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

نوفولا لادي

3 دقائق للقراءة

27 يونيو 2024

دليل تفصيلي خطوة بخطوة حول كيفية تشغيل نماذج Ultralytics للكشف عن الكائنات وتجزئتها في بضعة أسطر من التعليمات البرمجية.

مرحبًا بك في مدونة أخرى حيث سنتعمق في إمكانيات نموذجي YOLOv5 و YOLOv8 من Ultralytics 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 نماذج وبنى مختلفة، 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-NAS وSAM. تم تصميم هذه النماذج للتعامل مع مجموعة متنوعة من المهام مثل الكشف في الوقت الحقيقي، والتجزئة، وتقدير الوضع.

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

إعداد البيئة المحيطة بك

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

باش

نسخ الرمز

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 محسّنة
  • أوزان مدربة مسبقاً لمهام متعددة
  • دعم اكتشاف الأجسام وتجزئتها وتصنيفها
  • بنية نموذج محسّنة لأداء أفضل

تشغيل YOLOv8 في Python

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

نسخ الرمز

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

اكتشاف كاميرا الويب المباشرة

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

بايثون

نسخ الرمز

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

_w_f_reserved_nherit
الشكل 1. يوضح نيكولاي نيلسن كيفية تشغيل نماذج Ultralytics للكشف عن الكائنات وتجزئتها.

استكشاف نماذج أخرى

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

نماذج المحولات وكيفية تشغيلها

يُعد نموذج RT-DETR الذي طورته شركة Baidu وتدعمه شركة 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 الرمز

نماذج أي شيء قطاع أي شيء

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

تشغيل FastSAM

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

نسخ الرمز

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 الدقة (mAP).

الوجبات 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 من مجتمع Ultralytics!

دعونا نبني المستقبل
للذكاء الاصطناعي معاً!

ابدأ رحلتك مع مستقبل التعلم الآلي

ابدأ مجاناً
تم نسخ الرابط إلى الحافظة