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

التعرف على YOLO11

يمثل YOLO11 فصلاً جديدًا لعائلة YOLO، حيث يقدم نموذجًا أكثر قدرة وتنوعًا يرتقي بالرؤية الحاسوبية إلى آفاق جديدة. وبفضل بنيته المحسّنة وقدراته المحسّنة، يدعم النموذج مهام الرؤية الحاسوبية مثل تقدير الوضعية وتجزئة المثيل التي أحبها مجتمع الذكاء الاصطناعي البصري في Ultralytics YOLOv8، ولكن بأداء ودقة أكبر. قال جلين يوتشر، المؤسس والرئيس التنفيذي لشركة Ultralytics: "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 حتى أرى كيف يستخدم مجتمع Vision AI نموذج YOLO11 لخلق حلول مبتكرة والارتقاء بالرؤية الحاسوبية إلى المستوى التالي."

‍

إليك لمحة عن مهام الرؤية الحاسوبية التي يدعمها YOLO11:

• اكتشاف الكائنات: يحدد الأجسام ويحدد موقعها داخل الصور أو إطارات الفيديو، ويرسم مربعات محددة حولها لتطبيقات مثل المراقبة والقيادة الذاتية وتحليلات البيع بالتجزئة.
  ‍
• تجزئة المثيل: يتضمن تحديد وفصل الكائنات الفردية داخل الصورة وصولاً إلى مستوى البكسل. وهي مفيدة 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 الوضعية: يكتشف نقاطًا رئيسية محددة داخل صورة أو إطار فيديو لتتبع الحركات أو الوضعيات، وهو مفيد لتتبع اللياقة البدنية والتحليلات الرياضية وتطبيقات الرعاية الصحية.
  ‍
• الكشف عن الأجسام الموجهة (OBB): يكتشف الأجسام بزاوية توجيه، مما يسمح بتحديد موقع أكثر دقة للأجسام المدورة، وهو أمر ذو قيمة خاصة للصور الجوية والروبوتات ومهام أتمتة المستودعات.
  ‍
• تتبع الأجسام: تراقب وتتبع حركة الأجسام عبر إطارات الفيديو المتتالية، مما يجعلها ضرورية للعديد من التطبيقات في الوقت الحقيقي.

‍

ما الذي يميز YOLO11 عن غيره؟

يعتمد YOLO11 على التطورات التي تم تقديمها في YOLOv9 و YOLOv10 في وقت سابق من هذا العام، حيث يتضمن تصميمات معمارية مُحسَّنة، وتقنيات محسّنة لاستخراج الميزات، وأساليب تدريب مُحسَّنة. ما يجعل YOLO11 متميزًا حقًا هو مزيجه المثير للإعجاب من السرعة والدقة والكفاءة، مما يجعله أحد أكثر النماذج التي ابتكرتها Ultralytics قدرة حتى الآن. بفضل التصميم المحسّن، يوفر YOLO11 استخلاصًا أفضل للميزات، 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 متوسط دقة أعلى على مجموعة بيانات COCO بينما يستخدم معلمات أقل بنسبة 22% من YOLOv8m، مما يجعله أخف من الناحية الحسابية دون التضحية بالأداء. هذا يعني أنه يُقدّم نتائج أكثر دقة مع كونه أكثر كفاءة في التشغيل. علاوةً على ذلك، يوفر YOLO11 سرعات معالجة أسرع، حيث إن أوقات الاستدلال أسرع بنسبة 2% تقريبًا من YOLOv10، مما يجعله مثاليًا للتطبيقات في الوقت الفعلي. 

‍

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

في الواقع، يتميز YOLO11 بكفاءة عالية من حيث قوة المعالجة وهو مناسب تمامًا للنشر على كل من الأجهزة السحابية والأجهزة الطرفية، مما يضمن المرونة في بيئات مختلفة. وببساطة، فإن YOLO11 ليس مجرد ترقية؛ إنه نموذج أكثر دقة وفعالية ومرونة بشكل ملحوظ، وهو مجهز بشكل أفضل للتعامل مع أي تحدٍ في مجال الرؤية الحاسوبية. سواء كانت القيادة الذاتية، أو المراقبة، أو التصوير في مجال الرعاية الصحية، أو البيع بالتجزئة الذكي، أو حالات الاستخدام الصناعي، فإن YOLO11 متعدد الاستخدامات بما يكفي لتلبية أي تطبيق رؤية حاسوبية تقريبًا.

YOLO11 جاهز للأنظمة والمنصات الخاصة بك

تم تصميم YOLO11 ليتكامل بسلاسة مع الأنظمة والمنصات التي تستخدمها بالفعل. بناءً على الدعم الذي يقدمه YOLOv8، فإن YOLO11 متوافق مع مجموعة كبيرة من البيئات للتدريب والاختبار والنشر. سواءً كنت تعمل مع وحدات معالجة الرسومات NVIDIA أو الأجهزة المتطورة أو النشر على المنصات السحابية، فإن YOLO11 مُحسَّن ليتناسب مع سير عملك دون عناء.

تعد عمليات التكامل هذه إضافات رائعة تجعل YOLO11 قابلاً للتكيف مع مختلف الصناعات، مما يساعد الشركات على تطبيق النموذج بسهولة في عملياتها الحالية. على سبيل المثال، لنفترض أنك تريد استخدام YOLO11 في الزراعة، وتحديداً في مراقبة المحاصيل. قد تحتاج إلى نشر النموذج على طائرات بدون طيار لتحديد المشكلات الصحية للنباتات في الوقت الفعلي عبر الحقول الكبيرة. ومع ذلك، إذا كنت تعمل في مجال الأمن، فقد تفضل استخدام YOLO11 مع نظام قائم على السحابة لمراقبة تغذية الكاميرات المتعددة للكشف عن الأشياء.

‍

تمكين مجتمع الذكاء الاصطناعي من خلال YOLO11

يمكن لمجتمع الذكاء الاصطناعي البصري أن يتوقع تطورات مثيرة مع إطلاق YOLO11. وبفضل تعزيز دقته وكفاءته، فإن هذا النموذج الجديد لديه القدرة على تحويل التطبيقات الحالية وإنشاء تطبيقات جديدة. ومن العوامل الرئيسية في هذا التقدم هو Ultralytics HUB. إن Ultralytics HUB عبارة عن منصة سهلة الاستخدام تعمل على تبسيط تدريب ونشر نماذج YOLO، بما في ذلك YOLO11. 

‍

تعمل منصة Ultralytics HUB على تبسيط عملية التطوير من خلال السماح للمستخدمين بتحميل مجموعات البيانات، والوصول إلى مجموعة من النماذج المُدرَّبة مسبقاً، وإدارة مشاريعهم في مكان واحد. يدعم HUB أيضاً التعاون، مما يسهل على الفرق العمل معاً في مشاريع الذكاء الاصطناعي. فيما يلي بعض الميزات الرئيسية الأخرى ل Ultralytics HUB:

• التدريب السحابي: يوفر Ultralytics HUB تدريبًا سحابيًا سلسًا قائمًا على السحابة لقابلية التوسع والكفاءة.
  ‍
• النماذج المدربة مسبقاً: توفر المنصة إمكانية الوصول إلى مجموعة متنوعة من نماذج YOLOv5 و YOLOv8 و YOLOv11 المدربة مسبقًا.
  ‍
• تصدير النماذج: يمكن تصدير النماذج المدربة إلى تنسيقات مختلفة للنشر.
  ‍
• التكامل: تتكامل Ultralytics HUB بسلاسة مع منصات مثل Roboflow و Google Colab و Weights & Biases.
  ‍
• وثائق مفصلة: يقدم Ultralytics HUB أدلة شاملة وأسئلة شائعة لدعم المستخدم.
  ‍
• دعم المجتمع: يتوفر مجتمع Discord نشط للأسئلة والمناقشات.

بفضل تصميم HUB البسيط، يمكن لكل من المطورين المتمرسين والقادمين الجدد البدء بسرعة. ومع ازدياد عدد المطورين الذين يستخدمون YOLO11 من خلال HUB، يمكننا أن نتطلع إلى زيادة في التطبيقات عالية الأداء التي تدفع حدود الرؤية الحاسوبية وتشكل مستقبل تكنولوجيا الذكاء الاصطناعي.

استمتع بالتدريب العملي مع YOLO11

تمامًا مثل YOLOv8، سيتوفر YOLO11 قريبًا للتجربة من خلال Ultralytics HUB وحزمة Ultralytics Python. يمكنك تسجيل الدخول إلى HUB أو الاطلاع على دليل البدء السريع للحصول على إرشادات خطوة بخطوة حول كيفية تثبيت الحزمة. وبمجرد إصدارها، ستتمكن من استكشاف ميزاتها وتجربة مجموعات بيانات مختلفة ومعرفة كيفية أداء YOLO11 في سيناريوهات مختلفة. نحن متشوقون لرؤية مجتمع الذكاء الاصطناعي يتفاعل مع YOLO11 ويساهم في تطويره وتقديم الملاحظات أو البناء عليه.

سواء كنت مطورًا يتطلع إلى تحسين المشاريع الحالية أو شخصًا مهتمًا بإنشاء تطبيقات جديدة، فإن مشاركتك يمكن أن تساعد في دفع عجلة الابتكار. انضم إلى المناقشات وشارك تجاربك وتعاون مع الآخرين لإطلاق الإمكانات الكاملة لـ YOLO11. نحن متحمسون لرؤية كيفية استخدامك ل YOLO11 لمواجهة تحديات العالم الحقيقي وإحياء أفكارك الإبداعية!

فصل جديد يبدأ مع YOLO11

YOLO11 هو الخطوة التالية إلى الأمام في مجال الرؤية الحاسوبية، حيث يجمع بين الدقة والسرعة والكفاءة المذهلة. تم الإعلان عنه في YV24، وميزاته المتقدمة تجعله متعدد الاستخدامات لمختلف التطبيقات في الوقت الحقيقي، 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 سيقود بها YOLO11 الابتكار ويجلب إمكانيات جديدة إلى الحياة. إذا كنت تتطلع إلى استكشاف أحدث التطورات في مجال الذكاء الاصطناعي، جرب YOLO11 وشاهد كيف يمكن أن يرتقي بمشاريع الرؤية الحاسوبية الخاصة بك!

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