وصل Ultralytics YOLO11! أعد تعريف الممكن في الذكاء الاصطناعي!

يسرّنا أن نقدم الجيل التالي من نماذج Ultralytics: YOLO11! استنادًا إلى التطورات اللافتة في إصدارات نماذج YOLO السابقة، يقدم YOLO11 مجموعة من الميزات والتحسينات القوية التي تجعله أسرع وأكثر دقة ومتعدد الاستخدامات بدرجة كبيرة. أُعلن عن هذا الإصدار في فعالية YOLO Vision 2024 (YV24)، وهي الفعالية الهجينة السنوية التي تجمع خبراء الذكاء الاصطناعي والمبتكرين والمطورين في Ultralytics. ويأتي هذا الإصدار ضمن عائلة Ultralytics، وقد حل محله لاحقًا Ultralytics YOLO26، ليرسم ملامح جديدة لما يمكن تحقيقه في الرؤية الحاسوبية.

بفضل بنيته المبتكرة، يمكن استخدام Ultralytics YOLO11 في مهام متنوعة للرؤية الحاسوبية، بدءًا من اكتشاف الأجسام في الوقت الفعلي ووصولًا إلى التصنيف، مما يجعله خيارًا عمليًا للمطورين والباحثين على حد سواء. وتشمل التحسينات الرئيسية استخلاصًا أفضل للميزات لالتقاط التفاصيل بدقة أكبر، ودقة أعلى باستخدام عدد أقل من المعلمات، وسرعات معالجة أكبر تحسّن الأداء الآني بدرجة ملحوظة. في هذه المقالة، سنلقي نظرة فاحصة على الميزات التي تميز YOLO11 وكيف يمكنه إحداث تحول في تطبيقات الرؤية الحاسوبية لديك.

الشكل 1. غلين جوشر على المنصة، يعلن عن Ultralytics YOLO11 في YOLO Vision 24.

التعرف على Ultralytics YOLO11#

يمثل YOLO11 فصلًا جديدًا في مسيرة عائلة YOLO، إذ يقدم نموذجًا أكثر قدرة وتنوعًا يرتقي بالرؤية الحاسوبية إلى آفاق جديدة. وبفضل بنيته المحسّنة وقدراته المعززة، يدعم النموذج مهام الرؤية الحاسوبية، مثل تقدير الوضعية وتجزئة الكائنات، وهي من الميزات التي أحبها مجتمع الذكاء الاصطناعي للرؤية في Ultralytics YOLOv8، لكن بأداء ودقة أعلى. وقال Glenn Jocher، مؤسس Ultralytics ورئيسها التنفيذي: «سعينا مع YOLO11 إلى تطوير نموذج يجمع بين القوة والعملية للتطبيقات الواقعية. فالكفاءة والدقة المحسنتان تجعلان منه أداة قوية قابلة للتكيّف مع التحديات الفريدة التي تواجهها قطاعات مختلفة. وأتطلع بشوق إلى رؤية كيفية استخدام مجتمع الذكاء الاصطناعي للرؤية لـYOLO11 لإنشاء حلول مبتكرة والارتقاء بالرؤية الحاسوبية إلى مستوى جديد».

الشكل 2. Glenn Jocher على المنصة معلناً عن Ultralytics YOLO11 في YV24.

إليكم لمحة عن مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO11:

• اكتشاف الأجسام: يكتشف الأجسام ويحدد مواقعها داخل الصور أو إطارات الفيديو، ويرسم مربعات إحاطة حولها لاستخدامها في تطبيقات مثل المراقبة والقيادة الذاتية وتحليلات تجارة التجزئة.
• تجزئة الكائنات: تتضمن تحديد الأجسام الفردية داخل الصورة وفصلها على مستوى البكسل. وهي مفيدة لتطبيقات مثل التصوير الطبي واكتشاف العيوب في التصنيع.
• تصنيف الصور: يصنّف الصور كاملةً ضمن فئات محددة مسبقًا، مما يجعله مثاليًا لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية أو مراقبة الحياة البرية.
• تقدير الوضعية: يكتشف نقاطًا مفتاحية محددة في صورة أو إطار فيديو لتتبع الحركات أو الوضعيات، وهو مفيد لتتبع اللياقة البدنية وتحليلات الرياضة وتطبيقات الرعاية الصحية.
• اكتشاف الأجسام الموجّهة (OBB): يكتشف الأجسام مع تحديد زاوية اتجاهها، مما يتيح تحديد مواقع الأجسام المدارة بدقة أكبر، وهو مفيد خصوصًا للصور الجوية والروبوتات ومهام أتمتة المستودعات.
• تتبّع الأجسام: يراقب حركة الأجسام ويتتبعها عبر إطارات الفيديو المتتالية، مما يجعله أساسيًا للعديد من التطبيقات الآنية.

الشكل 3. مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO11.

ما الذي يميز Ultralytics YOLO11؟#

يبني YOLO11 على التطورات التي قدمها YOLOv9 وYOLOv10 في وقت سابق من هذا العام، مع إدراج تصميمات معمارية محسّنة وتقنيات أفضل لاستخراج السمات وأساليب تدريب مطوّرة. وما يميز YOLO11 حقاً هو جمعه المذهل بين السرعة والدقة والكفاءة، مما يجعله أحد أقدر النماذج التي أنشأتها Ultralytics حتى الآن. وبفضل تصميمه المحسّن، يوفر YOLO11 استخراجاً أفضل للسمات، وهي عملية تحديد الأنماط والتفاصيل المهمة في الصور، مما يتيح التقاط الجوانب الدقيقة بمزيد من الدقة حتى في الظروف الصعبة.

من اللافت أن YOLO11m يحقق نتيجة أعلى في متوسط الدقة (mAP) على مجموعة بيانات COCO، مع استخدام معلمات أقل بنسبة 22% من YOLOv8m، مما يجعله أخف حسابيًا من دون التضحية بالأداء. وهذا يعني أنه يقدم نتائج أدق مع كفاءة أعلى في التشغيل. وإضافة إلى ذلك، يوفر YOLO11 سرعات معالجة أعلى، إذ تقل أوقات الاستدلال بنحو 2% مقارنة بـYOLOv10، مما يجعله مثاليًا للتطبيقات الآنية.

الشكل 4. استخدام Ultralytics YOLO11 لاكتشاف الكائنات.

صُمم للتعامل مع المهام المعقدة مع استهلاك أقل للموارد، ولتحسين أداء النماذج واسعة النطاق، مما يجعله مناسباً لمشروعات الذكاء الاصطناعي التي تتطلب أداءً عالياً. كما أدت التحسينات في مسار زيادة البيانات إلى تحسين عملية التدريب، مما يسهل على Ultralytics YOLO11 التكيف مع مختلف المهام، سواء أكنت تعمل على مشروعات صغيرة أم تطبيقات واسعة النطاق.

والواقع أن YOLO11 يتمتع بكفاءة عالية من حيث القدرة الحاسوبية، ويناسب النشر على الأجهزة السحابية والطرفية على حد سواء، مما يضمن المرونة في بيئات مختلفة. وببساطة، ليس YOLO11 مجرد ترقية؛ بل هو نموذج أدق وأكثر كفاءة ومرونة بدرجة كبيرة، وأقدر على التعامل مع مجموعة واسعة من تحديات الرؤية الحاسوبية. وسواء كان الاستخدام للقيادة الذاتية أو المراقبة أو التصوير في الرعاية الصحية أو تجارة التجزئة الذكية أو التطبيقات الصناعية، فإن YOLO11 متعدد الاستخدامات بما يكفي لتلبية احتياجات أي تطبيق للرؤية الحاسوبية تقريبًا.

Ultralytics YOLO11 جاهز للاستخدام على أنظمتكم ومنصاتكم#

صُمم Ultralytics YOLO11 ليتكامل مع الأنظمة والمنصات التي تستخدمها بالفعل. وبالاستناد إلى الدعم الذي يوفره YOLOv8، يتوافق YOLO11 مع نطاق واسع من البيئات للتدريب والاختبار والنشر. وسواء كنت تعمل باستخدام وحدات GPU من NVIDIA أو الأجهزة الطرفية أو تنشر على المنصات السحابية، فإن YOLO11 مُحسّن ليلائم سير عملك.

تُعد عمليات التكامل هذه إضافات ممتازة تجعل YOLO11 قابلًا للتكيّف مع قطاعات مختلفة، وتساعد الشركات على تطبيق النموذج بسهولة ضمن عملياتها الحالية. لنفترض، على سبيل المثال، أنك تريد استخدام YOLO11 في الزراعة، وتحديدًا لمراقبة المحاصيل. قد تحتاج إلى نشر النموذج على طائرات مسيّرة لتحديد مشكلات صحة النباتات آنيًا في حقول واسعة. أما إذا كنت تعمل في مجال الأمن، فقد تفضّل استخدام YOLO11 مع نظام سحابي لمراقبة تدفقات كاميرات متعددة واكتشاف الأجسام.

الشكل 5. استخدام Ultralytics YOLO11 في الزراعة.

تمكين مجتمع الذكاء الاصطناعي باستخدام Ultralytics YOLO11#

يمكن لمجتمع الذكاء الاصطناعي للرؤية أن يتطلع إلى تطورات مثيرة مع إطلاق YOLO11. وبفضل دقته وكفاءته المعززتين، يمكن لهذا النموذج الجديد تحويل التطبيقات الحالية وإنشاء تطبيقات جديدة. ومن العوامل الرئيسية في هذا التقدم Ultralytics HUB، الذي حلّت محله لاحقًا Ultralytics Platform. وUltralytics HUB منصة سهلة الاستخدام تبسّط تدريب نماذج YOLO ونشرها، بما فيها YOLO11.

الشكل 6. تشغيل الاستدلال باستخدام YOLO11 على Ultralytics HUB.

يبسط Ultralytics HUB عملية التطوير، إذ يتيح للمستخدمين تحميل مجموعات البيانات والوصول إلى مجموعة من النماذج المدربة مسبقاً وإدارة مشروعاتهم كلها في مكان واحد. كما يدعم HUB التعاون، مما يسهل على الفرق العمل معاً في مشروعات الذكاء الاصطناعي. إليكم بعض الميزات الرئيسية الأخرى في Ultralytics HUB:

• التدريب السحابي: يوفر Ultralytics HUB تدريبًا سحابيًا للنماذج، بما يحقق قابلية التوسع والكفاءة.
• النماذج المدربة مسبقاً: تتيح المنصة الوصول إلى مجموعة متنوعة من نماذج YOLOv5 وYOLOv8 وYOLO11 المدربة مسبقاً.
• تصدير النماذج: يمكن تصدير النماذج المدربة إلى تنسيقات متعددة لنشرها.
• عمليات التكامل: يتكامل Ultralytics HUB مع منصات مثل Roboflow وGoogle Colab وWeights & Biases.
• الوثائق التفصيلية: يقدم Ultralytics HUB أدلة شاملة وأسئلة شائعة لدعم المستخدمين.
• دعم المجتمع: يتوفر مجتمع نشط على Discord للإجابة عن الأسئلة وإجراء النقاشات.

بفضل تصميم HUB البديهي، يستطيع المطورون ذوو الخبرة والمبتدئون البدء بسرعة. ومع تزايد عدد المطورين الذين يستخدمون Ultralytics YOLO11 عبر HUB، نتطلع إلى رؤية مزيد من تطبيقات الرؤية الحاسوبية عالية الأداء.

جرّب Ultralytics YOLO11 عملياً#

كما هو الحال مع YOLOv8، يمكنك تجربة YOLO11 عبر Ultralytics Platform وحزمة Ultralytics لـ Python. سجّل الدخول إلى Ultralytics Platform أو اطّلع على دليل البدء السريع للحصول على تعليمات خطوة بخطوة لتثبيت الحزمة. ويمكنك استكشاف ميزاتها، وتجربة مجموعات بيانات مختلفة، ومعرفة أداء YOLO11 في سيناريوهات متنوعة. ونتطلع إلى تفاعل مجتمع الذكاء الاصطناعي مع YOLO11 عبر المساهمة في تطويره، أو تقديم الملاحظات، أو البناء عليه.

سواء أكنت مطوراً تسعى إلى تحسين مشروعات قائمة أم مهتماً بإنشاء تطبيقات جديدة، يمكن لمشاركتك أن تساعد في دفع عجلة الابتكار. انضم إلى النقاشات وشارك تجاربك وتعاون مع الآخرين لإطلاق الإمكانات الكاملة لـUltralytics YOLO11. ونحن متحمسون لمعرفة كيف ستستخدم YOLO11 لمواجهة تحديات العالم الحقيقي وتحويل أفكارك الإبداعية إلى واقع!

يبدأ فصل جديد مع Ultralytics YOLO11#

يمثل Ultralytics YOLO11 الخطوة التالية في مجال الرؤية الحاسوبية، إذ يجمع بين الدقة والسرعة والكفاءة المذهلة. وقد أُعلن عنه في YV24، وتجعله ميزاته المتقدمة متعدد الاستخدامات في مختلف التطبيقات الفورية، من المركبات ذاتية القيادة إلى حلول تجارة التجزئة الذكية. ومع بدء مجتمع الذكاء الاصطناعي باستكشاف هذا النموذج واستخدامه، نتطلع إلى رؤية الطرق المبتكرة التي سيسهم بها YOLO11 في دفع عجلة الابتكار وتحقيق إمكانات جديدة. إذا كنت ترغب في استكشاف أحدث التطورات في الذكاء الاصطناعي، فجرّب YOLO11 وشاهد كيف يمكنه الارتقاء بمشروعات الرؤية الحاسوبية لديك!

لمعرفة المزيد عن الذكاء الاصطناعي، توجّه إلى مستودع GitHub وانضم إلى مجتمعنا النشط. واكتشف كيف يحقق الذكاء الاصطناعي تقدمًا في مجالات مثل الرعاية الصحية والزراعة.