أصبح YOLOv5 أقوى في الإصدار v6.1!

بصفتها من الشركات الرائدة في مجالَي الرؤية الحاسوبية وتعلّم الآلة، يسرّ Ultralytics أن تعلن عن أحدث التطورات في تقنية YOLO الرائدة لدينا (انظر مرة واحدة فقط). ومع إصدار YOLOv5 v6.1، أجرينا ضبطًا دقيقًا لبنيتنا المعمارية لتعزيز البساطة والسرعة والقوة، بما يضمن بقاء تقنيتنا في طليعة الابتكار. لقد أرست إصداراتنا الأخير في أكتوبر 2021 الأساس لهذه التطورات، ونحن نفخر الآن بتقديم هذه التحديثات المهمة التي تعيد تعريف سهولة استخدام YOLO وأداءه.

تحديثات مهمة#

مواصلةً سعينا الدؤوب نحو التميز في مجال الذكاء الاصطناعي للرؤية، إليكم التحسينات الرائدة التي ستجدونها في YOLOv5 v6.1:

• دعم TensorRT: تحسين التكامل لتصدير نماذج TensorFlow وKeras وTFLite وTF.js باستخدام python export.py --include saved_model pb tflite tfjs (#5699 بواسطة @imyhxy). ويُعد هذا إنجازًا مهمًا، إذ إن TensorRT من NVIDIA هو مُحسِّن لعمليات استدلال التعلّم العميق وبيئة تشغيل عالية الأداء، ويوفر زمن استجابة منخفضًا ومعدل نقل مرتفعًا لتطبيقات التعلّم العميق.
• دعم TensorFlow Edge TPU ⭐ جديد: نقدم نموذج YOLOv5n الأصغر حجمًا والجديد (1.9M معلمة)، والذي تقل تعقيداته عن YOLOv5s (7.5M معلمة)، لكنه يتألق بقدرته على التصدير إلى حجم INT8 لا يتجاوز 2.1 MB. وهذا مثالي بصفة خاصة للحلول المحمولة فائقة الخفة، إذ يجلب تعلّم الآلة القوي إلى أقصى حافة التقنية (#3630 بواسطة @zldrobit).
• دعم OpenVINO: أصبحت نماذج YOLOv5 ONNX متوافقة الآن. ومع OpenVINO، يمكن للنماذج الاستفادة من كامل قوة وحدات المعالجة المركزية Intel ووحدات معالجة الرسومات المدمجة، لتوفير مجموعة متنوعة من التطبيقات (#6057 بواسطة @glenn-jocher).
• معايير التصدير: قدمنا أداة جديدة لقياس الأداء لتقييم mAP (متوسط الدقة) والسرعة عبر جميع تنسيقات تصدير YOLOv5 باستخدام python utils/benchmarks.py --weights yolov5s.pt. تعمل الأداة حاليًا على وحدات المعالجة المركزية، ونخطط لتوسيعها لتشمل قياسات أداء GPU في التحديثات المستقبلية (#6613 بواسطة @glenn-jocher).
• المعلمات الفائقة: أجرينا تعديلًا طفيفًا لكنه مهم على معلماتنا الفائقة؛ إذ خُفِّض عامل معدل التعلم (lrf) في hyp-scratch-large.yaml من 0.2 إلى 0.1 (#6525 بواسطة @glenn-jocher).
• التدريب: حُدِّث مجدول معدل التعلم (LR) الافتراضي ليصبح خطيًا بدورة واحدة، بدلًا من الدورة الواحدة السابقة مع دالة جيب التمام، لتحسين نتائج التدريب (#6729 بواسطة @glenn-jocher).

نكشف عن النطاق الكامل لدعمنا عبر التنسيقات المختلفة؛ إذ يعمل YOLOv5 الآن رسميًا مع 11 تنسيقًا، مع دعم التصدير والاستدلال باستخدام detect.py وPyTorch Hub، فضلًا عن التحقق لقياس mAP والسرعة:

• ✅ PyTorch
• ✅ TorchScript
• ✅ ONNX
• ✅ OpenVINO
• ✅ TensorRT
• ✅ CoreML
• ✅ TensorFlow SavedModel
• ✅ TensorFlow GraphDef
• ✅ TensorFlow Lite
• ✅ TensorFlow Edge TPU
• ✅ TensorFlow.js

ذكاء اصطناعي للجميع#

في Ultralytics، لا يحركنا مجرد الطموح إلى الريادة، بل الشغف بالمشاركة والإسهام في المجتمع. وقد أدت عائلة YOLOv5 دورًا محوريًا في مسيرتنا، إذ ساندتنا في الانتصارات والتحديات على حد سواء. ويمثل هذا التحديث انتصارًا جماعيًا، فهو ثمرة العمل الدؤوب الذي أنجزته 271 مساهمة PR من 48 مساهمًا جديدًا. ونحن ملتزمون برسالتنا المتمثلة في إتاحة الذكاء الاصطناعي للجميع، وجعله سهل الوصول وقابلًا للتشغيل للجميع.

انضموا إلى ثورة الذكاء الاصطناعي للرؤية#

نبحث باستمرار عن المواهب للانضمام إلى صفوفنا، وندعو إلى التعاون في مشاريعنا مفتوحة المصدر. إذا كنتم مهتمين بأن تصبحوا جزءًا من فريق الذكاء الاصطناعي الأكثر ريادة، فاستكشفوا صفحة الوظائف أو فكروا في المساهمة في YOLOv5.

من عشاق الذكاء الاصطناعي إلى أشهر نظام لاكتشاف الأجسام في عام 2022#

حقق مستودعنا Ultralytics/YOLOv5 هذا العام إنجازًا مهمًا بتجاوزه مستودع pjreddie/darknet YOLOv3 الخاص بـ Joseph Redmon في إجمالي عدد نجوم GitHub، إذ يضم الآن أكثر من 22.4 ألف نجمة. ويُعد هذا شهادة على ثقة المجتمع وحماسه، كما يحفزنا على مواصلة توسيع حدود الذكاء الاصطناعي للرؤية. ويشرفنا بالغًا أن نواصل إرث انظر مرة واحدة فقط.

تفضلوا بزيارة مستودع YOLOv5 على GitHub للاطلاع على التفاصيل الشاملة حول الإصدار الجديد، والانضمام إلى مجتمع عشاق اكتشاف الأجسام باستخدام YOLO النابض بالحيوية.

اختبروا سحر YOLO بلا برمجة#

لكن هذا ليس كل شيء! إذا كنتم جددًا في مجال الرؤية الحاسوبية أو تفضلون ببساطة تجربةً بلا برمجة، فإن Ultralytics HUB هو بوابتكم. اكتشفوا كيفية الاستفادة من تقنية YOLO والرؤية الحاسوبية ببضع نقرات سهلة. تعرّفوا على المزيد من خلال زيارة Ultralytics HUB - بوابتكم إلى الذكاء الاصطناعي، وابدؤوا رحلتكم في مجال الرؤية الحاسوبية.