Ultralytics YOLOv5 v6.0 متاح الآن!
اكتشف YOLOv5 v6.0: تحديثات رئيسية لتحسين الدقة، وتقليل استخدام الذاكرة، وتسريع أداء نماذج الذكاء الاصطناعي. انضم إلى المساهمين العالميين معنا اليوم!

وصل آخر تحديث لنا في 12 أكتوبر 2021 وهو أول إصدار رئيسي منذ أبريل 2021. يجلب الإصدار v6.0 تحسينات كبيرة تقلل من متطلبات الذاكرة أثناء التدريب، وتزيد من الدقة أثناء النشر، وتحسن أداء وقت التشغيل عبر النطاق الكامل لنماذج Ultralytics YOLOv5.

رسم بياني للسرعة مقابل الدقة في Ultralytics YOLOv5 v6.0.
النتيجة بالنسبة لمهندسي تعلم الآلة وعلماء البيانات هي أن YOLOv5 يوفر الآن حل Vision AI أكثر قوة، وأصبح تدريبه ونشره أسهل من أي وقت مضى. تم إجراء تحديثات متعددة على هياكل النماذج الأساسية بناءً على النتائج التجريبية لجهود البحث والتطوير في Ultralytics.
تشمل التعديلات وحدات جديدة وتحسينات على الوحدات الحالية والتي تتضافر معاً لإنتاج نماذج أسرع وأصغر وأكثر دقة.
ولكننا ما كننا لنحقق هذا بمفردنا! يتضمن هذا الإصدار 465 PRs from 73 contributors من جميع أنحاء العالم، وجميعهم يتعاونون معاً لدفع حدود الذكاء الاصطناعي. راجع contributing guidelines الخاصة بمصادرنا المفتوحة إذا كنت ترغب في معرفة المزيد أو المساهمة بنفسك.
يجلب هذا الإصدار مئات التغييرات الصغيرة التي تتراكم لتحدث فرقاً حقيقياً، وهي كثيرة جداً بحيث لا يمكن تفصيلها، ولكن إليك بعض النقاط الرئيسية:
- Roboflow Integration ⭐ جديد: قم بتدريب نماذج YOLOv5 مباشرة على أي مجموعة بيانات Roboflow من خلال تكاملنا الجديد! يوفر هذا التكامل اتصالاً سلساً بين مجموعات بيانات Roboflow وتدريبات YOLOv5 الخاصة بك. (#4975 بواسطة @Jacobsolawetz)
- YOLOv5n 'Nano' models ⭐ جديد: نموذج YOLOv5n الجديد الأصغر (1.9 مليون معامل) والذي يأتي دون نموذج YOLOv5s (7.5 مليون معامل)، ويتم تصديره إلى حجم INT8 يبلغ 2.1 ميجابايت، مما يجعله مثالياً للحلول المحمولة خفيفة الوزن للغاية. (#5027 بواسطة @glenn-jocher)
- TensorFlow and Keras: أصبح تصدير نماذج TensorFlow وKeras وTFLite وTF.js مدمجاً بالكامل الآن في YOLOv5 لضمان انتقالات سلسة من التدريب إلى النشر. (#1127 بواسطة @zldrobit)
- OpenCV DNN: أصبحت نماذج YOLOv5 ONNX متوافقة الآن مع كل من OpenCV DNN وONNX Runtime لتزويد المستخدمين بالمزيد من خيارات وجهات النشر. (#4833 بواسطة @jebastin-nadar)
- هيكلية النموذج: أصبحت الهياكل الأساسية المحدثة أصغر قليلاً وأسرع وأكثر دقة، وتتطلب ذاكرة GPU أقل أثناء التدريب.
أفكار ختامية#
بعد مرور ما يزيد قليلاً عن عام على إطلاق YOLOv5، تسير تقنية اكتشاف الكائنات المتطورة لدينا في طريقها لتصبح تقنية رؤية الذكاء الاصطناعي الأكثر محبوباً في العالم. وبمساعدة مئات المتعاونين والتعليقات الواردة من آلاف المستخدمين، فإننا نقوم بإنشاء أدوات فعالة وسهلة الاستخدام في الوقت ذاته، ويُعد إصدارنا الجديد v6.0 الخطوة المثيرة التالية في هذه الرحلة. توجه إلى مستودع GitHub مفتوح المصدر الخاص بنا للبدء في استخدام YOLOv5 اليوم! YOLOv5 GitHub Repository






