Ultralytics YOLO27: انضم إلى قائمة الانتظار.
Get Started
الأقنعة، والنقاط المفتاحية، والصناديق المدارة، وتسميات الفئات — من وضع التسميات والتدريب إلى تحويلها إلى أرقام وشحنها
مسار الممارسمتوسط نحو 5 ساعات 10 درسًاالاختبار النهائي · الشهادة

ما بعد الكشف: التجزئة، وتقدير الوضعية، والصناديق المحيطة الموجّهة، والتصنيف

يمكنك تدريب كاشف. تدعم Ultralytics YOLO سبع مهام للرؤية الحاسوبية، وتعلّمك هذه الدورة المهام الخمس التي ستصادفها غالبًا بعد الكشف — تجزئة الكائنات وتجزئة الدلالات، وتقدير الوضعية، والصناديق المحيطة الموجّهة، والتصنيف — بدءًا من تنسيق التسميات والتدريب، وصولًا إلى قراءة النتائج برمجيًا، وربط النماذج، والتقييم والتصدير لكل مهمة. أما تقدير العمق، وهو المهمة السابعة، فيُتناول ضمن خطة المهام ودروس التقييم والتصدير.

بواسطة Ultralytics Academy

ابدأ الدورةسجّل الدخول لحفظ التقدم
ما الذي ستتعلمه

اختر مهمة Ultralytics YOLO26 المناسبة لسؤال يتعلق بالمنتج، ثم أنشئ التسميات ودرّب واقرأ النتائج وقيّم وصدّر نماذج التجزئة الدلالية وتقدير الوضعية والصناديق المحيطة الموجّهة والتصنيف، واربطها في خطوط أنابيب تجيب عن أسئلة لا يستطيع الكاشف الإجابة عنها.

  • اربط سؤالًا متعلقًا بالمنتج بإحدى مهام Ultralytics YOLO السبع، وأوزانها، وحقل نتائجها، ومقياسها الحاسم.

  • أنشئ مجموعات بيانات المضلعات وخرائط الفئات بصيغة PNG والنقاط المفتاحية والصناديق المحيطة الموجّهة ذات الزوايا الأربع، وتحقّق منها ومن تخطيط المجلدات قبل التدريب.

  • درّب النماذج -seg و-sem و-pose و-obb و-cls، واقرأ mAP للأقنعة وmIoU وmAP للوضعيات المعتمد على OKS وmAP للصناديق الدوّارة ودقة top-1.

  • حوّل التنبؤات إلى قرارات: مساحات الأقنعة ومناطق التداخل، وتغطية خريطة الفئات، وزوايا المفاصل، واتجاهات السفن، والتسميات الموجّهة بحسب مستوى الثقة.

  • اربط المهام (الكشف ثم التصنيف، أو الوضعيات مع التتبّع)، وحافظ على ثبات تكلفتها، وصدّر كل مهمة إلى ONNX مع التحقق من تنبؤ.

ما الذي ستنشئه

  • خطة مهام تحدد المهمة والأوزان وتنسيق التسميات وحقل النتيجة ومقياس القبول لكل نموذج في خط أنابيب.

  • أدوات تحقق لمجموعات بيانات التجزئة والوضعيات، تكشف الصفوف غير الصالحة قبل إهدار ساعة من وقت GPU.

  • عمليات تدريب لعصر واحد للتجزئة والتجزئة الدلالية والوضعيات وOBB والتصنيف، مع شرح كل مقياس.

  • نصوص برمجية تقيس مساحة القناع والتداخل والسطح القابل للمشي وزوايا المرفق والركبة ومحاور السفن بالاستناد إلى تنبؤات حقيقية.

  • خط أنابيب من مرحلتين يصنّف كل شخص متتبَّع مرة واحدة، مع عمليات تصدير إلى ONNX لكل مهمة، والتحقق من كل منها بتنبؤ.

المتطلبات الأساسية

  • أكمل تدريب أول نموذج YOLO لك — تفترض هذه الدورة أنك تستطيع تدريب كاشف والتحقق منه وإجراء التنبؤات باستخدامه.

  • إلمام جيد بـ Python ومصفوفات NumPy.

  • تساعد وحدة GPU، لكنها غير مطلوبة: تعمل جميع الأمثلة على وحدة CPU في حاسوب محمول عند epochs=1، وعلى imgsz صغير.

محتوى الدورة

4 وحدة · 10 درسًا

الوحدة 1

التخطيط
1

اختر المهمة وخطّط لخط الأنابيب

اربط كل سؤال متعلق بالمنتج بإحدى مهام Ultralytics YOLO السبع، وحدد أوزانها وحقل النتيجة وتنسيق التسميات ومقياس القبول، ثم أثبت صلاحية الخطة بتشغيل كل مهمة على صورة واحدة.

الوحدة 2

التجزئة
2

وضع التسميات والتدريب على تجزئة الكائنات

اكتب تسميات المضلعات، وتحقق منها برمجيًا، ودرّب yolo26n-seg.pt على COCO8-seg، وشخّص نموذجًا من خلال الفجوة بين مقاييس الصناديق والأقنعة.

3

استخدم الأقنعة برمجيًا: المساحة والتداخل والمخططات والقصاصات

اقرأ masks.data وmasks.xy بصورة صحيحة، وقِس مساحة الكائن ونسبة امتلائه، واختبر التداخل باستخدام الأقنعة بدلًا من الصناديق، واقصص الكائنات من الإطار.

4

التجزئة الدلالية: تصنيف كل بكسل

تنبأ بخريطة فئات لكل بكسل باستخدام yolo26n-sem.pt، وحوّلها إلى قيم للتغطية، وأنشئ مجموعات بيانات لخرائط الفئات بصيغة PNG، واقرأ mIoU دون أن تنخدع بدقة البكسل.

الوحدة 3

الوضعية وOBB
5

وسم نماذج الوضعية وتدريبها

اكتب تسميات النقاط المفتاحية مع قيم الرؤية، واضبط kpt_shape وflip_idx بشكل صحيح، ودرّب على COCO8-pose، وحوّل النقاط المفتاحية إلى زوايا مفاصل مشروطة بالثقة.

6

النقاط الرئيسية المخصصة ومقاييس OKS

صمّم مخططًا للنقاط الرئيسية لكائنات غير بشرية، واكتب YAML مجموعة البيانات وتحقق منه، واضبط قيم سيغما لـ OKS وفقًا لدقة تحديد موضع كل نقطة.

7

صناديق الإحاطة الموجّهة للكائنات المدارة

وسّم صناديق OBB ذات الزوايا الأربع، ودرّب yolo26n-obb.pt على DOTA8، وحوّل تنبؤات xywhr إلى محور اتجاه ثابت دون الوقوع في التباس اصطلاحات الزوايا.

الوحدة 4

صنّف، وادمج، وأبحر
8

تدريب مصنّف صور

نظّم مجموعة بيانات في مجلدات، ودرّب yolo26n-cls.pt على MNIST160، واقرأ الاحتمالات ودقة أفضل فئة، ووجّه التنبؤات منخفضة الثقة إلى المراجعة البشرية.

9

دمج المهام في مسار واحد

أنشئ تسلسلًا للكشف ثم التصنيف، وصنّف كل كائن متعقب مرة واحدة بدلًا من تصنيفه في كل إطار، وحوّل النقاط المفتاحية للوضعية إلى سلاسل زمنية لكل شخص.

10

تقييم كل المهام وإطلاقها

حدّد بوابة لكل مهمة استنادًا إلى مقياسها عند حجم النشر، وتحقق من جميع المهام ضمن حلقة واحدة، وصدّر كل مهمة إلى ONNX مع التحقق من صحة التنبؤ.