وصل Ultralytics YOLO11! أعد تعريف الإمكانات في الذكاء الاصطناعي!
تعلّم كل شيء عن الميزات الرائدة لنموذج Ultralytics YOLO11، أحدث نماذجنا للذكاء الاصطناعي الذي يعيد تعريف الرؤية الحاسوبية بدقة وكفاءة لا مثيل لهما.
يسعدنا أن نقدم الجيل التالي من نماذج Ultralytics: YOLO11! واستنادًا إلى التطورات المذهلة في إصدارات نماذج YOLO السابقة، يقدم YOLO11 مجموعة من الميزات القوية والتحسينات التي تجعله أسرع وأكثر دقة ومتعدد الاستخدامات بدرجة مذهلة. وقد أُعلن عنه في فعالية YOLO Vision 2024 (YV24)، التجمع الهجين السنوي الذي تنظمه Ultralytics لخبراء الذكاء الاصطناعي والمبتكرين والمطورين، ويأتي هذا الإصدار الأحدث ضمن عائلة Ultralytics ليعيد تعريف ما يمكن تحقيقه باستخدام الرؤية الحاسوبية.
بفضل بنيته المبتكرة، يمكن استخدام Ultralytics YOLO11 في مجموعة متنوعة من مهام الرؤية الحاسوبية، بدءًا من اكتشاف الأجسام في الوقت الفعلي ووصولًا إلى التصنيف، مما يجعله نقلة نوعية للمطورين والباحثين على حد سواء. وتشمل التحسينات الرئيسية استخراجًا محسنًا للسمات لالتقاط التفاصيل بدقة أكبر، ودقة أعلى باستخدام عدد أقل من المعاملات، وسرعات معالجة أكبر تحسن أداء الوقت الفعلي بدرجة ملحوظة. في هذه المقالة، سنلقي نظرة فاحصة على الميزات التي تجعل YOLO11 متميزًا وكيف يمكنه تحويل تطبيقات الرؤية الحاسوبية. فلنبدأ!
الشكل 1. Glenn Jocher على المسرح، معلنًا عن Ultralytics YOLO11 في YOLO Vision 24.
التعرّف إلى Ultralytics YOLO11#
يمثل YOLO11 فصلًا جديدًا لعائلة YOLO، إذ يقدم نموذجًا أكثر قدرة وتنوعًا يرتقي بـالرؤية الحاسوبية إلى آفاق جديدة. وبفضل بنيته المحسّنة وقدراته المعززة، يدعم النموذج مهام الرؤية الحاسوبية مثل تقدير الوضعية وتقسيم المثيلات، وهي المهام التي أحبها مجتمع الذكاء الاصطناعي للرؤية في Ultralytics YOLOv8، ولكن بأداء ودقة أعلى. وقد صرح Glenn Jocher، المؤسس والرئيس التنفيذي لشركة Ultralytics: «مع YOLO11، سعينا إلى تطوير نموذج يجمع بين القوة والعملية للتطبيقات الواقعية. فالكفاءة والدقة المحسنتان تجعلانه أداة متينة يمكن تكييفها مع التحديات الفريدة التي تواجهها مختلف القطاعات. ولا أطيق انتظار رؤية كيفية استخدام مجتمع الذكاء الاصطناعي للرؤية لنموذج YOLO11 لإنشاء حلول مبتكرة والارتقاء بالرؤية الحاسوبية إلى المستوى التالي».
الشكل 2. Glenn Jocher على المسرح، معلنًا عن Ultralytics YOLO11 في YV24.
إليك لمحة عن مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO11:
- اكتشاف الأجسام: يحدد الأجسام داخل الصور أو إطارات الفيديو ويحدد مواقعها، ويرسم مربعات إحاطة حولها لتطبيقات مثل المراقبة والقيادة الذاتية وتحليلات البيع بالتجزئة.
- تقسيم المثيلات: يتضمن تحديد الأجسام الفردية داخل الصورة وفصلها وصولًا إلى مستوى البكسل. ويفيد ذلك في تطبيقات مثل التصوير الطبي واكتشاف العيوب في التصنيع.
- تصنيف الصور: يصنف الصور بأكملها ضمن فئات محددة مسبقًا، مما يجعله مثاليًا لتطبيقات مثل تصنيف المنتجات في التجارة الإلكترونية أو مراقبة الحياة البرية.
- تقدير الوضعية: يكتشف نقاطًا رئيسية محددة داخل صورة أو إطار فيديو لتتبع الحركات أو الوضعيات، مما يفيد في تطبيقات تتبع اللياقة البدنية وتحليلات الرياضة والرعاية الصحية.
- اكتشاف الأجسام الموجّهة (OBB): يكتشف الأجسام مع تحديد زاوية اتجاهها، مما يتيح تحديد مواقع الأجسام المدورة بدقة أكبر، وهو أمر بالغ القيمة خصوصًا في مهام الصور الجوية والروبوتات وأتمتة المستودعات.
- تتبع الأجسام: يراقب حركة الأجسام ويتابعها عبر إطارات الفيديو المتتالية، مما يجعله ضروريًا للعديد من التطبيقات في الوقت الفعلي.
الشكل 3. مهام الرؤية الحاسوبية التي يدعمها Ultralytics YOLO11.
ما الذي يميز Ultralytics YOLO11؟#
يبني YOLO11 على التطورات التي قُدمت في YOLOv9 وYOLOv10 في وقت سابق من هذا العام، مع دمج تصميمات معمارية محسنة وتقنيات معززة لاستخراج السمات وأساليب تدريب محسنة. وما يميز YOLO11 حقًا هو مزيجه المذهل من السرعة والدقة والكفاءة، مما يجعله أحد أكثر النماذج قدرة التي أنشأتها Ultralytics حتى الآن. وبفضل تصميمه المحسن، يوفر YOLO11 استخراجًا أفضل للسمات، وهي عملية تحديد الأنماط والتفاصيل المهمة من الصور، مما يتيح التقاط الجوانب المعقدة بدقة أكبر، حتى في السيناريوهات الصعبة.
يحقق YOLO11m، على نحو لافت، درجة أعلى من متوسط الدقة (mAP) على مجموعة بيانات COCO، مع استخدام معاملات أقل بنسبة 22% من YOLOv8m، مما يجعله أخف من الناحية الحسابية دون التضحية بالأداء. وهذا يعني أنه يقدم نتائج أكثر دقة مع كفاءة أكبر في التشغيل. إضافة إلى ذلك، يوفر YOLO11 سرعات معالجة أعلى، إذ تبلغ أزمنة الاستدلال نحو 2% أسرع من YOLOv10، مما يجعله مثاليًا للتطبيقات في الوقت الفعلي.
الشكل 4. استخدام Ultralytics YOLO11 لاكتشاف الأجسام.
صُمم للتعامل مع المهام المعقدة مع استهلاك أقل للموارد، ولتحسين أداء النماذج واسعة النطاق، مما يجعله مناسبًا تمامًا لمشروعات الذكاء الاصطناعي المتطلبة. كما حسّنت التحسينات التي أُدخلت على مسار زيادة البيانات عملية التدريب، مما يسهل على Ultralytics YOLO11 التكيف مع المهام المختلفة، سواء كنت تعمل على مشروعات صغيرة أو تطبيقات واسعة النطاق.
في الواقع، يتمتع YOLO11 بكفاءة عالية من حيث القدرة الحاسوبية، وهو ملائم تمامًا لـالنشر على الأجهزة السحابية والطرفية، مما يضمن المرونة عبر البيئات المختلفة. وببساطة، لا يمثل YOLO11 مجرد ترقية؛ بل هو نموذج أكثر دقة وكفاءة ومرونة بدرجة ملحوظة، ومجهز بصورة أفضل للتعامل مع أي تحدٍ في الرؤية الحاسوبية. سواء تعلق الأمر بـالقيادة الذاتية أو المراقبة أو التصوير في الرعاية الصحية أو البيع بالتجزئة الذكي أو حالات الاستخدام الصناعية، فإن YOLO11 متعدد الاستخدامات بما يكفي لخدمة أي تطبيق للرؤية الحاسوبية تقريبًا.
Ultralytics YOLO11 جاهز لأنظمتك ومنصاتك#
صُمم Ultralytics YOLO11 لـيتكامل بسلاسة مع الأنظمة والمنصات التي تستخدمها بالفعل. واستنادًا إلى الدعم الذي يقدمه YOLOv8، يتوافق YOLO11 مع مجموعة واسعة من البيئات الخاصة بـالتدريب والاختبار والنشر. وسواء كنت تعمل باستخدام وحدات معالجة الرسومات من NVIDIA أو الأجهزة الطرفية أو تنشر على منصات سحابية، فإن YOLO11 محسن ليندمج في سير عملك بسهولة.
تمثل هذه التكاملات إضافات رائعة تجعل YOLO11 قابلًا للتكيف مع القطاعات المختلفة، إذ تساعد الشركات على تطبيق النموذج بسهولة ضمن عملياتها الحالية. على سبيل المثال، لنفترض أنك تريد استخدام YOLO11 في الزراعة، وتحديدًا من أجل مراقبة المحاصيل. قد تحتاج إلى نشر النموذج على طائرات مسيّرة لتحديد مشكلات صحة النباتات في الوقت الفعلي عبر حقول واسعة. أما إذا كنت تعمل في مجال الأمن، فقد تفضل استخدام YOLO11 مع نظام قائم على السحابة لمراقبة موجزات عدة كاميرات من أجل اكتشاف الأجسام.
الشكل 5. استخدام Ultralytics YOLO11 في الزراعة.
تمكين مجتمع الذكاء الاصطناعي باستخدام Ultralytics YOLO11#
يمكن لمجتمع الذكاء الاصطناعي للرؤية أن يتوقع تطورات مثيرة مع إطلاق YOLO11. وبفضل دقته وكفاءته المعززتين، يمتلك هذا النموذج الجديد القدرة على تحويل التطبيقات الحالية وإنشاء تطبيقات جديدة. ومن العوامل الرئيسية في هذا التقدم Ultralytics HUB. إذ تُعد Ultralytics HUB منصة سهلة الاستخدام تبسط تدريب نماذج YOLO ونشرها، بما في ذلك YOLO11.
الشكل 6. تشغيل عمليات استدلال YOLO11 على Ultralytics HUB.
تبسط Ultralytics HUB عملية التطوير من خلال إتاحة تحميل مجموعات البيانات للمستخدمين، والوصول إلى مجموعة من النماذج المدربة مسبقًا، وإدارة مشروعاتهم كلها في مكان واحد. كما تدعم HUB التعاون، مما يسهل على الفرق العمل معًا في مشروعات الذكاء الاصطناعي. فيما يلي بعض الميزات الرئيسية الأخرى في Ultralytics HUB:
- التدريب السحابي: توفر Ultralytics HUB تدريبًا سلسًا للنماذج قائمًا على السحابة لتحقيق قابلية التوسع والكفاءة.
- النماذج المدربة مسبقًا: توفر المنصة الوصول إلى مجموعة متنوعة من نماذج YOLOv5 وYOLOv8 وYOLO11 المدربة مسبقًا.
- تصدير النماذج: يمكن تصدير النماذج المدربة إلى تنسيقات متنوعة من أجل النشر.
- التكاملات: تتكامل Ultralytics HUB بسلاسة مع منصات مثل Roboflow وGoogle Colab وWeights & Biases.
- الوثائق التفصيلية: توفر Ultralytics HUB أدلة شاملة وأسئلة شائعة لدعم المستخدمين.
- دعم المجتمع: يتوفر مجتمع نشط على Discord لطرح الأسئلة وإجراء المناقشات.
بفضل التصميم السهل الاستخدام لـHUB، يمكن للمطورين ذوي الخبرة والمبتدئين على حد سواء البدء بسرعة. ومع استخدام مزيد من المطورين لـUltralytics YOLO11 عبر HUB، يمكننا التطلع إلى ازدياد التطبيقات عالية الأداء التي توسع حدود الرؤية الحاسوبية وتشكل مستقبل تقنيات الذكاء الاصطناعي.
جرّب Ultralytics YOLO11 عمليًا#
مثل YOLOv8، سيتوفر YOLO11 قريبًا للتجربة عبر Ultralytics HUB وحزمة Ultralytics Python. يمكنك تسجيل الدخول إلى Ultralytics HUB أو الاطلاع على دليل البدء السريع للحصول على إرشادات خطوة بخطوة حول تثبيت الحزمة. وبمجرد إصداره، ستتمكن من استكشاف ميزاته، وتجربة مجموعات بيانات مختلفة، ومعرفة أداء YOLO11 في سيناريوهات متنوعة. ولا نطيق انتظار تفاعل مجتمع الذكاء الاصطناعي مع YOLO11 من خلال المساهمة في تطويره، أو تقديم الملاحظات، أو البناء عليه.
سواء كنت مطورًا يتطلع إلى تحسين مشروعات قائمة أو مهتمًا بإنشاء تطبيقات جديدة، يمكن لمشاركتك أن تساعد في دفع عجلة الابتكار. انضم إلى المناقشات، وشارك تجاربك، وتعاون مع الآخرين لإطلاق الإمكانات الكاملة لـUltralytics YOLO11. نحن متحمسون لرؤية كيفية استخدامك لـYOLO11 لمعالجة التحديات الواقعية وتحويل أفكارك الإبداعية إلى واقع!
يبدأ فصل جديد مع Ultralytics YOLO11#
يمثل Ultralytics YOLO11 الخطوة التالية إلى الأمام في مجال الرؤية الحاسوبية، إذ يجمع بين الدقة والسرعة والكفاءة المذهلة. وقد أُعلن عنه في YV24، وتجعل ميزاته المتقدمة منه نموذجًا متعدد الاستخدامات لمجموعة متنوعة من التطبيقات في الوقت الفعلي، بدءًا من المركبات الذاتية القيادة ووصولًا إلى حلول البيع بالتجزئة الذكي. ومع بدء مجتمع الذكاء الاصطناعي في استكشاف هذا النموذج واستخدامه، نحن متحمسون لرؤية الطرق الإبداعية التي سيقود بها YOLO11 الابتكار ويحوّل الإمكانات الجديدة إلى واقع. إذا كنت تتطلع إلى استكشاف أحدث التطورات في الذكاء الاصطناعي، فجرّب YOLO11 واكتشف كيف يمكنه الارتقاء بمشروعاتك في مجال الرؤية الحاسوبية!
لمعرفة المزيد عن الذكاء الاصطناعي، توجه إلى مستودعنا على GitHub وانضم إلى مجتمعنا النشط. واكتشف كيف يحرز الذكاء الاصطناعي تقدمًا في مجالات مثل الرعاية الصحية والزراعة.
