تطور اكتشاف الأجسام ونماذج YOLO من Ultralytics

الرؤية الحاسوبية هي فرع من فروع الذكاء الاصطناعي (AI) يركّز على تعليم الآلات رؤية الصور ومقاطع الفيديو وفهمها، على نحو يشبه إدراك البشر للعالم الحقيقي. فبينما يتعرّف البشر على الأشياء أو يحدّدون الأفعال بصورة طبيعية، تتطلب هذه المهام تقنيات متخصصة في الرؤية الحاسوبية عند تنفيذها بواسطة الآلات. على سبيل المثال، تتمثل إحدى المهام الأساسية في الرؤية الحاسوبية في اكتشاف الأجسام، الذي يشمل تحديد الأجسام وتحديد مواقعها داخل الصور أو مقاطع الفيديو.

منذ ستينيات القرن الماضي، يعمل الباحثون على تحسين قدرة الحواسيب على اكتشاف الأجسام. تضمنت الأساليب المبكرة، مثل مطابقة القوالب، تمرير قالب محدد مسبقًا فوق الصورة للعثور على التطابقات. ورغم ابتكار هذه الأساليب، فإنها واجهت صعوبات عند تغيّر حجم الجسم أو اتجاهه أو الإضاءة. أما اليوم، فتتوفر لدينا نماذج متقدمة مثل Ultralytics YOLO11، القادرة على اكتشاف الأجسام الصغيرة والمخفية جزئيًا، المعروفة بالأجسام المحجوبة، بدقة مذهلة.

مع استمرار تطور الرؤية الحاسوبية، من المهم أن نلقي نظرة على كيفية تطور هذه التقنيات. في هذا المقال، نستعرض تطور اكتشاف الأجسام ونسلط الضوء على التحول الذي شهدته نماذج YOLO (أنت تنظر مرة واحدة فقط).

نشأة الرؤية الحاسوبية#

قبل الخوض في اكتشاف الأجسام، لنلقِ نظرة على بدايات الرؤية الحاسوبية. تعود أصول الرؤية الحاسوبية إلى أواخر خمسينيات القرن الماضي وأوائل ستينياته، حين بدأ العلماء استكشاف كيفية معالجة الدماغ للمعلومات المرئية. وفي تجارب أُجريت على القطط، اكتشف الباحثان ديفيد هوبل وتورستن فيزل أن الدماغ يستجيب لأنماط بسيطة مثل الحواف والخطوط. وقد شكّل ذلك أساس فكرة استخراج السمات، أي أن الأنظمة البصرية تكتشف السمات الأساسية في الصور وتتعرف عليها، مثل الحواف، قبل الانتقال إلى الأنماط الأكثر تعقيدًا.

الشكل 1. ساعد التعلّم حول استجابة دماغ القطة لأشرطة الضوء على تطوير استخراج السمات في الرؤية الحاسوبية.

وفي الفترة نفسها تقريبًا، ظهرت تقنيات جديدة قادرة على تحويل الصور المادية إلى صيغ رقمية، مما أثار الاهتمام بكيفية معالجة الآلات للمعلومات المرئية. وفي عام 1966، دفع مشروع الرؤية الصيفي في معهد ماساتشوستس للتكنولوجيا (MIT) هذا المجال إلى الأمام. ورغم أن المشروع لم يحقق نجاحًا كاملًا، فقد هدف إلى إنشاء نظام يفصل المقدمة عن الخلفية في الصور. ويرى كثيرون في مجتمع الذكاء الاصطناعي للرؤية أن هذا المشروع يمثل البداية الرسمية للرؤية الحاسوبية بوصفها مجالًا علميًا.

فهم تاريخ اكتشاف الأجسام#

مع تقدم الرؤية الحاسوبية في أواخر تسعينيات القرن الماضي وأوائل العقد الأول من القرن الحادي والعشرين، انتقلت أساليب اكتشاف الأجسام من تقنيات أساسية مثل مطابقة القوالب إلى أساليب أكثر تقدمًا. وكانت Haar Cascade إحدى الطرق الشائعة التي انتشر استخدامها على نطاق واسع في مهام مثل اكتشاف الوجوه. وعملت هذه الطريقة على مسح الصور باستخدام نافذة منزلقة، وفحص سمات محددة مثل الحواف أو الأنسجة في كل جزء من الصورة، ثم دمج هذه السمات لاكتشاف أجسام مثل الوجوه. وكانت Haar Cascade أسرع بكثير من الطرق السابقة.

الشكل 2. استخدام Haar Cascade لاكتشاف الوجوه.

إلى جانب هذه الأساليب، طُرحت أيضًا طرق مثل مدرج تكراري للتدرجات الموجّهة (HOG) وآلات المتجهات الداعمة (SVMs). استخدمت HOG تقنية النافذة المنزلقة لتحليل تغير الضوء والظلال في أجزاء صغيرة من الصورة، مما ساعد على تحديد الأجسام استنادًا إلى أشكالها. ثم صنّفت SVMs هذه السمات لتحديد هوية الجسم. حسّنت هذه الطرق الدقة، لكنها ظلت تواجه صعوبات في بيئات العالم الحقيقي وكانت أبطأ مقارنةً بالتقنيات الحالية.

الحاجة إلى اكتشاف الأجسام في الوقت الفعلي#

في العقد الثاني من القرن الحادي والعشرين، أدى انتشار التعلم العميق والشبكات العصبية الالتفافية (CNNs) إلى تحول كبير في اكتشاف الأجسام. وأتاحت CNNs للحواسيب تعلّم السمات المهمة تلقائيًا من كميات كبيرة من البيانات، مما زاد دقة الاكتشاف بدرجة كبيرة.

مثّلت النماذج المبكرة مثل الشبكات العصبية الالتفافية القائمة على المناطق (R-CNN) تحسنًا كبيرًا في الدقة، إذ ساعدت على تحديد الأجسام بدقة أكبر من الطرق الأقدم.

لكن هذه النماذج كانت بطيئة لأنها تعالج الصور على مراحل متعددة، مما جعلها غير عملية للتطبيقات الآنية في مجالات مثل السيارات ذاتية القيادة أو المراقبة بالفيديو.

بهدف تسريع العمليات، طُوّرت نماذج أكثر كفاءة. وساعدت نماذج مثل Fast R-CNN وFaster R-CNN على ذلك من خلال تحسين طريقة اختيار المناطق محل الاهتمام وتقليل عدد الخطوات اللازمة للاكتشاف. ورغم أن هذا جعل اكتشاف الأجسام أسرع، فإنه لم يكن سريعًا بما يكفي للعديد من تطبيقات العالم الحقيقي التي تتطلب نتائج فورية. وقد دفع تزايد الطلب على الاكتشاف الآني إلى تطوير حلول أسرع وأكثر كفاءة، تحقق التوازن بين السرعة والدقة.

الشكل 3. مقارنة سرعات R-CNN وFast R-CNN وFaster R-CNN.

نماذج YOLO (أنت تنظر مرة واحدة فقط): محطة بارزة#

YOLO نموذج لاكتشاف الأجسام أعاد تعريف الرؤية الحاسوبية، إذ أتاح اكتشاف أجسام متعددة في الصور ومقاطع الفيديو آنيًا، مما ميّزه عن أساليب الاكتشاف السابقة. وبدلًا من تحليل كل جسم مكتشف على حدة، تتعامل بنية YOLO مع اكتشاف الأجسام باعتباره مهمة واحدة، فتتنبأ بمواقع الأجسام وفئاتها دفعة واحدة باستخدام CNNs.

يعمل النموذج بتقسيم الصورة إلى شبكة، ويتولى كل جزء منها اكتشاف الأجسام في المنطقة المقابلة له. ويجري عدة تنبؤات لكل جزء، ثم يستبعد النتائج الأقل ثقة ويحتفظ بالنتائج الأعلى ثقة فقط.

الشكل 4. نظرة عامة على آلية عمل YOLO.

جعل إدخال YOLO إلى تطبيقات الرؤية الحاسوبية اكتشاف الأجسام أسرع وأكثر كفاءة بكثير من النماذج السابقة. وبفضل سرعته ودقته، سرعان ما أصبح YOLO خيارًا شائعًا للحلول الآنية في قطاعات مثل التصنيع والرعاية الصحية والروبوتات.

ومن النقاط المهمة الأخرى أن YOLO كان مفتوح المصدر، ما أتاح للمطورين والباحثين تحسينه باستمرار، وأدى إلى ظهور إصدارات أكثر تطورًا.

المسار من YOLO إلى Ultralytics YOLO11#

تحسنت نماذج YOLO باستمرار بمرور الوقت، مستفيدةً من التطورات التي حققها كل إصدار. وإلى جانب تحسين الأداء، جعلت هذه التحسينات استخدام النماذج أسهل للأشخاص ذوي المستويات المختلفة من الخبرة التقنية.

على سبيل المثال، عند طرح Ultralytics YOLOv5، أصبح نشر النماذج أبسط بفضل PyTorch، مما أتاح لشريحة أوسع من المستخدمين العمل بالذكاء الاصطناعي المتقدم. وجمع النموذج بين الدقة وسهولة الاستخدام، ومكّن عددًا أكبر من الأشخاص من تطبيق اكتشاف الأجسام دون الحاجة إلى خبرة في البرمجة.

الشكل 5. تطور نماذج YOLO.

واصل Ultralytics YOLOv8 هذا التقدم بإضافة دعم لمهام مثل تقسيم المثيلات وجعل النماذج أكثر مرونة. وأصبح استخدام YOLO أسهل في التطبيقات الأساسية والمعقدة على حد سواء، ما جعله مفيدًا في مجموعة واسعة من السيناريوهات.

مع Ultralytics YOLO11 (الذي خلفه لاحقًا Ultralytics YOLO26)، أُجريت تحسينات إضافية. وأصبح النموذج أكثر كفاءة في المهام الآنية بفضل تقليل عدد المعلمات وتحسين الدقة. سواء أكنت مطورًا خبيرًا أم حديث العهد بالذكاء الاصطناعي، يقدم YOLO11 نهجًا متقدمًا لاكتشاف الأجسام يسهل الوصول إليه.

التعرّف على Ultralytics YOLO11: ميزات وتحسينات جديدة#

يدعم YOLO11، الذي أُطلق خلال فعالية Ultralytics الهجينة السنوية YOLO Vision 2024 (YV24)، مهام الرؤية الحاسوبية نفسها التي يدعمها YOLOv8، مثل اكتشاف الأجسام وتقسيم المثيلات وتصنيف الصور وتقدير الوضعية. لذا يمكن للمستخدمين الانتقال بسهولة إلى هذا النموذج الجديد دون الحاجة إلى تعديل سير عملهم. إضافةً إلى ذلك، تجعل البنية المطوّرة لـ YOLO11 التنبؤات أكثر دقة. ففي الواقع، يحقق YOLO11m متوسط دقة أعلى (mAP) على مجموعة بيانات COCO، مع عدد معلمات أقل بنسبة 22% مقارنةً بـ YOLOv8m.

صُمم YOLO11 أيضًا للعمل بكفاءة على مجموعة متنوعة من المنصات، بدءًا من الهواتف الذكية وأجهزة الحافة الأخرى وصولًا إلى الأنظمة السحابية الأقوى. وتضمن هذه المرونة أداءً سلسًا عبر تكوينات الأجهزة المختلفة في التطبيقات الآنية. فضلًا عن ذلك، يتميز YOLO11 بسرعة وكفاءة أكبر، مما يقلل تكاليف الحوسبة ويسرّع أوقات الاستدلال. سواء أكنت تستخدم حزمة Ultralytics Python أم Ultralytics HUB التي لا تتطلب كتابة تعليمات برمجية (وتُعرف الآن باسم Ultralytics Platform)، فمن السهل دمج YOLO11 في سير عملك الحالي.

مستقبل نماذج YOLO واكتشاف الأجسام#

بدأ أثر اكتشاف الأجسام المتقدم على التطبيقات الآنية والذكاء الاصطناعي على الحافة يظهر في مختلف القطاعات. ومع تزايد اعتماد قطاعات مثل النفط والغاز والرعاية الصحية وتجارة التجزئة على الذكاء الاصطناعي، يستمر الطلب على اكتشاف الأجسام بسرعة ودقة في الارتفاع. ويهدف Ultralytics YOLO11 إلى تلبية هذا الطلب من خلال إتاحة اكتشاف عالي الأداء، حتى على الأجهزة ذات القدرة الحاسوبية المحدودة.

مع نمو الذكاء الاصطناعي على الحافة، يُرجح أن تزداد أهمية نماذج اكتشاف الأجسام مثل Ultralytics YOLO11 في اتخاذ القرارات آنياً ضمن البيئات التي تكون فيها السرعة والدقة حاسمتين. ومع التحسينات المستمرة في التصميم وقابلية التكيف، يبدو أن مستقبل اكتشاف الأجسام سيشهد مزيدًا من الابتكارات في مجموعة متنوعة من التطبيقات.

أبرز النقاط#

قطع اكتشاف الأجسام شوطًا طويلًا، إذ تطور من أساليب بسيطة إلى تقنيات التعلم العميق المتقدمة التي نراها اليوم. وكانت نماذج YOLO في صميم هذا التقدم، إذ قدمت اكتشافًا آنيًا أسرع وأكثر دقة في قطاعات مختلفة. ويواصل Ultralytics YOLO11 هذا الإرث بتحسين الكفاءة، وخفض تكاليف الحوسبة، وتعزيز الدقة، ما يجعله خيارًا موثوقًا لمجموعة متنوعة من التطبيقات الآنية. ومع استمرار التقدم في الذكاء الاصطناعي والرؤية الحاسوبية، يبدو مستقبل اكتشاف الأجسام واعدًا، مع إمكانات لمزيد من التحسين في السرعة والدقة والقدرة على التكيف.

هل يثير الذكاء الاصطناعي فضولك؟ ابقَ على تواصل مع مجتمعنا لمواصلة التعلم! تفقّد مستودعنا على GitHub لاكتشاف كيفية استخدامنا للذكاء الاصطناعي لإنشاء حلول مبتكرة في قطاعات مثل التصنيع والرعاية الصحية.