نقدّم منصة Ultralytics: الطريقة الأذكى لإضافة التعليقات التوضيحية وتدريب ونشر حلول الذكاء الاصطناعي للرؤية

أنشأنا منظومة Ultralytics مفتوحة المصدر لجعل الرؤية الحاسوبية متاحة للجميع. ويدرّب ملايين المطورين حول العالم الآن نماذج Ultralytics YOLO لتشغيل كل شيء، بدءًا من خطوط فحص المصانع ووصولًا إلى أنظمة التوصيل الذاتية.

لكن على مرّ السنين، واصلنا سماع الملاحظات نفسها من المجتمع: لم يعد تدريب نموذج قوي أكبر عائق في مجال الرؤية الحاسوبية. بل إن إدخاله إلى بيئة الإنتاج هو العائق الأكبر.

نغيّر ذلك اليوم. تعرّف إلى Ultralytics Platform: المنصة الشاملة المتكاملة والمصممة خصيصًا لنقل الذكاء الاصطناعي للرؤية الحاسوبية من البيانات الخام إلى النشر بمستوى جاهزية حقيقي للإنتاج.

الفجوة بين نموذج رائع ومنتج رائع#

على مدى العقد الماضي، تطورت الرؤية الحاسوبية والتعلّم العميق بسرعة من مجالين بحثيين إلى بنية تحتية حيوية تشغّل أنظمة واقعية. فهي تشغّل فحص الجودة في أرضيات التصنيع، وتمكّن متاجر التجزئة بلا أمناء صناديق، وتوجّه الروبوتات الجراحية، وتحافظ على مسار المركبات الذاتية القيادة. لم تكن النماذج أكثر قدرة من أي وقت مضى، لكن الانتقال من نموذج أولي يعمل إلى نظام إنتاج موثوق؟ لا يزال أصعب مما ينبغي.

تجمع معظم الفرق اليوم أدوات منفصلة لإضافة التعليقات التوضيحية والتدريب وتتبع التجارب والنشر والمراقبة. ويضيف كل تكامل مزيدًا من التعقيد. ويبطئ كل انتقال بين المراحل وتيرة العمل. وقد تختفي أسابيع كاملة بهدوء في إدارة البنية التحتية بدلًا من بناء التطبيق نفسه.

أثناء عملنا عن كثب مع المطورين والشركات الناشئة وفرق المؤسسات في مختلف أنحاء مجتمع الرؤية الحاسوبية، ظلّت ثلاثة تحديات تتكرر:

• عنق زجاجة إضافة التعليقات التوضيحية: تتطلب النماذج عالية الأداء بيانات معنونة عالية الجودة، لكن إنشاء مجموعات البيانات هذه وصيانتها لا يزال بطيئًا وكثيف العمالة.
• فجوة النشر: قد يستغرق تشغيل نموذج يحقق أداءً جيدًا أثناء التدريب بصورة موثوقة عبر الأجهزة الطرفية والبيئات السحابية وأنظمة الإنتاج أسابيع من العمل الهندسي الإضافي.
• ضريبة تشتت الأدوات: يؤدي توزيع إضافة التعليقات التوضيحية والتدريب والتتبع والنشر عبر خدمات متعددة إلى أعباء متراكمة تبطئ كل دورة تكرار.

تشكل هذه التحديات المتكررة عنق الزجاجة الرئيسي في تطوير الرؤية الحاسوبية الحديثة، وهي ما قادنا في النهاية إلى بناء Ultralytics Platform. ويجعل تبسيط سير العمل من إعداد البيانات إلى النشر، وربط المراحل الأساسية لتطوير الرؤية الحاسوبية، من الممكن للفرق الانتقال بسهولة أكبر من النماذج الواعدة إلى أنظمة ذكاء اصطناعي للرؤية الحاسوبية في العالم الحقيقي.

دورة حياة الذكاء الاصطناعي للرؤية الحاسوبية بالكامل، في مكان واحد#

تجمع Ultralytics Platform كل مرحلة من مراحل سير عمل الرؤية الحاسوبية، بدءًا من إدارة البيانات ووصولًا إلى إضافة التعليقات التوضيحية وتدريب النماذج والنشر والمراقبة. وكل ذلك في مساحة عمل واحدة ومترابطة لتقليل التعقيد وتسريع الانتقال من الفكرة إلى تحقيق الأثر.

حمّل صورك أو مقاطع الفيديو الخاصة بك. أضف إليها التسميات باستخدام أدوات إضافة التعليقات التوضيحية المضمنة. درّب نماذج مثل Ultralytics YOLO26 مباشرةً على المنصة. انشر عالميًا. راقب الأداء في الوقت الفعلي. تتدفق كل مرحلة إلى المرحلة التالية، لتتمكن من التركيز على بناء تطبيقك بدلًا من إدارة البنية التحتية.

الشكل 1. لمحة عن Ultralytics Platform (المصدر)

من الفكرة إلى النشر: آلية عمل Ultralytics Platform#

يتضمن تحويل فكرة في مجال الرؤية الحاسوبية إلى نظام عامل عدة مراحل، بدءًا من إعداد البيانات ووصولًا إلى تشغيل النماذج في بيئة الإنتاج. تنظم Ultralytics Platform هذه العملية في خط أنابيب واضح وبسيط يساعدك على الانتقال بسهولة من مفهوم أولي إلى نموذج منشور.

إضافة التعليقات التوضيحية: تسريع جذري#

لطالما كانت إضافة التسميات إلى البيانات من أكثر الأجزاء استهلاكًا للوقت في أي مشروع للرؤية الحاسوبية. وتجعل Ultralytics Platform هذه العملية أسرع بكثير، وقد صُممت لتلائمك أينما كانت بياناتك.

يمكنك تحميل الصور أو مقاطع الفيديو الخام أو أرشيفات مجموعات البيانات، واستيراد مجموعات البيانات التي أُضيفت إليها التسميات مسبقًا بتنسيق YOLO أو COCO، أو استنساخ مجموعات البيانات العامة التي يشاركها مجتمع Ultralytics. وسواء أكنت تبدأ من الصفر أم تبني على عمل قائم، تصبح بياناتك جاهزة للاستخدام فور وصولها إلى المنصة.

إذا لم تكن صورك أو مقاطع الفيديو الخاصة بك معنونة بعد، فإن محرر إضافة التعليقات التوضيحية المضمن يجعل تجهيزها أسرع بكثير. وهو يدعم كل مهام الرؤية الحاسوبية الرئيسية، بدءًا من اكتشاف الأجسام وتقسيم المثيلات ووصولًا إلى تقدير الوضعية واكتشاف مربع الإحاطة الموجّه (OBB) وتصنيف الصور، مع أدوات مصممة لتحقيق السرعة والدقة معًا.

تتمثل القدرة الأبرز هنا في إضافة التعليقات التوضيحية الذكية المدعومة بـ SAM 3. وباستخدام نموذج تقسيم أي شيء 3 (SAM 3)، يمكنك إنشاء أقنعة دقيقة أو مربعات إحاطة أو مربعات موجّهة بالنقر فوق جسم ما وتحسين النتيجة باستخدام بضع نقاط. وما كان يستغرق ساعات من التتبع اليدوي أصبح يستغرق دقائق، مما يمنح الفرق القدرة على إنشاء مجموعات بيانات عالية الجودة بوتيرة تواكب سرعة تطويرها.

الشكل 3. مثال على إضافة التعليقات التوضيحية الذكية المدعومة بـ SAM في Ultralytics Platform (المصدر)

وتكتمل تجربة إضافة التعليقات التوضيحية المصممة للحفاظ على تركيزك بفضل قوالب الهياكل العظمية للوضعيات واختصارات لوحة المفاتيح وإدارة الفئات المضمنة ودعم التراجع/الإعادة.

التدريب: قوة بلا عناء#

بمجرد إضافة التسميات إلى بياناتك، يصبح التدريب على بُعد نقرة واحدة. وتحظى Ultralytics YOLO26 وYOLO11 والعائلة الكاملة من نماذج Ultralytics YOLO بدعم أصلي، ويمكن تدريبها مباشرةً على المنصة باستخدام وحدات معالجة الرسومات السحابية (GPUs)، أو تدريبها على الأجهزة المحلية مع بث المقاييس إلى المنصة.

اختر من مجموعة واسعة من خيارات GPU السحابية، بما في ذلك RTX 4090 وRTX PRO 6000 وNVIDIA A100 وH100 وغيرها، أو درّب على أجهزتك المحلية مع بث المقاييس في الوقت الفعلي إلى المنصة. يُنظَّم كل اختبار تلقائيًا ضمن مشاريع تجمع النماذج ذات الصلة معًا، مما يسهّل تتبع تأثير مجموعات البيانات والمعلمات والإعدادات المختلفة في النتائج وتحديد أقوى النماذج.

راقب منحنيات الخسارة والدقة والاستدعاء ومتوسط الدقة (mAP) أثناء تطورها حقبةً بعد أخرى. وتعمّق في مصفوفات الالتباس ومنحنيات الدقة والاستدعاء لفهم المواضع التي يحقق فيها نموذجك أداءً جيدًا بدقة، والمواضع التي يمكنه تحسينها. وقارن بين عمليات تشغيل متعددة جنبًا إلى جنب للعثور على الإعداد الذي يحقق أفضل النتائج.

الشكل 2. نظرة على مراقبة تقدم التدريب باستخدام Ultralytics Platform (المصدر)

تدير Ultralytics Platform أيضًا المراحل الأساسية من دورة حياة التدريب تلقائيًا. إذ تُحفظ نقاط التحقق طوال فترة التدريب، مع الاحتفاظ بأفضل نموذج أداءً والأوزان النهائية المدرّبة. ويمكن ضبط النماذج المدرّبة مسبقًا مباشرةً داخل المنصة، كما يمكن تحميل النماذج المدرّبة أو تنزيلها لاستخدامها في بيئات أخرى، مما يمنح الفرق مرونة كاملة في كيفية ومكان عملها.

لا بنية تحتية لتجهيزها. ولا خدمة منفصلة لتتبع التجارب لإعدادها. بل مسار واضح وفعّال من البيانات المعنونة إلى نموذج مدرّب جاهز للعالم الحقيقي.

انشر عالميًا وراقب كل شيء#

يحتاج النموذج المدرّب جيدًا إلى مسار قادر بالقدر نفسه إلى بيئة الإنتاج. وتوفّر Ultralytics Platform ذلك.

ابدأ بالتحقق من نتائج استدلال نموذجك مباشرةً في المتصفح. وعندما تثق بالنتائج، انشر في 43 منطقة عالمية عبر نقاط نهاية مخصصة تتوسع تلقائيًا لمواكبة الطلب، ولكل منها نقطة نهاية API فريدة جاهزة للتكامل مع تطبيقاتك.

الشكل 4. تدعم Ultralytics Platform نشر النماذج عبر 43 منطقة عالمية. (المصدر)

سواء أكنت تحتاج إلى النشر في السحابة أم إلى تشغيل النماذج على الأجهزة الطرفية، توفّر Ultralytics Platform خيارات مرنة مصممة لكلا السيناريوهين. وجميع نماذج Ultralytics YOLO محسّنة أصليًا للعمل بكفاءة عبر البيئات المختلفة، مع تقديم أداء موثوق حتى على الأجهزة الطرفية ذات موارد الحوسبة المحدودة. وبالنسبة إلى الفرق التي تحتاج إلى تشغيل النماذج خارج المنصة، تدعم Ultralytics التصدير إلى 17 تنسيقًا معتمدًا، بما في ذلك ONNX وTensorRT وCoreML وTFLite وOpenVINO، لتعمل نماذجك أصليًا عبر الخدمات السحابية والأجهزة المحمولة والأنظمة الطرفية وغيرها.

بمجرد تشغيل نماذجك، تمنحك المراقبة المضمنة في لوحة معلومات عمليات النشر رؤية كاملة لأداء الإنتاج: حجم الطلبات ومقاييس زمن الاستجابة ومعدلات الأخطاء وحالة نقاط النهاية والسجلات التفصيلية. ويمكنك أيضًا مراجعة السجلات والتحقق من حالة نقاط النهاية وتتبع الأداء بمرور الوقت للمساعدة في ضمان تشغيل أنظمة الرؤية الحاسوبية لديك بموثوقية في بيئة الإنتاج وتحديد فرص تحسين الأداء.

ابدأ اليوم، أو استكشف وثائق Ultralytics للتعرّف بعمق أكبر إلى ما يمكن للمنصة تقديمه.

إتاحة تطوير الذكاء الاصطناعي للرؤية الحاسوبية للجميع#

عندما تتعرف أكثر إلى Ultralytics Platform، سترى سريعًا أن هدفها يتجاوز توفير أدوات لبناء أنظمة الرؤية الحاسوبية. فالمنصة مصممة في جوهرها للمساعدة في جعل تطوير الذكاء الاصطناعي للرؤية الحاسوبية أكثر إتاحة وسهولة في الاستخدام لشريحة أوسع من المجتمع.

تاريخيًا، تطلّب بناء أنظمة الذكاء الاصطناعي ونشرها بنية تحتية متخصصة وأدوات معقدة واستثمارًا كبيرًا مقدمًا. وحتى عندما أصبح تدريب النماذج القوية أسهل، ظل سير العمل المحيط بها - من إدارة مجموعات البيانات وتشغيل التجارب إلى نشر النماذج وصيانة البنية التحتية - صعب الوصول بالنسبة إلى الأفراد والفرق الأصغر.

تقلل Ultralytics Platform هذه الحواجز من خلال جمع سير عمل الذكاء الاصطناعي للرؤية الحاسوبية بالكامل في بيئة واحدة، مع تسهيل البدء. ويمكن للمستخدمين الجدد بدء التجربة عبر الخطة المجانية، التي تتضمن أرصدة تسجيل للتدريب السحابي وإمكانية الوصول إلى الميزات الأساسية مثل إدارة مجموعات البيانات وأدوات إضافة التعليقات التوضيحية وتدريب النماذج وتصديرها.

ومع نمو المشاريع، يمكن للمستخدمين أو عملاء المؤسسات التوسع عبر أرصدة إضافية وخطط للمنصة تتيح مزيدًا من موارد الحوسبة والتخزين وميزات التعاون وسعة النشر. ويعني هذا النهج المرن أن المطورين والباحثين والشركات الناشئة والمؤسسات يمكنهم البدء على نطاق صغير والتجربة بحرية وتوسيع استخدامهم مع اقتراب أنظمة الرؤية الحاسوبية لديهم من بيئة الإنتاج.

من خلال الجمع بين سير عمل متكامل للرؤية الحاسوبية ونموذج تسعير متاح، تساعد Ultralytics Platform في فتح المجال أمام مزيد من الأشخاص لبناء تطبيقات الذكاء الاصطناعي للرؤية الحاسوبية في العالم الحقيقي واختبارها ونشرها.

أهم النقاط المستخلصة#

تجمع Ultralytics Platform دورة حياة الذكاء الاصطناعي للرؤية الحاسوبية بالكامل في مساحة عمل قوية واحدة، مما يسرّع الانتقال من البيانات الخام إلى أنظمة ذكاء اصطناعي للرؤية الحاسوبية جاهزة للإنتاج. وبفضل الأدوات المضمنة لإضافة التعليقات التوضيحية والتدريب والنشر والمراقبة، تستطيع الفرق بناء نماذج مثل Ultralytics YOLO26 وUltralytics YOLO11 وUltralytics YOLO11 ونماذج YOLO القديمة ونشرها دون إدارة بنية تحتية معقدة.

سواء أكنت تجرّب نموذجك الأول أم تنشر الذكاء الاصطناعي للرؤية الحاسوبية على نطاق واسع، فقد صُممت المنصة لدعم كل مرحلة من مراحل الرحلة.

انضم إلى مجتمعنا واكتشف ابتكارات مثل الذكاء الاصطناعي في التصنيع والذكاء الاصطناعي للرؤية الحاسوبية في تجارة التجزئة. تفضل بزيارة مستودع GitHub وابدأ استخدام الرؤية الحاسوبية اليوم بالاطلاع على خيارات الترخيص.