أصبح YOLOv5 أقوى في الإصدار v6.1!

بصفتنا رواداً في مجال الرؤية الحاسوبية والتعلم الآلي، يسعد Ultralytics الإعلان عن أحدث التطورات في تقنية YOLO (You Only Look Once) الرائدة لدينا. مع إصدار YOLOv5 v6.1، قمنا بضبط بنيتنا لتعزيز البساطة والسرعة والقوة، مما يضمن بقاء تقنيتنا في طليعة الابتكار. لقد مهد إصدارنا الأخير في أكتوبر 2021 الطريق لهذه التطورات، ونحن الآن فخورون بتقديم هذه التحديثات الحاسمة التي تعيد تعريف سهولة استخدام وأداء YOLO.

Link to this sectionتحديثات مهمة#

مواصلة لسعينا الدؤوب نحو التميز في Vision AI، هذه هي التحسينات الرائدة التي ستجدها في YOLOv5 v6.1:

• دعم TensorRT: تكامل محسّن لتصدير نماذج TensorFlow وKeras وTFLite وTF.js باستخدام python export.py --include saved_model pb tflite tfjs (#5699 بواسطة @imyhxy). يمثل هذا علامة فارقة حيث أن TensorRT من NVIDIA هو مُحسِّن ومحرك استنتاج للتعلم العميق عالي الأداء يوفر زمن انتقال منخفض وإنتاجية عالية لتطبيقات التعلم العميق.
• دعم TensorFlow Edge TPU ⭐ جديد: نقدم نموذج YOLOv5n الجديد والأصغر (1.9 مليون معامل) الذي يأتي أقل تعقيداً من YOLOv5s (7.5 مليون معامل)، ولكنه يتألق في قدرته على التصدير إلى حجم INT8 يبلغ 2.1 ميجابايت فقط. هذا مثالي بشكل خاص للحلول المحمولة فائقة الخفة، مما يجلب تعلم آلياً قوياً إلى حافة التكنولوجيا (#3630 بواسطة @zldrobit).
• دعم OpenVINO: أصبحت نماذج YOLOv5 ONNX متوافقة الآن. مع OpenVINO، يمكن للنماذج الآن تسخير القوة الكاملة لمعالجات Intel ووحدات معالجة الرسومات المدمجة لمجموعة متنوعة من التطبيقات (#6057 بواسطة @glenn-jocher).
• معايير التصدير: قدمنا أداة قياس جديدة لتقييم mAP (متوسط دقة التنبؤ) والسرعة عبر جميع تنسيقات تصدير YOLOv5 باستخدام python utils/benchmarks.py --weights yolov5s.pt. نعمل حالياً على وحدات المعالجة المركزية CPU، ونخطط لتوسيع هذا ليشمل معايير وحدات معالجة الرسومات GPU في التحديثات المستقبلية (#6613 بواسطة @glenn-jocher).
• المعلمات الفائقة: كان هناك تعديل طفيف ولكنه حاسم على معلماتنا الفائقة - في hyp-scratch-large.yaml تم تخفيض عامل معدل التعلم (lrf) من 0.2 إلى 0.1 (#6525 بواسطة @glenn-jocher).
• التدريب: تم تحديث مُجدول معدل التعلم (LR) الافتراضي إلى one-cycle linear، ليحل محل الإصدار السابق one-cycle مع cosine، لتحقيق نتائج تدريب محسّنة (#6729 بواسطة @glenn-jocher).

كشفاً عن النطاق الكامل لدعمنا عبر تنسيقات مختلفة، يعمل YOLOv5 الآن رسمياً مع 11 تنسيقاً، حيث يدعم ليس فقط التصدير ولكن أيضاً الاستنتاج باستخدام detect.py وPyTorch Hub، والتحقق من صحة ملف mAP والسرعة:

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

Link to this sectionمعاً من أجل ذكاء اصطناعي للجميع#

في Ultralytics، نحن مدفوعون ليس فقط بالرغبة في القيادة، ولكن بشغف المشاركة والمساهمة في المجتمع. كانت عائلة YOLOv5 فعالة في رحلتنا، حيث دعمتنا خلال الانتصارات والتحديات على حد سواء. هذا التحديث هو انتصار جماعي، ويمثل العمل الجاد لـ 271 طلب سحب (PR) من 48 مساهماً جديداً. نحن ملتزمون بمهمتنا المتمثلة في جعل الذكاء الاصطناعي ديمقراطياً، مما يجعله متاحاً وقابلاً للتنفيذ للجميع.

Link to this sectionانضم إلى ثورة Vision AI#

نحن نبحث باستمرار عن مواهب للانضمام إلى صفوفنا ونرحب بالتعاون في مشاريعنا مفتوحة المصدر. إذا كنت مهتماً بأن تصبح جزءاً من فريق الذكاء الاصطناعي الأكثر ريادة، استكشف صفحة الوظائف الخاصة بنا أو فكر في المساهمة في YOLOv5.

Link to this sectionمن عشاق الذكاء الاصطناعي إلى أكثر نماذج اكتشاف الكائنات شعبية في عام 2022#

هذا العام، حقق مستودع Ultralytics/YOLOv5 الخاص بنا علامة فارقة مهمة بتجاوز مستودع pjreddie/darknet YOLOv3 الخاص بـ Joseph Redmon في إجمالي عدد نجوم GitHub، حيث يفتخر الآن بأكثر من 22.4 ألف نجمة. هذه شهادة على ثقة وحماس المجتمع، وهي تحفزنا على مواصلة دفع حدود Vision AI. نحن فخورون جداً بحمل إرث You Only Look Once.

قم بزيارة مستودع YOLOv5 على GitHub للحصول على تفاصيل شاملة حول الإصدار الجديد وانضم إلى المجتمع النابض لعشاق اكتشاف الكائنات YOLO.

Link to this sectionجرب سحر YOLO بدون كتابة كود#

لكن هناك المزيد! إذا كنت جديداً في الرؤية الحاسوبية أو تفضل ببساطة تجربة بدون كود، فإن Ultralytics HUB هو بوابتك. اكتشف كيفية تسخير YOLO وتقنية الرؤية الحاسوبية ببضع نقرات سهلة. تعلم المزيد من خلال زيارة Ultralytics HUB - بوابتك إلى الذكاء الاصطناعي وابدأ رحلتك في الرؤية الحاسوبية.