#

إليك كيفية البدء باستخدام Ultralytics YOLOv8 في بضعة أسطر من التعليمات البرمجية فحسب:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLOv8 مدرّب مسبقًا⁩
model = YOLO("yolov8n.pt")

# ⁨تشغيل الاستدلال على صورة⁩
results = model("path/to/image.jpg")

هذا كل شيء! لقد أجريت للتو استدلالًا باستخدام نموذج YOLOv8 على صورة. وهذه البساطة هي ما يجعل نماذج Ultralytics سهلة الاستخدام.

الكشف المباشر باستخدام كاميرا الويب#

هل تريد مشاهدة Ultralytics YOLOv8 أثناء العمل على بث مباشر من كاميرا الويب؟ إليك كيفية إجراء ذلك:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLOv8 مدرّب مسبقًا⁩
model = YOLO("yolov8n.pt")

# ⁨تشغيل الاستدلال على بث كاميرا الويب (source=0) وعرض النتائج⁩
results = model.predict(source=0, show=True)

يفتح هذا البرنامج كاميرا الويب ويطبق نموذج Ultralytics YOLOv8 لاكتشاف الأجسام في الوقت الفعلي.

الشكل 1. يشرح Nicolai Nielsen كيفية تشغيل نماذج Ultralytics لاكتشاف الكائنات وتجزيئها.

استكشاف نماذج أخرى#

لا تقتصر Ultralytics على YOLOv8، بل تدعم أيضًا نماذج أخرى متنوعة مثل YOLOv5 وYOLO-NAS والنماذج القائمة على Transformer للاكتشاف في الوقت الفعلي. ولكل نموذج نقاط قوة وحالات استخدام خاصة به.

نماذج Transformer وكيفية تشغيلها#

يُعد نموذج RT-DETR، الذي طورته Baidu وتدعمه Ultralytics، كاشف أجسام متطورًا شاملًا من البداية إلى النهاية، يوفر أداءً آنيًا ودقة عالية. ويستخدم عمودًا فقريًا قائمًا على الالتفاف ومشفّرًا هجينًا فعالًا لتحقيق السرعة الآنية، ويتفوق على CUDA مع TensorRT، كما يدعم ضبط سرعة الاستدلال بمرونة.

إليك كيفية تشغيل نموذج RT-DETR:

from ultralytics import RTDETR

# ⁨تحميل نموذج RT-DETR-l مدرّب مسبقًا على COCO⁩
model = RTDETR("rtdetr-l.pt")

# ⁨تشغيل الاستدلال على صورة⁩
results = model("path/to/image.jpg")

نماذج Segment Anything#

توفر Ultralytics أيضًا نماذج لمهام التقسيم، مثل MobileSAM وFastSAM. وقد صُممت هذه النماذج لتقسيم جميع العناصر في الصورة، وتقديم معلومات مفصلة عن المشهد.

تشغيل FastSAM#

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

from ultralytics import FastSAM

# ⁨أنشئ نموذج FastSAM⁩
model = FastSAM("FastSAM-s.pt")  # ⁨أو FastSAM-x.pt⁩

# ⁨تشغيل الاستدلال على صورة⁩
results = model("path/to/image.jpg", device="cpu", retina_masks=True, imgsz=1024, conf=0.4, iou=0.9)

يناسب هذا النموذج التطبيقات التي تتطلب تقسيمًا سريعًا ودقيقًا.

الأداء والمقارنات#

من الميزات المفيدة في منظومة Ultralytics إمكانية مقارنة النماذج المختلفة جنبًا إلى جنب. ويمكنك تحديد النموذج الأنسب لتطبيقك المحدد من خلال الاطلاع على مقاييس الأداء، مثل سرعة الاستدلال ومتوسط الدقة (mAP).

أهم النقاط#

تسهّل Ultralytics تشغيل نماذج اكتشاف الأجسام وتقسيمها باستخدام بضعة أسطر من الشفرة فقط. سواء أكنت تعمل على تطبيقات آنية أم تحتاج إلى نماذج عالية الدقة، توفر Ultralytics حلًا مناسبًا لك. واحرص على مشاهدة الدليل التعليمي الكامل الذي أعده نيكولاي نيلسن على قناة Ultralytics على YouTube للاطلاع على معلومات وأمثلة أكثر تفصيلًا.

ترقّبوا المزيد من البرامج التعليمية والتحديثات من مجتمع Ultralytics!