تبسيط التعليق التوضيحي للصور باستخدام منصة Ultralytics

أطلقت Ultralytics مؤخراً Ultralytics Platform، وهي بيئة مصممة لدعم دورة الحياة الكاملة لتطوير الرؤية الحاسوبية. تعمل المنصة على مركزة الأدوات المستخدمة لإدارة مختلف مراحل سير عمل رؤية الذكاء الاصطناعي، بما في ذلك إعداد مجموعات البيانات، وتوضيح الصور والفيديوهات، وتدريب النماذج، والنشر.

على الرغم من الاعتماد المتزايد في صناعات مثل القيادة الذاتية والرعاية الصحية، لا يزال يُنظر إلى بناء حلول الرؤية الحاسوبية كعملية مجزأة. أحد الأسباب الرئيسية هو أن نماذج الرؤية الحاسوبية تعتمد بشكل كبير على جودة البيانات التي يتم تدريبها عليها. حتى قبل بدء التدريب، يجب إنشاء مجموعات البيانات وتنظيمها ومراجعتها وتصنيفها ليتمكن النموذج من تعلم ما يجب اكتشافه أو التعرف عليه.

عند العمل مع البيانات المرئية، تُعرف هذه العملية بتوضيح البيانات (data annotation) أو توضيح الصور (image annotation). أثناء توضيح الصور، يتم تمييز أجزاء معينة من الصورة وتخصيص تسميات لها توجه النموذج أثناء التدريب.

على سبيل المثال، إذا كان الهدف هو اكتشاف الكلاب في الصور، فقد يرسم الموضحون صناديق إحاطة (bounding boxes) حول كل كلب لإظهار مكان ظهوره. في المهام الأكثر تفصيلاً، قد يقومون بتحديد شكل الكلب باستخدام أقنعة التجزئة (segmentation masks) أو تحديد نقاط رئيسية (keypoints) لالتقاط وضعيته. تؤثر هذه الأمثلة المصنفة بشكل مباشر على مدى جودة أداء النموذج بمجرد نشره.

قد تكون إدارة سير عمل توضيح الصور على نطاق واسع أمراً صعباً. غالباً ما تتطلب مجموعات البيانات الضخمة معايير تصنيف متسقة، وتعاوناً بين العديد من الموضحين، وأدوات تجعل مراجعة التوضيحات وتحسينها أسهل.

تجمع Ultralytics Platform كل هذا معاً من خلال محرر توضيح مدمج. وهو يدعم أنواعاً متعددة من مهام التوضيح ويمنح الفرق طريقة أبسط لتصنيف البيانات وإعداد مجموعات بيانات الرؤية الحاسوبية ضمن سير عمل واحد.

الشكل 1. نظرة على محرر التوضيح في Ultralytics Platform (المصدر)

في هذه المقالة، سنستكشف كيف يساعد محرر التوضيح في Ultralytics Platform الفرق على توضيح مجموعات البيانات بكفاءة ويبسط عملية إعداد البيانات. لنبدأ!

Link to this sectionتوضيح البيانات في الرؤية الحاسوبية#

قبل استكشاف أدوات توضيح الصور المتاحة على Ultralytics Platform، دعنا نعود خطوة إلى الوراء لفهم ماهية توضيح البيانات ولماذا يعد مهماً في بناء أنظمة الرؤية الحاسوبية.

نماذج الرؤية الحاسوبية تتعلم من خلال تحليل مجموعات كبيرة من الصور أو مقاطع الفيديو المعروفة بمجموعات البيانات. ومع ذلك، لا توفر الصور الخام وحدها معلومات كافية لكي يفهم النموذج ما يجب اكتشافه أو التعرف عليه. لجعل البيانات مفيدة للتدريب، يجب تصنيف الصور من خلال تصنيف البيانات حتى يتمكن النموذج من تعلم الكائنات أو الأشكال أو الأنماط التي يجب البحث عنها.

أثناء توضيح الصور، يتم تمييز عناصر معينة داخل الصورة وتخصيص تسميات لها تصف ما يجب أن يتعلمه النموذج. توجه هذه الأمثلة المصنفة نماذج وخوارزميات التعلم العميق أثناء التدريب وتساعدها على التعرف على أنماط مماثلة عند معالجة صور جديدة.

تتطلب مهام الرؤية الحاسوبية المختلفة أنواعاً مختلفة من توضيح الصور بناءً على التطبيق وحالة الاستخدام. على سبيل المثال، قد يرسم الموضحون صناديق إحاطة حول الكائنات لاكتشاف الكائنات، أو يحددون مناطق في صورة للتجزئة الدلالية (semantic segmentation)، أو يحددون نقاطاً رئيسية لتقدير الوضعية (pose estimation)، أو يخصصون تسميات لصورة كاملة للتصنيف.

Link to this sectionإدارة وإعداد البيانات#

غالباً ما يتضمن إعداد البيانات لمشاريع الرؤية الحاسوبية العمل مع تنسيقات ملفات متنوعة وتنظيم مجموعات البيانات. كما يتضمن التأكد من أن كل شيء جاهز للتوضيح وتدريب خوارزميات التعلم الآلي. في العديد من سير العمل، تنتشر هذه العملية عبر أدوات متعددة، حيث يتم تحميل البيانات وتنظيفها ونقلها بين الأنظمة قبل أن تصبح قابلة للاستخدام.

تعمل Ultralytics Platform على تبسيط هذا الأمر من خلال التعامل مع إعداد البيانات، وتدريب النماذج، والنشر ضمن بيئة واحدة. يمكن للفرق تحميل الصور أو مقاطع الفيديو أو أرشيفات مجموعات البيانات، والاستفادة من نهج قابل للتخصيص بالكامل لإعداد بياناتهم باستخدام توضيحات يدوية أو آلية بالذكاء الاصطناعي. تدعم Ultralytics Platform كلاً من البيانات الخام والتنسيقات القياسية مثل YOLO وCOCO، مما يسهل بدء مشاريع جديدة. كما توفر إمكانية الوصول إلى مجموعات البيانات الموجودة على المنصة، بما في ذلك مجموعات البيانات الموضحة التي يمكن للفرق استخدامها لبدء مشاريع أو تجارب جديدة بسرعة.

الشكل 2. تحميل وإدارة مجموعات البيانات في بيئة واحدة على Ultralytics Platform. (المصدر)

بمجرد توفر البيانات، يمكن إدارتها مباشرة على المنصة. يمكن للمطورين مراجعة الصور، ومراقبة تقدم التوضيح، واستخدام تصورات مدمجة لفهم توزيع مجموعة البيانات وتحديد الفجوات المحتملة.

تدعم المنصة أيضاً إصدار مجموعات البيانات (dataset versioning)، مما يساعد الفرق على التقاط لقطات لبياناتهم أثناء تطورها. وهذا يسهل تتبع التغييرات، ومقارنة التجارب، والحفاظ على الاتساق أثناء التدريب.

بعد إعداد البيانات، يمكن للفرق الانتقال إلى توضيح الصور، حيث يتم تصنيفها لمساعدة النماذج على تعلم ما يجب اكتشافه.

Link to this sectionتوضيح مجموعات البيانات على Ultralytics Platform#

بمجرد تحميل البيانات، تكون الخطوة التالية هي التوضيح. هنا يتم تصنيف بيانات الصور، مما يضع الأسس لتدريب نماذج الرؤية الحاسوبية. تتضمن Ultralytics Platform خدمات توضيح صور مدمجة من خلال محرر توضيح يمكّن الفرق من تصنيف مجموعات البيانات وإدارتها مباشرة داخل نفس البيئة.

يتكشف محرر التوضيح في مساحة عمل بسيطة حيث يمكن للمستخدمين مراجعة الصور، وإضافة تسميات، وتحديث التوضيحات حسب الحاجة. كل شيء منظم في مكان واحد، مما يسهل الحفاظ على اتساق مجموعات البيانات وجاهزيتها لتدريب البيانات.

يمكن للفرق تحميل مجموعات البيانات والبدء في تصنيف الصور مباشرة في المتصفح، مع تحديد فئات التوضيح وإدارتها لضمان بقاء التسميات متسقة عبر مجموعة البيانات. أثناء إنشاء التوضيحات، يمكن للمستخدمين مراجعتها بصرياً في المحرر، مما يسهل التحقق من الدقة قبل الانتقال إلى تدريب النموذج.

Link to this sectionأدوات توضيح الصور في Ultralytics Platform#

تتضمن Ultralytics Platform أيضاً العديد من القدرات التي تدعم سير عمل تصنيف مجموعات البيانات بكفاءة، مما يبسط عملية التوضيح باستخدام خوارزميات متقدمة.

إليك بعض الميزات الرئيسية المتاحة في Ultralytics Platform:

• التوضيح اليدوي: يسمح هذا النهج للمستخدمين بالتمتع بالتحكم الكامل والمرونة عند إنشاء توضيحات الصور، مثل صناديق الإحاطة، أو مناطق التجزئة، أو النقاط الرئيسية، مباشرة على الصور.
• التصنيف بمساعدة الذكاء الاصطناعي: تقوم هذه الميزة بإنشاء توضيحات مقترحة تلقائياً، مما يقلل الحاجة إلى التصنيف اليدوي. وهي تستخدم SAM (Segment Anything Model) لاكتشاف الكائنات أو المناطق بنقرة واحدة فقط، مما يبسط عملية التوضيح، ويساعد المستخدمين على مراجعة الاقتراحات وتأكيدها قبل إضافتها إلى مجموعة البيانات.
• تحرير التوضيح: في أي وقت، يمكن للمستخدمين تعديل أو تحسين توضيحات الصور بعد إنشائها. يساعد هذا في تصحيح أخطاء التصنيف والحفاظ على تسميات مجموعة بيانات متسقة طوال عملية التوضيح.
• إدارة الفئات: يمكن للفرق والمطورين الأفراد تحديد وتنظيم فئات التوضيح المستخدمة أثناء تصنيف مجموعة البيانات. يساعد هذا في الحفاظ على اتساق التسميات عبر الصور، وهو أمر مهم لتدريب النماذج التي يمكنها التعرف بدقة على الفئات والتمييز بينها.

من خلال الجمع بين الأدوات اليدوية والذكاء الاصطناعي والأتمتة، تساعد Ultralytics Platform المستخدمين على توضيح الصور بكفاءة أكبر. كما أنها تمكّن من إعداد بيانات تدريب عالية الجودة لنماذج الرؤية الحاسوبية القابلة للتوسع.

Link to this sectionأنواع مهام التوضيح المدعومة#

ستتطلب حالات الاستخدام المختلفة مثل ضمان جودة المنتج أنواعاً مختلفة من التوضيح اعتماداً على ما يحتاج إلى اكتشافه داخل الصور أو مقاطع الفيديو. كما أشرنا أعلاه، تدعم Ultralytics Platform خمس مهام لاكتشاف الكائنات، لكل منها نوع التوضيح الخاص بها.

دعنا نلقي نظرة فاحصة على مهام التوضيح المدعومة على المنصة وكيف يمكن استخدامها لتصنيف مجموعات البيانات.

Link to this sectionكشف الكائنات#

يحدد اكتشاف الكائنات (object detection) الكائنات داخل الصورة ويحدد موقعها. يقوم الموضحون بتمييز كل كائن ذي أهمية باستخدام صناديق الإحاطة، مما يشير إلى مكان ظهور العناصر في الصورة.

في محرر التوضيح، يتم ذلك باستخدام أداة صندوق الإحاطة. يمكن للمستخدمين الدخول إلى "وضع التحرير"، والنقر والسحب لرسم مستطيل حول كائن، وتخصيص تسمية فئة من قائمة منسدلة.

يمكن تعديل صناديق الإحاطة بعد إنشائها. يمكن للموضحين تغيير حجمها عن طريق سحب الزاوية أو مقابض الحافة، أو تحريكها عن طريق سحب مركز الصندوق، أو حذفها باستخدام اختصارات لوحة المفاتيح. تساعد هذه التوضيحات نماذج الرؤية على تعلم اكتشاف الكائنات عبر مشاهد وظروف مختلفة.

الشكل 3. توضيح اكتشاف الكائنات باستخدام صناديق الإحاطة في Ultralytics Platform. (المصدر)

Link to this sectionتجزئة المثيلات#

توفر تجزئة المثيلات (instance segmentation) توضيحات أكثر تفصيلاً من خلال تحديد الشكل الدقيق للكائنات داخل الصورة. بدلاً من رسم صندوق بسيط، يتتبع الموضحون حدود الكائن باستخدام توضيح المضلع (polygon annotation) لإنشاء أقنعة دقيقة لمهام تجزئة الصور.

يتضمن محرر التوضيح أداة مضلع لهذه المهمة. يضع الموضحون رؤوساً متعددة حول حواف الكائن لتحديد شكله. بمجرد وضع الرؤوس، يمكن إغلاق المضلع لإنشاء قناع تجزئة.

يمكن تعديل الرؤوس بعد إنشاء المضلع. يمكن تحريك النقاط الفردية لتحسين حدود الكائن، ويمكن إزالة الرؤوس إذا لزم الأمر. تساعد هذه التوضيحات على مستوى البكسل النماذج على تعلم الهياكل المرئية التفصيلية والتمييز بين الكائنات التي تظهر متقاربة.

Link to this sectionتقدير الوضع#

تلتقط توضيحات تقدير الوضعية (pose estimation) مواضع مفاصل الجسم والعلاقات بينها. يساعد هذا النماذج على فهم بنية وحركة الأشخاص أو الحيوانات في الصورة.

باستخدام أداة النقاط الرئيسية، يضع الموضحون نقاطاً رئيسية تمثل مفاصل الجسم مثل الكتفين، والمرفقين، والمعصمين، والوركين، والركبتين، والكاحلين. تدعم المنصة العديد من قوالب الهيكل العظمي المدمجة، بما في ذلك تنسيق وضعية الإنسان COCO المكون من 17 نقطة بالإضافة إلى قوالب لليدين، والوجوه، والكلاب، وزوايا الصناديق.

تجعل القوالب من الممكن وضع تخطيط كامل للهيكل العظمي بنقرة واحدة، وبعد ذلك يمكن تعديل النقاط الرئيسية الفردية لتتناسب مع الوضعية في الصورة. يمكن أن تتضمن كل نقطة رئيسية أيضاً علامة رؤية للإشارة إلى ما إذا كانت مرئية أو محجوبة.

الشكل 4. توضيح تقدير الوضعية باستخدام النقاط الرئيسية وقوالب الهيكل العظمي. (المصدر)

Link to this sectionصناديق الإحاطة الموجهة (OBB)#

تأخذ صناديق الإحاطة الموجهة صناديق الإحاطة التقليدية خطوة إلى الأمام من خلال دعم التدوير. يكون هذا النوع من التوضيح مفيداً عندما تظهر الكائنات بزوايا بدلاً من أن تكون محاذية لإطار الصورة.

في محرر التوضيح، يمكن للموضحين استخدام أداة صندوق الإحاطة الموجه لرسم مستطيلات مائلة حول الكائنات. بعد رسم الصندوق الأولي، يمكن استخدام مقبض التدوير لضبط الزاوية، بينما تسمح مقابض الزاوية بتغيير حجم الصندوق.

غالباً ما تُستخدم التوضيحات المائلة في الصور الجوية، ومجموعات بيانات الفحص الصناعي، وسيناريوهات أخرى حيث تظهر الكائنات بشكل قطري أو من وجهات نظر مختلفة.

الشكل 5. توضيح صندوق الإحاطة الموجه (OBB) للكائنات المائلة في الصور الجوية. (المصدر)

Link to this sectionتصنيف الصور#

يخصص تصنيف الصور (image classification) تسمية لصورة كاملة بدلاً من تمييز كائنات فردية داخلها.

بالنسبة لمجموعات بيانات التصنيف، يوفر محرر التوضيح لوحة اختيار الفئة. يمكن للموضحين تخصيص تسميات للصور عن طريق اختيار فئة من الشريط الجانبي أو باستخدام اختصارات لوحة المفاتيح لتصنيف أسرع.

تساعد هذه التسميات على مستوى الصورة النماذج على تعلم أنماط مرئية عالية المستوى تمثل فئات مختلفة.

Link to this sectionالتوضيح بمساعدة الذكاء الاصطناعي مع SAM#

غالباً ما يتطلب تصنيف الصور لمهام مثل التجزئة عملاً دقيقاً ومفصلاً، خاصة عندما تحتاج الكائنات إلى التحديد بدقة. تتضمن Ultralytics Platform أدوات توضيح بمساعدة الذكاء الاصطناعي تعمل على تسريع العملية مع الحفاظ على دقة التوضيحات وسهولة مراجعتها.

على سبيل المثال، يمكن للموضحين التفاعل مع صورة بالنقر على أجزاء من كائن يريدون تضمينه في التوضيح. يمكنهم أيضاً تحديد المناطق التي يجب استبعادها لتحسين النتيجة. بناءً على هذه المدخلات، يقوم النموذج بإنشاء قناع تجزئة في الوقت الفعلي، والذي يمكن بعد ذلك مراجعته وتعديله قبل حفظه.

يجعل هذا النهج العمل عبر الصور المعقدة أسهل دون الحاجة إلى تتبع كل تفصيل يدوياً. في الوقت نفسه، يظل الموضحون متحكمين في النتيجة النهائية، مما يضمن بقاء التوضيحات متسقة عبر مجموعة البيانات.

الشكل 6. التجزئة بمساعدة الذكاء الاصطناعي باستخدام أداة التوضيح الذكية في Ultralytics Platform. (المصدر)

يتم تشغيل هذه الميزات بواسطة نماذج Segment Anything Models (SAM). تعد هذه النماذج جزءاً من نظام بيئي أوسع لأدوات الرؤية الحاسوبية مفتوحة المصدر المصممة لإنشاء تجزئات عالية الجودة من الحد الأدنى من المدخلات. تدعم المنصة متغيرات SAM متعددة، بما في ذلك SAM 2.1 وSAM 3. يمنح هذا الفرق المرونة للاختيار بين الأداء الأسرع والنتائج الأكثر تفصيلاً بناءً على احتياجاتهم.

يمكن تطبيق هذه الأدوات المدعومة بالذكاء الاصطناعي عبر مهام مثل اكتشاف الكائنات، وتجزئة المثيلات، واكتشاف صندوق الإحاطة الموجه. وهذا يعني أن الفرق يمكنها معالجة مجموعات البيانات الكبيرة بكفاءة أكبر مع الحفاظ على الجودة المطلوبة لتدريب النماذج بشكل موثوق.

Link to this sectionتحسين سير عمل التوضيح باستخدام أدوات مدمجة#

مع تقدم عمل التوضيح، من الشائع العودة وتعديل التسميات، أو إصلاح أي أخطاء، أو مراجعة الصور بشكل أدق. يتضمن محرر توضيح Ultralytics أدوات مدمجة تجعل هذه المهام اليومية أسهل في التعامل وأقل استهلاكاً للوقت.

بعض ميزات سير العمل المتاحة في المحرر تشمل:

• اختصارات لوحة المفاتيح: يتضمن المحرر اختصارات تسرع الإجراءات الشائعة، مثل حفظ التوضيحات، أو التراجع عن التغييرات أو إعادتها، أو حذف التسميات، أو اختيار الفئات أثناء التوضيح.
• سجل التراجع والإعادة: يمكن للموضحين عكس التغييرات التي تم إجراؤها أثناء جلسة التحرير أو استعادتها بسهولة. يساعد هذا الفرق على تجربة التوضيحات وإصلاح الأخطاء بسرعة دون فقدان التقدم، مما يدعم مراقبة جودة أفضل أثناء إعداد مجموعة البيانات.
• تحرير توضيح مرن: يمكن تعديل التوضيحات حتى بعد إنشائها. يمكن للمستخدمين تغيير حجم الأشكال، أو تحريك التوضيحات، أو تدوير صناديق الإحاطة الموجهة، أو تحديث تسميات الفئات حسب الحاجة، خاصة عند تحسين الكائنات ذات الأشكال غير المنتظمة.
• عناصر التحكم في الرؤية: يتضمن المحرر مفاتيح تبديل للرؤية تتيح للمستخدمين إظهار أو إخفاء التوضيحات وتسميات الفئات، مما يسهل فحص الصور أثناء التصنيف.
• أدوات الدقة: تساعد ميزات مثل التكبير/التصغير ومؤشر التقاطع مع إحداثيات البكسل الموضحين على وضع التسميات بدقة أكبر عند العمل مع الصور التفصيلية.

Link to this sectionإدارة فئات التوضيح على Ultralytics Platform#

تلعب فئات التوضيح الواضحة والمتسقة دوراً مهماً في بناء مجموعات بيانات رؤية حاسوبية موثوقة. مع نمو المشاريع، يمكن أن تصبح إدارة تصنيف البيانات عبر مجموعات البيانات الكبيرة صعبة، خاصة عند مشاركة العديد من الموضحين. يساعد الحفاظ على تنظيم الفئات بشكل جيد في ضمان بقاء التوضيحات متسقة وتعلم النماذج من بيانات مهيكلة.

تعمل Ultralytics Platform على تبسيط هذه العملية من خلال جلب إدارة الفئات مباشرة إلى محرر التوضيح. بدلاً من التعامل مع التسميات بشكل منفصل، يمكن للفرق إنشاء الفئات وتحديثها ومراجعتها أثناء العمل على الصور، مما يسهل الحفاظ على الاتساق طوال سير عمل التوضيح.

داخل المحرر، تتوفر جميع الفئات في شريط جانبي بجانب لوحة التوضيح. وهذا يجعل من السهل اختيار التسمية الصحيحة أثناء التوضيح وتتبع كيفية استخدام الفئات عبر مجموعة البيانات. يمكن للمستخدمين البحث عن الفئات الموجودة أو إنشاء فئات جديدة حسب الحاجة، دون مقاطعة سير عملهم.

يمكن أيضاً تحديث تفاصيل الفئة في أي وقت. يمكن تحرير الأسماء مباشرة، وتخصيص ألوان لجعل الفئات المختلفة أسهل في التحديد عبر التوضيحات. يوضح المحرر أيضاً عدد التوضيحات المرتبطة بكل فئة ويسمح للمستخدمين بمراجعتها، مما يساعد الفرق على التحقق من الاتساق والدقة.

تتم إدارة جميع الفئات من خلال جدول مركزي حيث يمكن فرزها والبحث عنها وتحديثها. يتم تطبيق أي تغييرات يتم إجراؤها هنا تلقائياً عبر مجموعة البيانات، مما يساعد الفرق على الحفاظ على الاتساق مع توسع مشاريع التوضيح.

الشكل 7. إدارة الفئات في محرر التوضيح توضح تنظيم التسميات وتخصيص الألوان. (المصدر)

Link to this sectionكيف تؤثر جودة التوضيح على الأداء في العالم الحقيقي#

مع انتقال أنظمة الرؤية الحاسوبية من التطوير إلى الاستخدام في العالم الحقيقي، تلعب جودة البيانات الموضحة دوراً رئيسياً في كيفية أداء النماذج. تساعد مجموعات البيانات المصنفة جيداً النماذج على إنتاج تنبؤات أكثر دقة واتساقاً، خاصة في البيئات الديناميكية أو غير المتوقعة.

في الممارسة العملية، حتى التناقضات الصغيرة في التوضيح يمكن أن تؤثر على سلوك النموذج. قد لا تكون الاختلافات في كيفية تصنيف الكائنات أو كيفية التعامل مع الحالات الحافة واضحة أثناء التدريب، ولكن يمكن أن تؤدي إلى تنبؤات أقل موثوقية بمجرد نشر الأنظمة.

علاوة على ذلك، يمكن أن تصبح هذه التناقضات أكثر وضوحاً في التطبيقات الواقعية. على سبيل المثال، في أنظمة الروبوتات والرعاية الصحية، تعتمد النماذج على المدخلات المرئية لاكتشاف الكائنات وتوجيه الإجراءات في الوقت الفعلي. يمكن أن تؤثر الاختلافات في التصنيف على مدى دقة تفسير هذه الأنظمة لمحيطها.

من خلال الحفاظ على ممارسات توضيح متسقة واستخدام منصات مثل Ultralytics لإدارة مجموعات البيانات وتحسينها بمرور الوقت، يمكن للفرق بناء نماذج تعمل بشكل أكثر موثوقية خارج بيئات الاختبار الخاضعة للرقابة.

Link to this sectionأبرز النقاط#

يعد توضيح البيانات عالي الجودة ضرورياً لتدريب نماذج الرؤية الحاسوبية الدقيقة ودعم مشاريع توضيح الصور الناجحة. تعمل Ultralytics Platform على تبسيط هذه العملية من خلال محرر توضيح قوي يدعم مهام رؤية متعددة. من خلال الجمع بين أدوات التوضيح اليدوي والتصنيف بمساعدة الذكاء الاصطناعي باستخدام SAM وميزات سير العمل المدمجة، يمكن للفرق إعداد مجموعات البيانات بكفاءة أكبر والانتقال بشكل أسرع من إعداد البيانات إلى تطوير النماذج.

انضم إلى مجتمعنا واستكشف مستودع GitHub لمعرفة المزيد حول نماذج الرؤية الحاسوبية. اقرأ عن تطبيقات مثل الذكاء الاصطناعي في السيارات والرؤية الحاسوبية في الروبوتات على صفحات حلولنا. تحقق من خيارات الترخيص الخاصة بنا وابدأ في بناء نموذج رؤية الذكاء الاصطناعي الخاص بك.