اختر المهمة وخطّط لخط الأنابيب

صورة واحدة، وأربع إجابات مختلفة#

اطرح سؤالًا واحدًا عن صورة واحدة — ما مقدار الإطار الذي تشغله الحافلة، وما بُعدها؟ — ودع أربع مهام من Ultralytics YOLO تجيب عنه:

from ultralytics import YOLO

image = "https://ultralytics.com/images/bus.jpg"
det = YOLO("yolo26n.pt")(image, verbose=False)[0]
seg = YOLO("yolo26n-seg.pt")(image, retina_masks=True, verbose=False)[0]
sem = YOLO("yolo26n-sem.pt")(image, verbose=False)[0]
depth = YOLO("yolo26n-depth.pt")(image, verbose=False)[0]
frame = det.orig_shape[0] * det.orig_shape[1]  # pixels in the photo

i = [det.names[int(c)] for c in det.boxes.cls].index("bus")
x1, y1, x2, y2 = det.boxes.xyxy[i].tolist()
print(f"detect    bus box covers   {(x2 - x1) * (y2 - y1) / frame:.1%} of the frame")

i = [seg.names[int(c)] for c in seg.boxes.cls].index("bus")
bus_mask = seg.masks.data[i].bool()  # H x W, True on bus pixels
print(f"segment   bus mask covers  {bus_mask.sum().item() / frame:.1%} of the frame")

ratios = {row["name"]: row["pixel_ratio"] for row in sem.summary()}
print(f"semantic  'train' pixels   {ratios['train']:.1%} of the frame")

meters = depth.depth.data[bus_mask].median().item()  # depth map and mask share the original size
print(f"depth     bus is about     {meters:.1f} m from the camera")

detect    bus box covers   47.7% of the frame
segment   bus mask covers  29.2% of the frame
semantic  'train' pixels   30.9% of the frame
depth     bus is about     4.5 m from the camera

اقرأها سطرًا سطرًا:

• تجيب detect عن سؤال أين؟. ويشمل الصندوق أيضًا الطريق أسفل الحافلة والأشخاص الأربعة الواقفين أمامها، لذا تزيد مساحته عن الحقيقة بنسبة 63%.
• تجيب segment عن سؤال ما الشكل؟. تشغل الحافلة 29.2% من الصورة فعليًا، وهذا هو الرقم الذي ينبغي استخدامه في أي قاعدة تتعلق بالمساحة أو التغطية أو التداخل.
• تجيب semantic عن سؤال أي وحدات بكسل تنتمي إلى أي فئة؟. مساحتها قريبة من مساحة القناع، لكن النموذج يسمّي الحافلة train: فهو يصنّف الأسطح وفق فئات مجموعة بيانات تدريبه (Cityscapes، الدرس 4)، ولا يفصل مطلقًا بين مركبة وأخرى.
• يجيب depth عن سؤال ما بُعدها؟. يبلغ وسيط العمق داخل قناع الحافلة 4.5 m — وقد جُمعت مهمتان للإجابة عن سؤال لا تستطيع أي منهما الإجابة عنه بمفردها.

المهام السبع في لمحة#

تتناول أسس الرؤية الحاسوبية بالتفصيل كيفية الاختيار بين المهام — راجع مهام الرؤية السبع إذا لم يكن الاختيار واضحًا. وهذا ملخص عملي لبقية الدورة. كل صف يمثل مهمة تدعمها حزمة ultralytics المثبّتة للتدريب والتحقق والتنبؤ والتصدير عبر واجهة API نفسها؛ أما نظرة عامة على المهام فهي المرجع الكامل.

أنت تطلق الصف الأول بالفعل. تعلّمك الدروس من 2 إلى 8 الصفوف الخمسة الوسطى، ثم تربط الدروس 9 و10 هذه الصفوف وتطلقها. أما الصف الأخير، وهو تقدير العمق أحادي العين، فيقدّر مسافةً بالأمتار لكل بكسل في صورة واحدة. تُستمد تسمياته من مستشعرات العمق أو محركات التصيير 3D، لا من القائمين على التوسيم، ولذلك له تنسيق مجموعة بيانات خاص به؛ وتتناوله هذه الدورة في كل موضع يكون فيه سير العمل مشتركًا: هذه الخطة، وحلقة التحقق، وفحص التصدير في الدرس الأخير.

اختر سؤالًا واحدًا في كل مرة#

اتبع الأسئلة بالترتيب وتوقف عند أول إجابة بنعم:

يغطي المخطط الحالات الشائعة. وتغطي أربع قواعد ترجيح معظم الحالات الأخرى:

تُحدَّد المهمة عند إنشاء مجموعة البيانات — وفي Ultralytics Platform يكون ذلك عبر حقل Task Type في مربع حوار مجموعة البيانات الجديدة — لذا يأتي هذا الاختيار قبل أول تسمية:

واجهة API واحدة، وحقول نتائج سبعة#

تستخدم كل مهمة الاستدعاء نفسه؛ إذ يقرأ النموذج مهمته من ملف الأوزان. وما يتغير هو حقل النتيجة الذي تُملأ قيمته، وهذا هو الحقل الذي سيقرأه الكود:

from ultralytics import YOLO

WEIGHTS = ["yolo26n.pt", "yolo26n-seg.pt", "yolo26n-sem.pt", "yolo26n-pose.pt", "yolo26n-obb.pt", "yolo26n-cls.pt", "yolo26n-depth.pt"]
FIELDS = ("boxes", "masks", "semantic_mask", "keypoints", "obb", "probs", "depth")

for weights in WEIGHTS:
    model = YOLO(weights)
    result = model("https://ultralytics.com/images/bus.jpg", verbose=False)[0]
    fields = [f for f in FIELDS if getattr(result, f) is not None]
    print(f"{weights:17s} task={model.task:9s} fields={fields}")

yolo26n.pt        task=detect    fields=['boxes']
yolo26n-seg.pt    task=segment   fields=['boxes', 'masks']
yolo26n-sem.pt    task=semantic  fields=['semantic_mask']
yolo26n-pose.pt   task=pose      fields=['boxes', 'keypoints']
yolo26n-obb.pt    task=obb       fields=['obb']
yolo26n-cls.pt    task=classify  fields=['probs']
yolo26n-depth.pt  task=depth     fields=['depth']

تحتفظ نتائج التجزئة والوضعيات بـ boxes، لذا يستمر كود الكشف الموجود لديك في العمل معها. أما نتائج التصنيف والتجزئة الدلالية والعمق فتصف الصورة بأكملها ولا تحتوي على حقول لكل كائن.

عندما لا يكفي نموذج واحد#

تتخذ معظم أنظمة الإنتاج التي تتجاوز الكشف أحد ثلاثة أشكال:

• الكشف ثم التصنيف. يعثر الكاشف على الكائنات الصغيرة في إطار كبير؛ ويصدر مصنّف الصور حكمًا دقيقًا على كل قصاصة كاملة الدقة: نوع الخوذة، أو درجة العيب، أو رمز SKU للمنتج.
• الوضعيات مع التتبّع. تصف النقاط المفتاحية إطارًا واحدًا؛ ويحوّلها المتعقّب إلى سلسلة زمنية لكل شخص، يمكن استخدامها لعدّ التكرارات أو اكتشاف السقوط.
• التجزئة ثم القياس. يعيد النموذج وحدات البكسل؛ ويحوّلها كود عادي إلى مساحات أو عروض أو نسب تغطية أو مسافات (مع العمق).

تتألف التسميات التي تقف وراء خط أنابيب التجزئة ثم القياس من مضلع واحد لكل كائن، مثل هذه الطرود على روبوتات المستودع في محرر Ultralytics Platform:

مواطن الخلل#