تعيد Ultralytics تعريف أحدث ما توصل إليه الذكاء الاصطناعي للرؤية باستخدام YOLO26
اطّلع على كيفية وضع Ultralytics YOLO26 معيارًا جديدًا للذكاء الاصطناعي للرؤية من حيث السرعة والبساطة وقابلية النشر في العالم الحقيقي، بدءًا من الأجهزة الطرفية ووصولًا إلى الخوادم واسعة النطاق.
نطلق اليوم رسميًا Ultralytics YOLO26، نموذجنا الجديد الذي يضع معيارًا جديدًا للأداء المتطور. وقد قدّمه مؤسسنا ومديرنا التنفيذي Glenn Jocher للمرة الأولى في YOLO Vision 2025 (YV25) في لندن، وهو أكثر نماذجنا تقدمًا وقابليةً للنشر حتى الآن.
صُمم YOLO26 ليكون خفيفًا وصغير الحجم وسريعًا، وهُندس ليلائم بيئات التشغيل الفعلية لتطبيقات ذكاء الرؤية الآني. وبفضل الاستدلال الأصلي المتكامل من البداية إلى النهاية والمضمّن مباشرةً في النموذج، يبسّط YOLO26 النشر ويقلل تعقيد النظام ويوفر أداءً موثوقًا على أجهزة الحافة وفي بيئات الإنتاج واسعة النطاق.
في الواقع، يعمل أصغر إصدارات YOLO26، وهو نموذج Nano، بسرعة تفوق بنسبة تصل إلى 43% سرعة وحدات CPU القياسية، ما يتيح حلول ذكاء الرؤية الآنية بكفاءة في تطبيقات الأجهزة المحمولة والكاميرات الذكية وغيرها من أجهزة الحافة. وانطلاقًا من رؤية Ultralytics الرامية إلى إتاحة إمكانات ذكاء الرؤية المؤثرة للجميع، يجمع YOLO26 بين الأداء المتطور والبساطة، ليصبح سهل الاستخدام والنشر.
مصمم للحقبة القادمة من الرؤية الحاسوبية#
تتجاوز الرؤية الحاسوبية السحابة بسرعة. وتتطلب التطبيقات الواقعية على نحو متزايد استدلالًا آنيًا وزمن استجابة منخفضًا ومرونة في الأجهزة وأداءً يمكن التنبؤ به على أجهزة مثل الطائرات المسيّرة والكاميرات والأنظمة المحمولة والمنصات المضمنة.
صُمم YOLO26 خصيصًا لهذا التحول. ومن خلال إعادة التفكير في خط أنابيب كشف الكائنات من الأساس، طورت Ultralytics بنية نموذج تزيل التعقيد غير الضروري مع تقديم دقة وسرعة من أحدث ما توصلت إليه التقنية.
على سبيل المثال، تعتمد نماذج كشف الكائنات التقليدية من Ultralytics على خطوة إضافية للمعالجة اللاحقة تُسمى كبت الصندوق غير الأقصى، لتصفية التنبؤات المتداخلة بعد الاستدلال. ويتخلص YOLO26 من هذه الخطوة الإضافية عبر إتاحة الاستدلال الأصلي من البداية إلى النهاية، ما يمكّن النموذج من إنتاج نتائج الكشف النهائية مباشرةً. وهذا يتيح نشرًا أسرع وأكثر قابلية للتنبؤ وموثوقية في العالم الحقيقي.
ليس YOLO26 تحديثًا تدريجيًا؛ بل يمثل نقلة هيكلية في طريقة تدريب ذكاء الرؤية المخصص للإنتاج ونشره وتوسيع نطاقه.
الشكل 1. قياس أداء Ultralytics YOLO26.
ما يتيحه YOLO26#
من الجوانب الرئيسية في YOLO26 أنه يبني على نقاط قوة النماذج السابقة مثل Ultralytics YOLO11، مع توسيع إمكانات الرؤية الحاسوبية. ويدعم YOLO26 مباشرةً، دون إعداد إضافي، مهام الرؤية الحاسوبية الأساسية نفسها التي يدعمها YOLO11، بما فيها اكتشاف الكائنات وتجزئة الحالات وتصنيف الصور.
الشكل 2. مثال على استخدام YOLO26 لاكتشاف الكائنات في صورة.
كما يواصل دعم تقدير الوضعية واكتشاف الكائنات باستخدام مربعات الإحاطة الموجّهة للصور الجوية وصور الأقمار الصناعية وتتبع الكائنات عبر تدفقات الفيديو. ومثل YOLO11، يتوفر YOLO26 بخمسة إصدارات من النماذج: Nano (n) وSmall (s) وMedium (m) وLarge (l) وExtra large (x)، ما يمنح المستخدمين خيارات توازن بين السرعة والحجم والدقة.
الميزات الرئيسية لـ Ultralytics YOLO26#
يتضمن Ultralytics YOLO26 مجموعة من التحسينات المصممة لتعزيز الأداء والموثوقية وسهولة الاستخدام في العالم الواقعي. إليك لمحة عن الميزات الرئيسية لـ YOLO26:
- إزالة خسارة التركيز التوزيعي: يزيل YOLO26 خسارة التركيز التوزيعي (DFL)، ما يقلل تعقيد النموذج ويجعل النشر أبسط وأكثر توافقًا عبر أجهزة الحافة والأجهزة منخفضة الطاقة.
- استدلال متكامل من البداية إلى النهاية دون NMS: يلغي YOLO26 أصليًا الحاجة إلى القمع غير الأقصى (NMS)، وهي خطوة تُستخدم عادةً لإزالة التنبؤات المكررة، ما يجعل النشر أبسط وأسرع للاستخدام الآني.
- موازنة الخسارة التدريجية + STAL: تعدّل موازنة الخسارة التدريجية (ProgLoss) وتعيين التسميات الواعية بالأهداف الصغيرة (STAL) طريقة تعلّم النموذج أثناء التدريب، ما يتيح اكتشافًا أكثر موثوقية للأجسام الصغيرة والبعيدة في المشاهد المعقدة.
- محسّن MuSGD: يقدم YOLO26 محسّن MuSGD، وهو مزيج من الانحدار المتدرج العشوائي (SGD) وتقنيات مستوحاة من Muon، ما يعزز استقرار التدريب ويتيح تقاربًا أسرع وأكثر اتساقًا.
- استدلال أسرع بنسبة تصل إلى 43% على CPU: يوفر نموذج YOLO26 Nano استدلالًا أسرع بنسبة تصل إلى 43% على وحدات CPU القياسية، ما يتيح تشغيل ذكاء الرؤية الآني بكفاءة على الأجهزة المحمولة والكاميرات الذكية وأنظمة الحافة الأخرى.
ما وراء الشيفرة: رحلة تطوير Ultralytics YOLO26#
كان تطوير YOLO26 جهدًا جماعيًا صاغته أبحاث فريقنا والملاحظات التي تلقيناها من المجتمع وشركائنا وعملائنا. وقد سعينا إلى تبسيط البنية وتحسين الكفاءة وجعل النموذج أكثر قابلية للتكيف مع الاستخدام في العالم الواقعي.
واسترجاعًا لتلك الرحلة، أوضح Glenn Jocher: «كان أحد أكبر التحديات التأكد من أن المستخدمين يستطيعون تحقيق أقصى استفادة من YOLO26 مع الحفاظ على أعلى مستويات الأداء». وتسلّط وجهة نظره الضوء على أحد المبادئ التصميمية الأساسية لـ YOLO26: إبقاء استخدام ذكاء الرؤية سهلًا.
وتوسيعًا لهذه الفكرة، أضافت Jing Qiu، مهندسة تعلم الآلة الأولى لدينا: «كان تطوير نموذج Ultralytics YOLO الجديد يتطلب الثبات وعدم الاستعجال. واصلت التحسين، مركّزةً فقط على تحقيق التوازن بين السرعة والدقة. وعندما اكتمل العمل، شعرت برضا هادئ؛ فقد كان ذلك دليلًا على أن الاهتمام بالتفاصيل يؤتي ثماره».
ابدأ البناء باستخدام Ultralytics YOLO26#
سيتوفر Ultralytics YOLO26 للجمهور ابتداءً من اليوم عبر Ultralytics Platform، مع دعم كامل لسير عمل التدريب والاستدلال والتصدير. ويمكن للمؤسسات التي تنشر YOLO26 في بيئات تجارية أو مغلقة الوصول إلى خيارات ترخيص المؤسسات، التي تشمل دعم النشر في بيئة الإنتاج والصيانة طويلة الأمد والتوسع في نشره على أجهزة الحافة.
وكما في نماذجنا السابقة، يحظى هذا النموذج أيضًا بدعم كامل عبر حزمة Python من Ultralytics، ما يتيح للمستخدمين البدء فورًا. ويمكن للمستخدمين تدريب YOLO26 والتحقق منه ونشره باستخدام سير العمل المبسط نفسه الذي يعرفونه، مع الاستفادة من مجموعة من خيارات التصدير، مثل ONNX وTensorRT وCoreML وTFLite وOpenVINO وغيرها.
لنبنِ معًا مستقبل الذكاء الاصطناعي للرؤية#
يمثل Ultralytics YOLO26 خطوتنا التالية نحو جعل الذكاء الاصطناعي للرؤية أسرع وأخف وأسهل استخدامًا. لكن هذه ليست سوى البداية.
يتحقق الأثر الحقيقي مما يبتكره مجتمع الذكاء الاصطناعي للرؤية باستخدامه. نتطلع إلى رؤية ابتكاراتكم ومواصلة رسم مستقبل الرؤية الحاسوبية معًا.
تواصلوا مع مجتمعنا واستكشفوا مستودع GitHub للتعمق في الذكاء الاصطناعي. اكتشفوا حلولًا للقطاعات مثل الذكاء الاصطناعي في الروبوتات والرؤية الحاسوبية في الخدمات اللوجستية، واطلعوا على خيارات الترخيص لدينا، وابدؤوا اليوم في بناء تطبيقات الرؤية الحاسوبية.
