Ultralytics أحدث تقنيات الرؤية الاصطناعية باستخدام YOLO26

اليوم، نطلق رسمياً Ultralytics نموذجنا الجديد الذي يضع معياراً جديداً للأداء المتطور. تم تقديمه لأول مرة من قبل مؤسسنا ومديرنا التنفيذي، جلين جوشر، في YOLO 2025 (YV25) في لندن، وهو نموذجنا الأكثر تطوراً وقابلية للتطبيق حتى الآن.

صُمم YOLO26 ليكون خفيف الوزن وصغير الحجم وسريعًا، وهو مصمم خصيصًا لتطبيقات الذكاء الاصطناعي للرؤية في الوقت الفعلي التي تعمل بالفعل في العالم الحقيقي. بفضل الاستدلال الأصلي الشامل المدمج مباشرة في النموذج، يبسط YOLO26 عملية النشر ويقلل من تعقيد النظام ويوفر أداءً موثوقًا عبر الأجهزة الطرفية وبيئات الإنتاج واسعة النطاق.

في الواقع، تعمل النسخة الأصغر من YOLO26، وهي النموذج النانوي، بسرعة تصل إلى 43٪ على وحدات المعالجة المركزية القياسية، مما يتيح حلولاً فعالة للرؤية بالذكاء الاصطناعي في الوقت الفعلي على التطبيقات المحمولة والكاميرات الذكية والأجهزة المتطورة الأخرى. استناداً إلى رؤية Ultralyticsفي جعل قدرات الرؤية بالذكاء الاصطناعي المؤثرة في متناول الجميع، يجمع YOLO26 بين الأداء المتطور والبساطة، مما يجعله سهل الاستخدام والنشر.

صُممت من أجل الجيل القادم من الرؤية الحاسوبية

تتجاوز الرؤية الحاسوبية بسرعة حدود السحابة. تتطلب التطبيقات الواقعية بشكل متزايد الاستدلال في الوقت الفعلي، والكمون المنخفض، ومرونة الأجهزة، والأداء المتوقع على أجهزة مثل الطائرات بدون طيار والكاميرات والأنظمة المحمولة والمنصات المدمجة.

تم تصميم YOLO26 خصيصًا لهذا التغيير. من خلال إعادة التفكير في خطوة الكشف عن الكائنات من الألف إلى الياء، Ultralytics بنية نموذجية تزيل التعقيدات غير الضرورية مع توفير دقة وسرعة على أحدث مستوى. 

على سبيل المثال، تعتمد نماذج Ultralytics التقليدية للكشف Ultralytics على خطوة معالجة إضافية تسمى Non-Maximum Suppression لتصفية التوقعات المتداخلة بعد الاستدلال. يزيل YOLO26 هذه الخطوة الإضافية من خلال تمكين الاستدلال الأصلي من البداية إلى النهاية، مما يسمح للنموذج بإنتاج عمليات الكشف النهائية مباشرة. وهو يتيح نشرًا أسرع وأكثر قابلية للتنبؤ وموثوقية في العالم الواقعي.

YOLO26 ليس تحديثًا تدريجيًا. إنه يمثل قفزة هيكلية إلى الأمام في كيفية تدريب ونشر وتوسيع نطاق الذكاء الاصطناعي للرؤية على مستوى الإنتاج.

ما الذي يجعله YOLO26 ممكناً

أحد الجوانب الرئيسية لـ YOLO26 هو كيفية استفادته من نقاط القوة في النماذج السابقة مثل Ultralytics YOLO11 مع توسيع نطاق الإمكانيات المتاحة بفضل الرؤية الحاسوبية. يدعم YOLO26 بشكل فوري نفس مهام الرؤية الحاسوبية الأساسية التي YOLO11 بما في ذلك اكتشاف الكائنات وتقسيم الحالات وتصنيف الصور.

كما أنه يواصل دعم تقدير الوضع، وكشف الكائنات المحددة بالمربعات الموجهة للصور الجوية والأقمار الصناعية، وتتبع الكائنات عبر تدفقات الفيديو. مثل YOLO11 يتوفر YOLO26 في خمسة نماذج مختلفة، Nano (n)، Small (s)، Medium (m)، Large (l)، و Extra large (x)، مما يمنح المستخدمين خيارات توازن بين السرعة والحجم والدقة.

الميزات الرئيسية لـ Ultralytics

يتضمن Ultralytics مجموعة من التحسينات المصممة لتعزيز الأداء والموثوقية وقابلية الاستخدام في العالم الواقعي. فيما يلي لمحة عن الميزات الرئيسية لـ YOLO26:

• إزالة الخسارة البؤرية التوزيعية: يزيل YOLO26 الخسارة البؤرية التوزيعية (DFL)، مما يقلل من تعقيد النموذج ويؤدي إلى نشر أبسط وأكثر توافقًا عبر الأجهزة المتطورة والأجهزة منخفضة الطاقة.
• استدلال شامل NMS: يلغي YOLO26 بشكل أساسي الحاجة إلى Non-Maximum Suppression (NMS)، وهي خطوة تُستخدم عادةً لإزالة التوقعات المكررة، مما يجعل النشر أبسط وأسرع للاستخدام في الوقت الفعلي.
• موازنة الخسارة التدريجية + STAL: تعمل موازنة الخسارة التدريجية (ProgLoss) وتعيين العلامات الصغيرة المدركة للهدف (STAL) على ضبط كيفية تعلم النموذج أثناء التدريب، مما يتيح اكتشافًا أكثر موثوقية للأجسام الصغيرة والبعيدة في المشاهد المعقدة.
• مُحسّن MuSGD: يقدم YOLO26 مُحسّن MuSGD، وهو مزيج من تقنيات Stochastic Gradient Descent (SGD) و Muon-inspired، مما يعزز استقرار التدريب ويتيح تقاربًا أسرع وأكثر اتساقًا.
• CPU أسرع بنسبة تصل إلى 43٪ CPU : يوفر نموذج YOLO26 nano استنتاجًا أسرع بنسبة تصل إلى 43٪ على وحدات المعالجة المركزية القياسية، مما يتيح كفاءة الذكاء الاصطناعي للرؤية في الوقت الفعلي على الأجهزة المحمولة والكاميرات الذكية وأنظمة الحافة الأخرى.

وراء الكود: الرحلة إلى Ultralytics

كان تطوير YOLO26 جهدًا جماعيًا شكلته أبحاث فريقنا والتعليقات التي تلقيناها من المجتمع وشركائنا وعملائنا. لقد شرعنا في تبسيط البنية وتحسين الكفاءة وجعل النموذج أكثر قابلية للتكيف مع الاستخدام في العالم الحقيقي. 

وفي معرض حديثه عن تلك الرحلة، أوضح جلين جوشر قائلاً: "كان أحد أكبر التحديات هو ضمان حصول المستخدمين على أقصى استفادة من YOLO26 مع الحفاظ على أعلى مستويات الأداء." وتسلط وجهة نظره الضوء على أحد المبادئ الأساسية لتصميم YOLO26، وهو الحفاظ على سهولة استخدام الذكاء الاصطناعي للرؤية.

وتوسعاً في هذه الفكرة، أضاف جينغ تشيو، كبير مهندسي التعلم الآلي لدينا: "كان بناءYOLO Ultralytics YOLO الجديد يتعلق بالثبات وعدم التسرع. واصلت التحسين، وركزت فقط على التوازن بين السرعة والدقة. وعندما اكتمل النموذج، شعرت برضا هادئ - دليل على أن الاهتمام بالتفاصيل يؤتي ثماره".

ابدأ البناء باستخدام Ultralytics

سيكون Ultralytics متاحًا للجمهور اعتبارًا من اليوم عبر Ultralytics مع دعم كامل لعمليات التدريب والاستدلال والتصدير. يمكن للمؤسسات التي تنشر YOLO26 في بيئات تجارية أو مغلقة الوصول إلى خيارات الترخيص المؤسسي، والتي تشمل دعم نشر الإنتاج والصيانة طويلة الأجل وعمليات النشر القابلة للتطوير. 

مثل طرازاتنا السابقة، يتم دعمه بالكامل من خلال Python مما يتيح للمستخدمين البدء في استخدامه على الفور. يمكن للمستخدمين تدريب YOLO26 والتحقق من صحته ونشره باستخدام نفس سير العمل المبسط الذي يعرفونه بالفعل، مع الاستفادة من مجموعة من خيارات التصدير مثل ONNX و TensorRT و CoreML و TFLite و OpenVINO وغيرها.

لنبني معًا مستقبل الرؤية بالذكاء الاصطناعي

يمثل Ultralytics خطوتنا التالية في جعل الذكاء الاصطناعي البصري أسرع وأخف وزناً وأسهل في الاستخدام. لكن هذه ليست سوى البداية.

التأثير الحقيقي يأتي من ما تخلقه مجتمع الرؤية الاصطناعية به. نتطلع إلى رؤية ابتكاراتكم ومواصلة تشكيل مستقبل الرؤية الحاسوبية معًا.

تواصل مع مجتمعنا واستكشف مستودع GitHub الخاص بنا لتعمق أكثر في مجال الذكاء الاصطناعي. اكتشف الحلول الصناعية مثل الذكاء الاصطناعي في الروبوتات والرؤية الحاسوبية في مجال الخدمات اللوجستية، وتحقق من خيارات الترخيص لدينا، وابدأ في البناء باستخدام الرؤية الحاسوبية اليوم.