وصل Ultralytics YOLO11! أعد تعريف الممكن في الذكاء الاصطناعي!

يسعدنا أن نقدم التطور التالي لـ نماذج Ultralytics: YOLO11! بالاعتماد على التطورات الرائعة في إصدارات نموذج YOLO السابقة، يقدم YOLO11 مجموعة من الميزات والتحسينات القوية التي تجعله أسرع وأكثر دقة وتنوعًا بشكل لا يصدق. تم الإعلان عن هذا الإصدار في حدث YOLO Vision 2024 (YV24)، وهو التجمع السنوي المختلط لـ Ultralytics لخبراء الذكاء الاصطناعي والمبتكرين والمطورين، ومن المقرر أن تعيد هذه الإضافة الأخيرة إلى عائلة Ultralytics تعريف الممكن باستخدام الرؤية الحاسوبية. 

بفضل بنيته المبتكرة، يمكن استخدام YOLO11 في مهام رؤية حاسوبية متنوعة، بدءًا من الكشف عن الأجسام في الوقت الفعلي وحتى التصنيف، مما يجعله يغير قواعد اللعبة للمطورين والباحثين على حد سواء. تشمل التحسينات الرئيسية استخراجًا محسنًا للميزات لالتقاط تفاصيل أكثر دقة، ودقة أكبر مع عدد أقل من المعلمات، وسرعات معالجة أسرع تعمل على تحسين الأداء في الوقت الفعلي بشكل كبير. في هذه المقالة، سنلقي نظرة فاحصة على الميزات التي تجعل YOLO11 متميزًا وكيف يمكنه تحويل تطبيقات الرؤية الحاسوبية الخاصة بك. هيا بنا نبدأ!

التعرف على YOLO11

يمثل YOLO11 فصلاً جديدًا لعائلة YOLO، حيث يقدم نموذجًا أكثر قدرة وتنوعًا يأخذ الرؤية الحاسوبية إلى آفاق جديدة. بفضل بنيته المحسّنة وقدراته المعززة، يدعم النموذج مهام الرؤية الحاسوبية مثل تقدير الوضع وتقسيم الحالات التي أحبها مجتمع Vision AI في Ultralytics YOLOv8، ولكن بأداء ودقة أكبر. شارك Glenn Jocher، المؤسس والرئيس التنفيذي لشركة Ultralytics، قائلاً: "مع YOLO11، شرعنا في تطوير نموذج يوفر القوة والتطبيق العملي للتطبيقات الواقعية. إن كفاءته ودقته المحسّنة تجعله أداة قوية يمكن تكييفها مع التحديات الفريدة التي تواجهها مختلف الصناعات. لا أطيق الانتظار لرؤية كيف سيستخدم مجتمع Vision AI نموذج YOLO11 لإنشاء حلول مبتكرة والارتقاء بالرؤية الحاسوبية إلى المستوى التالي."

‍

إليك لمحة عن مهام الرؤية الحاسوبية التي يدعمها YOLO11:

• اكتشاف الكائنات: يحدد مواقع الكائنات داخل الصور أو إطارات الفيديو ويضع مربعات إحاطة حولها لتطبيقات مثل المراقبة، القيادة الذاتية، و تحليلات البيع بالتجزئة.
  ‍
• تقسيم الحالات: يتضمن تحديد وفصل الكائنات الفردية داخل الصورة وصولاً إلى مستوى البكسل. وهو مفيد لتطبيقات مثل التصوير الطبي واكتشاف العيوب في التصنيع.
  ‍
• تصنيف الصور: يصنف الصور بأكملها إلى فئات محددة مسبقًا، مما يجعله مثاليًا لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية أو مراقبة الحياة البرية.
  ‍
• تقدير الوضع: يكتشف نقاط رئيسية محددة داخل صورة أو إطار فيديو لتتبع الحركات أو الأوضاع، وهو مفيد لتطبيقات تتبع اللياقة البدنية، تحليلات الرياضة، و الرعاية الصحية.
  ‍
• اكتشاف الكائنات الموجهة (OBB): يكتشف الكائنات بزاوية اتجاه، مما يسمح بتحديد أكثر دقة للكائنات المدورة، وهو ذو قيمة خاصة لمهام التصوير الجوي، الروبوتات، و أتمتة المستودعات.
  ‍
• تتبع الكائنات: يراقب ويتبع حركة الكائنات عبر إطارات الفيديو المتتالية، مما يجعله ضروريًا للعديد من التطبيقات في الوقت الفعلي.

‍

ما الذي يميز YOLO11؟

يعتمد YOLO11 على التطورات التي تم تقديمها في YOLOv9 و YOLOv10 في وقت سابق من هذا العام، ويتضمن تصميمات معمارية محسنة، وتقنيات محسنة لاستخراج الميزات، وطرق تدريب محسنة. ما يميز YOLO11 حقًا هو مزيجه الرائع من السرعة والدقة والكفاءة، مما يجعله أحد أكثر النماذج قدرة التي أنشأتها Ultralytics حتى الآن. بفضل التصميم المحسن، يوفر YOLO11 استخراجًا أفضل للميزات، وهي عملية تحديد الأنماط والتفاصيل المهمة من الصور، مما يجعل من الممكن التقاط الجوانب المعقدة بدقة أكبر، حتى في السيناريوهات الصعبة.

الجدير بالذكر أن YOLO11m يحقق متوسط دقة متوسطة (mAP) أعلى على مجموعة بيانات COCO مع استخدام معلمات أقل بنسبة 22٪ من YOLOv8m، مما يجعله أخف وزناً من الناحية الحسابية دون التضحية بالأداء. هذا يعني أنه يقدم نتائج أكثر دقة مع كونه أكثر كفاءة في التشغيل. علاوة على ذلك، يوفر YOLO11 سرعات معالجة أسرع، مع أوقات استدلال أسرع بنسبة 2٪ تقريبًا من YOLOv10، مما يجعله مثاليًا للتطبيقات في الوقت الفعلي. 

‍

تم تصميمه للتعامل مع المهام المعقدة مع كونه أسهل في الموارد ومصممًا لتحسين أداء النماذج واسعة النطاق، مما يجعله مناسبًا تمامًا لمشاريع الذكاء الاصطناعي الصعبة. أدت التحسينات التي أُدخلت على مسار زيادة البيانات أيضًا إلى تحسين عملية التدريب، مما يسهل على YOLO11 التكيف مع المهام المختلفة، سواء كنت تعمل على مشاريع صغيرة أو تطبيقات واسعة النطاق. 

في الواقع، YOLO11 فعال للغاية من حيث قوة المعالجة ومناسب تمامًا للنشر على كل من الأجهزة السحابية والحافة، مما يضمن المرونة عبر البيئات المختلفة. ببساطة، YOLO11 ليس مجرد ترقية؛ إنه نموذج أكثر دقة وكفاءة ومرونة بشكل ملحوظ، ومجهز بشكل أفضل للتعامل مع أي تحدٍ للرؤية الحاسوبية. سواء كان القيادة الذاتية، المراقبة، التصوير الطبي في الرعاية الصحية، البيع بالتجزئة الذكي، أو حالات الاستخدام الصناعي، فإن YOLO11 متعدد الاستخدامات بما يكفي لتلبية احتياجات أي تطبيق للرؤية الحاسوبية تقريبًا.

YOLO11 جاهز لأنظمتك ومنصاتك

تم تصميم YOLO11 للتكامل بسلاسة مع الأنظمة والمنصات التي تستخدمها بالفعل. بالاعتماد على الدعم الذي يوفره YOLOv8، يتوافق YOLO11 مع مجموعة واسعة من البيئات للتدريب، الاختبار، و النشر. سواء كنت تعمل مع وحدات معالجة الرسومات NVIDIA، أجهزة الحافة، أو النشر على السحابة، فقد تم تحسين YOLO11 ليتناسب مع سير عملك دون عناء.

تعد عمليات التكامل هذه إضافات رائعة تجعل YOLO11 قابلاً للتكيف مع الصناعات المختلفة، مما يساعد الشركات على تنفيذ النموذج بسهولة في عملياتها الحالية. على سبيل المثال، لنفترض أنك تريد استخدام YOLO11 للزراعة، وتحديدًا لمراقبة المحاصيل. قد تحتاج إلى نشر النموذج على طائرات بدون طيار لتحديد المشكلات الصحية للنباتات في الوقت الفعلي عبر الحقول الكبيرة. ومع ذلك، إذا كنت في مجال الأمن، فقد تفضل استخدام YOLO11 مع نظام قائم على السحابة لمراقبة موجزات كاميرات متعددة لاكتشاف الكائنات.

‍

تمكين مجتمع الذكاء الاصطناعي باستخدام YOLO11

يمكن لمجتمع رؤية الذكاء الاصطناعي أن يتوقع تطورات مثيرة مع إطلاق YOLO11. بفضل دقته وكفاءته المعززة، يتمتع هذا النموذج الجديد بالقدرة على تغيير التطبيقات الحالية وإنشاء تطبيقات جديدة. أحد العوامل الرئيسية في هذا التقدم هو Ultralytics HUB. Ultralytics HUB عبارة عن منصة سهلة الاستخدام تعمل على تبسيط تدريب ونشر نماذج YOLO، بما في ذلك YOLO11. 

‍

يعمل Ultralytics HUB على تبسيط عملية التطوير من خلال السماح للمستخدمين بتحميل مجموعات البيانات والوصول إلى مجموعة من النماذج المدربة مسبقًا وإدارة مشاريعهم في مكان واحد. يدعم HUB أيضًا التعاون، مما يسهل على الفرق العمل معًا في مشاريع الذكاء الاصطناعي. فيما يلي بعض الميزات الرئيسية الأخرى لـ Ultralytics HUB:

• التدريب السحابي: يوفر Ultralytics HUB تدريبًا سحابيًا سلسًا للنماذج لتحقيق قابلية التوسع والكفاءة.
  ‍
• نماذج مُدرَّبة مسبقًا: توفر المنصة الوصول إلى مجموعة متنوعة من نماذج YOLOv5 و YOLOv8 و YOLO11 المُدرَّبة مسبقًا.
  ‍
• تصدير النماذج: يمكن تصدير النماذج المُدرَّبة إلى تنسيقات مختلفة لنشرها.
  ‍
• التكاملات: يتكامل Ultralytics HUB بسلاسة مع منصات مثل Roboflow و Google Colab و Weights & Biases.
  ‍
• وثائق تفصيلية: يقدم Ultralytics HUB أدلة شاملة وأسئلة متكررة لدعم المستخدم.
  ‍
• دعم المجتمع: يتوفر مجتمع Discord نشط للأسئلة والمناقشات.

بفضل التصميم البديهي لـ HUB، يمكن للمطورين ذوي الخبرة والوافدين الجدد البدء بسرعة. مع استخدام المزيد من المطورين لـ YOLO11 من خلال HUB، يمكننا أن نتطلع إلى زيادة في التطبيقات عالية الأداء التي تدفع حدود رؤية الكمبيوتر وتشكيل مستقبل تكنولوجيا الذكاء الاصطناعي.

انطلق عمليًا مع YOLO11

تمامًا مثل YOLOv8، ستتوفر YOLO11 قريبًا لتجربتها من خلال Ultralytics HUB و حزمة Ultralytics Python. يمكنك تسجيل الدخول إلى HUB أو الاطلاع على دليل البدء السريع للحصول على إرشادات خطوة بخطوة حول كيفية تثبيت الحزمة. بمجرد الإصدار، ستتمكن من استكشاف ميزاتها وتجربة مجموعات البيانات المختلفة ومعرفة كيف يعمل YOLO11 في سيناريوهات مختلفة. لا يسعنا الانتظار لرؤية مجتمع الذكاء الاصطناعي يتفاعل مع YOLO11 و يساهم في تطويره، وتقديم الملاحظات، أو البناء عليه.

سواء كنت مطورًا تتطلع إلى تحسين المشاريع الحالية أو شخصًا مهتمًا بإنشاء تطبيقات جديدة، يمكن أن تساعد مشاركتك في دفع الابتكار. انضم إلى المناقشات وشارك خبراتك وتعاون مع الآخرين لإطلاق الإمكانات الكاملة لـ YOLO11. نحن متحمسون لرؤية كيف تستخدم YOLO11 لمواجهة تحديات العالم الحقيقي وتحقيق أفكارك الإبداعية على أرض الواقع!

فصل جديد يبدأ مع YOLO11

YOLO11 هي الخطوة التالية إلى الأمام في رؤية الكمبيوتر، حيث تجمع بين الدقة والسرعة والكفاءة الرائعة. تم الإعلان عنها في YV24، وميزاتها المتقدمة تجعلها متعددة الاستخدامات لمختلف التطبيقات في الوقت الفعلي، من المركبات ذاتية القيادة إلى حلول البيع بالتجزئة الذكية. مع بدء مجتمع الذكاء الاصطناعي في استكشاف هذا النموذج واستخدامه، نحن متحمسون لرؤية الطرق الإبداعية التي ستدفع بها YOLO11 الابتكار وتحقق إمكانيات جديدة على أرض الواقع. إذا كنت تتطلع إلى استكشاف أحدث التطورات في الذكاء الاصطناعي، فجرّب YOLO11 وشاهد كيف يمكنها الارتقاء بمشاريع رؤية الكمبيوتر الخاصة بك!

لمعرفة المزيد حول الذكاء الاصطناعي، توجه إلى مستودع GitHub الخاص بنا وانضم إلى مجتمعنا النشط. اكتشف كيف تحقق الذكاء الاصطناعي خطوات واسعة في مجالات مثل الرعاية الصحية و الزراعة.