Ultralytics YOLO11 قد وصل! أعد تعريف ما هو ممكن في الذكاء الاصطناعي!

نحن متحمسون لتقديم التطور التالي لـ نماذج Ultralytics: YOLO11! بناءً على التقدم المثير للإعجاب في إصدارات نماذج YOLO السابقة، يقدم YOLO11 مجموعة من الميزات والتحسينات القوية التي تجعله أسرع وأكثر دقة وتنوعاً بشكل لا يصدق. تم الإعلان عنه في حدث YOLO Vision 2024 (YV24)، وهو التجمع الهجين السنوي لشركة Ultralytics لخبراء الذكاء الاصطناعي والمبتكرين والمطورين، ومن المقرر أن تعيد هذه الإضافة الأحدث إلى عائلة Ultralytics تعريف ما هو ممكن باستخدام الرؤية الحاسوبية.

بفضل بنيته المبتكرة، يمكن استخدام YOLO11 لمهام رؤية حاسوبية متنوعة، بدءاً من اكتشاف الأشياء في الوقت الفعلي وصولاً إلى التصنيف، مما يجعله نقطة تحول للمطورين والباحثين على حد سواء. تشمل التحسينات الرئيسية استخراج ميزات محسّن لالتقاط تفاصيل أكثر دقة، ودقة أكبر بعدد أقل من المعلمات، وسرعات معالجة أسرع تحسّن بشكل كبير الأداء في الوقت الفعلي. في هذه المقالة، سنلقي نظرة فاحصة على الميزات التي تجعل YOLO11 متميزاً وكيف يمكنه تحويل تطبيقات الرؤية الحاسوبية الخاصة بك. لنبدأ!

الشكل 1. Glenn Jocher على المسرح، يعلن عن YOLO11 في YOLO Vision 24.

Link to this sectionالتعرف على YOLO11#

يمثل YOLO11 فصلاً جديداً لعائلة YOLO، حيث يوفر نموذجاً أكثر قدرة وتنوعاً يأخذ الرؤية الحاسوبية إلى آفاق جديدة. بفضل بنيته المكررة وقدراته المحسنة، يدعم النموذج مهام الرؤية الحاسوبية مثل تقدير الوضعية وتقسيم المثيلات التي أحبها مجتمع الذكاء الاصطناعي البصري في Ultralytics YOLOv8، ولكن بأداء ودقة أكبر. شارك Glenn Jocher، المؤسس والرئيس التنفيذي لشركة Ultralytics، قائلاً: "مع YOLO11، شرعنا في تطوير نموذج يوفر القوة والعملية للتطبيقات الواقعية. إن كفاءته ودقته المحسنة تجعلانه أداة قوية يمكن تكييفها مع التحديات الفريدة التي تواجهها مختلف الصناعات. لا أطيق الانتظار لرؤية كيف سيستخدم مجتمع الذكاء الاصطناعي البصري YOLO11 لإنشاء حلول مبتكرة والارتقاء بالرؤية الحاسوبية إلى المستوى التالي."

الشكل 2. Glenn Jocher على المسرح، يعلن عن YOLO11 في YV24.

إليك لمحة عن مهام الرؤية الحاسوبية التي يدعمها YOLO11:

• اكتشاف الأشياء: يحدد ويحدد مواقع الأشياء داخل الصور أو إطارات الفيديو، ويرسم صناديق محيطة حولها لتطبيقات مثل المراقبة، القيادة الذاتية، وتحليلات التجزئة.
• تقسيم المثيلات: يتضمن تحديد وفصل الأشياء الفردية داخل صورة وصولاً إلى مستوى البكسل. وهو مفيد لتطبيقات مثل التصوير الطبي واكتشاف العيوب في التصنيع.
• تصنيف الصور: يصنف الصور بالكامل إلى فئات محددة مسبقاً، مما يجعله مثالياً لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية أو مراقبة الحياة البرية.
• تقدير الوضعية: يكتشف نقاط رئيسية محددة داخل صورة أو إطار فيديو لتتبع الحركات أو الوضعيات، وهو مفيد لتطبيقات تتبع اللياقة البدنية، تحليلات الرياضة، والرعاية الصحية.
• اكتشاف الأشياء الموجهة (OBB): يكتشف الأشياء ذات زاوية توجيه، مما يسمح بتحديد أكثر دقة للأشياء المستديرة، وهو ذو قيمة خاصة لمهام الصور الجوية، الروبوتات، وأتمتة المستودعات.
• تتبع الأشياء: يراقب ويتابع حركة الأشياء عبر إطارات الفيديو المتتالية، مما يجعله ضرورياً للعديد من التطبيقات في الوقت الفعلي.

الشكل 3. مهام الرؤية الحاسوبية المدعومة بواسطة YOLO11.

Link to this sectionما الذي يميز YOLO11؟#

يعتمد YOLO11 على التقدم الذي تم إدخاله في YOLOv9 وYOLOv10 في وقت سابق من هذا العام، حيث يدمج تصميمات معمارية محسنة وتقنيات استخراج ميزات معززة وطرق تدريب محسنة. ما يجعل YOLO11 متميزاً حقاً هو مزيجه المثير للإعجاب من السرعة والدقة والكفاءة، مما يجعله واحداً من أكثر النماذج قدرة التي أنشأتها Ultralytics حتى الآن. بفضل التصميم المحسّن، يوفر YOLO11 استخراج ميزات أفضل، وهي عملية تحديد الأنماط والتفاصيل المهمة من الصور، مما يجعل من الممكن التقاط الجوانب المعقدة بدقة أكبر، حتى في السيناريوهات الصعبة.

من اللافت للنظر أن YOLO11m يحقق معدل دقة متوسط (mAP) أعلى على مجموعة بيانات COCO مع استخدام معلمات أقل بنسبة 22% من YOLOv8m، مما يجعله أخف من الناحية الحسابية دون التضحية بالأداء. وهذا يعني أنه يقدم نتائج أكثر دقة مع كونه أكثر كفاءة في التشغيل. علاوة على ذلك، يوفر YOLO11 سرعات معالجة أسرع، مع أوقات استنتاج أسرع بنسبة 2% تقريباً من YOLOv10، مما يجعله مثالياً للتطبيقات في الوقت الفعلي.

الشكل 4. استخدام YOLO11 لاكتشاف الأشياء.

لقد تم تصميمه للتعامل مع المهام المعقدة مع كونه أسهل في استخدام الموارد ومصمماً لتحسين أداء النماذج واسعة النطاق، مما يجعله مناسباً جداً لمشاريع الذكاء الاصطناعي المتطلبة. كما أدت التحسينات التي طرأت على خط أنابيب التعزيز إلى تحسين عملية التدريب، مما يسهل على YOLO11 التكيف مع مهام مختلفة، سواء كنت تعمل على مشاريع صغيرة أو تطبيقات واسعة النطاق.

في الواقع، YOLO11 فعال للغاية من حيث قوة المعالجة ومناسب تماماً لـ النشر على كل من السحابة والأجهزة الطرفية، مما يضمن المرونة عبر بيئات مختلفة. ببساطة، YOLO11 ليس مجرد ترقية؛ إنه نموذج أكثر دقة وكفاءة ومرونة، ومجهز بشكل أفضل للتعامل مع أي تحدٍ في الرؤية الحاسوبية. سواء كان ذلك القيادة الذاتية، المراقبة، تصوير الرعاية الصحية، تجزئة ذكية، أو حالات الاستخدام الصناعي، فإن YOLO11 متعدد الاستخدامات بما يكفي لتلبية احتياجات أي تطبيق رؤية حاسوبية تقريباً.

Link to this sectionYOLO11 جاهز لأنظمتك ومنصاتك#

تم تصميم YOLO11 لـ التكامل بسلاسة مع الأنظمة والمنصات التي تستخدمها بالفعل. بناءً على الدعم الذي يوفره YOLOv8، يتوافق YOLO11 مع مجموعة واسعة من البيئات لـ التدريب، الاختبار، والنشر. سواء كنت تعمل مع NVIDIA GPUs، أجهزة طرفية، أو النشر على السحابة، فقد تم تحسين YOLO11 ليتناسب مع سير عملك دون عناء.

تعتبر عمليات التكامل هذه إضافات رائعة تجعل YOLO11 قابلاً للتكيف مع صناعات مختلفة، مما يساعد الشركات على تنفيذ النموذج بسهولة في عملياتها الحالية. على سبيل المثال، لنفترض أنك تريد استخدام YOLO11 لـ الزراعة، وتحديداً لـ مراقبة المحاصيل. قد تحتاج إلى نشر النموذج على طائرات بدون طيار لتحديد مشاكل صحة النبات في الوقت الفعلي عبر حقول كبيرة. ومع ذلك، إذا كنت في مجال الأمن، فقد تفضل استخدام YOLO11 مع نظام سحابي لمراقبة خلاصات كاميرات متعددة لـ اكتشاف الأشياء.

الشكل 5. استخدام YOLO11 في الزراعة.

Link to this sectionتمكين مجتمع الذكاء الاصطناعي بواسطة YOLO11#

يمكن لمجتمع الذكاء الاصطناعي البصري توقع تقدم مثير مع إطلاق YOLO11. بفضل دقتها وكفاءتها المعززة، يتمتع هذا النموذج الجديد بالقدرة على تحويل التطبيقات الحالية وإنشاء تطبيقات جديدة. أحد العوامل الرئيسية في هذا التقدم هو Ultralytics HUB. Ultralytics HUB عبارة عن منصة سهلة الاستخدام تبسط تدريب ونشر نماذج YOLO، بما في ذلك YOLO11.

الشكل 6. تشغيل استنتاجات YOLO11 على Ultralytics HUB.

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

• التدريب السحابي: يوفر Ultralytics HUB تدريباً نموذجياً مستنداً إلى السحابة بسلاسة من أجل قابلية التوسع والكفاءة.
• النماذج المدربة مسبقاً: توفر المنصة الوصول إلى مجموعة متنوعة من نماذج YOLOv5 وYOLOv8 وYOLO11 المدربة مسبقاً.
• تصدير النموذج: يمكن تصدير النماذج المدربة إلى تنسيقات متنوعة للنشر.
• التكاملات: يتكامل Ultralytics HUB بسلاسة مع منصات مثل Roboflow وGoogle Colab وWeights & Biases.
• توثيق مفصل: يوفر Ultralytics HUB أدلة شاملة وأسئلة شائعة لدعم المستخدم.
• دعم المجتمع: يتوفر مجتمع Discord نشط للأسئلة والمناقشات.

مع التصميم البديهي لـ HUB، يمكن لكل من المطورين ذوي الخبرة والقادمين الجدد البدء بسرعة. مع استخدام المزيد من المطورين لـ YOLO11 من خلال HUB، يمكننا التطلع إلى زيادة في التطبيقات عالية الأداء التي تدفع حدود الرؤية الحاسوبية وتشكيل مستقبل تكنولوجيا الذكاء الاصطناعي.

Link to this sectionاحصل على خبرة عملية مع YOLO11#

تماماً مثل YOLOv8، سيكون YOLO11 متاحاً قريباً للتجربة من خلال Ultralytics HUB وحزمة Ultralytics Python. يمكنك تسجيل الدخول إلى Ultralytics HUB أو الاطلاع على دليل البدء السريع الخاص بنا للحصول على تعليمات خطوة بخطوة حول كيفية تثبيت الحزمة. بمجرد إصداره، ستتمكن من استكشاف ميزاته، وتجربة مجموعات بيانات مختلفة، ورؤية كيفية أداء YOLO11 في سيناريوهات مختلفة. نحن متحمسون لرؤية مجتمع الذكاء الاصطناعي يتفاعل مع YOLO11 من خلال المساهمة في تطويره، أو تقديم ملاحظات، أو البناء عليه.

سواء كنت مطوراً يتطلع إلى تحسين المشاريع الحالية أو شخصاً مهتماً بإنشاء تطبيقات جديدة، يمكن لمشاركتك المساعدة في دفع عجلة الابتكار. انضم إلى المناقشات، وشارك تجاربك، وتعاون مع الآخرين لإطلاق الإمكانات الكاملة لـ YOLO11. نحن متحمسون لرؤية كيف ستستخدم YOLO11 لمعالجة تحديات العالم الحقيقي وإحياء أفكارك الإبداعية!

Link to this sectionفصل جديد يبدأ مع YOLO11#

YOLO11 هو الخطوة التالية للأمام في الرؤية الحاسوبية، حيث يجمع بين الدقة والسرعة والكفاءة المثيرة للإعجاب. تم الإعلان عنه في YV24، وتجعله ميزاته المتقدمة متنوعاً لمختلف التطبيقات في الوقت الفعلي، من المركبات المستقلة إلى حلول التجزئة الذكية. مع بدء مجتمع الذكاء الاصطناعي في استكشاف واستخدام هذا النموذج، نحن متحمسون لرؤية الطرق الإبداعية التي سيدفع بها YOLO11 الابتكار ويجلب إمكانيات جديدة إلى الحياة. إذا كنت تتطلع إلى استكشاف أحدث التطورات في الذكاء الاصطناعي، جرب YOLO11 وشاهد كيف يمكنه الارتقاء بمشاريع الرؤية الحاسوبية الخاصة بك!

لمعرفة المزيد حول الذكاء الاصطناعي، توجه إلى مستودع GitHub الخاص بنا وانضم إلى مجتمعنا النشط. اكتشف كيف يحقق الذكاء الاصطناعي خطوات كبيرة في مجالات مثل الرعاية الصحية والزراعة.