تجزئة صور YOLO في الوقت الفعلي
تجاوز حدود الصناديق المحيطة باستخدام أقنعة دقيقة للبكسل. يدعم Ultralytics YOLO26 تجزئة المثيل والتجزئة الدلالية بنفس سير عمل التدريب والتحقق والنشر السريع المتبع في كل مهام YOLO.
نماذج تجزئة YOLO26
تقوم نماذج YOLO26-seg باكتشاف الكائنات وتوقع قناع دقيق للبكسل لكل منها، بخمسة أحجام تتراوح من الصغير (nano) إلى الكبير جداً (extra-large). يتم الإبلاغ عن دقة الصناديق والأقنعة بشكل منفصل أدناه؛ حيث تتدرب جميع الأحجام وتتحقق من صحتها وتُصدر عبر سير عمل Ultralytics القياسي.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| النموذج | الحجم (px) | mAP صندوق (e2e) | mAP قناع (e2e) | CPU ONNX (ms) | T4 TensorRT (بالملي ثانية) | المعاملات (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-seg | 640 | 39.6 | 33.9 | 53.3 ± 0.5 | 2.1 ± 0.0 | 2.7 | 9.1 |
| YOLO26s-seg | 640 | 47.3 | 40.0 | 118.4 ± 0.9 | 3.3 ± 0.0 | 10.4 | 34.2 |
| YOLO26m-seg | 640 | 52.5 | 44.1 | 328.2 ± 2.4 | 6.7 ± 0.1 | 23.6 | 121.5 |
| YOLO26l-seg | 640 | 54.4 | 45.5 | 387.0 ± 3.7 | 8.0 ± 0.1 | 28.0 | 139.8 |
| YOLO26x-seg | 640 | 56.5 | 47.0 | 787.0 ± 6.8 | 16.4 ± 0.1 | 62.8 | 313.5 |
معايير تجزئة مثيل YOLO26 من وثائق Ultralytics.
تحظى بثقة المؤسسات الرائدة عالميًا
تأثير نماذجنا
قم بتبسيط العمليات عبر مختلف القطاعات باستخدام نماذج الذكاء الاصطناعي للرؤية الحاسوبية المتطورة لدينا. السرعة، والدقة، وسهولة الاستخدام مدعومة بواسطة Ultralytics.
تطور نماذج Ultralytics YOLO
تعرّف على كيفية تطور Ultralytics YOLO من سير عمل YOLOv5 العملي إلى استدلال YOLO26 الجاهز للحافة.
جعل اكتشاف الكائنات في الوقت الفعلي متاحاً من خلال سير عمل PyTorch سريع وعملي.
توسيع سير العمل الموحد ليشمل الكشف، والتجزئة، والتصنيف، وتقدير الوضع، و OBB.
تحسين الدقة والسرعة والكفاءة مع الحفاظ على سير عمل Ultralytics المألوف.
تقديم استدلال شامل وبنية محسنة للنشر الفعال على الحافة.
نفذ عمليات التوسيم بسرعة تصل إلى 10 أضعاف باستخدام التوسيم الذكي
توفر لك منصة Ultralytics أداة لتوسيم الصور لإنشاء مجموعات بيانات عالية الجودة بشكل أسرع. بدءاً من التوسيم الذكي وحتى التعديل اليدوي الدقيق، صُممت هذه الميزات لتقليل وقت توسيم الصور دون التضحية بالجودة.
- التوسيم الذكي المدعوم بتقنية SAM:أقنعة ومربعات إحاطة بضغطة واحدة.
- تغطية كاملة لمهام الذكاء الاصطناعي:الكشف، وتجزئة النسخ، والتجزئة الدلالية، والتصنيف، وتحديد الوضع، وOBB.
- دعم التنسيقات الشامل:خيارك من YOLO وCOCO وVOC وغيرها.
- مراجعة الفريق وإصدار النسخ:تعاون واضح في كل خطوة.
تدريب على أفضل وحدات معالجة الرسومات (GPUs) بتكلفة أقل
26 وحدة معالجة رسومات NVIDIA تبدأ من 0.24 دولار/ساعة - من معمارية Ampere إلى Blackwell. بدون تكاليف إضافية، وبدون حد أدنى، وبدون التزامات.
انشر في أي مكان
التصدير إلى 20 تنسيقاً والنشر عبر الحافة، السحاب، والأجهزة المحمولة.
استكشف حلول القطاعات
اطلع على كيفية تطبيق الفرق لرؤية Ultralytics الحاسوبية في بيئات الإنتاج.
الذكاء الاصطناعي في الزراعة
الذكاء الاصطناعي في السيارات
الذكاء الاصطناعي في الرعاية الصحية
الذكاء الاصطناعي في الخدمات اللوجستية
الذكاء الاصطناعي في التصنيع
الذكاء الاصطناعي في التجزئة
الذكاء الاصطناعي في الروبوتات
الذكاء الاصطناعي في الزراعة
الذكاء الاصطناعي في السيارات
الذكاء الاصطناعي في الرعاية الصحية
الذكاء الاصطناعي في الخدمات اللوجستية
الذكاء الاصطناعي في التصنيع
الذكاء الاصطناعي في التجزئة
الذكاء الاصطناعي في الروبوتات
الذكاء الاصطناعي في الزراعة
الذكاء الاصطناعي في السيارات
الذكاء الاصطناعي في الرعاية الصحية
الذكاء الاصطناعي في الخدمات اللوجستية
الذكاء الاصطناعي في التصنيع
الذكاء الاصطناعي في التجزئة
الذكاء الاصطناعي في الروبوتات
الأسئلة الشائعة
تجزئة المثيل تكتشف كل كائن وتحدده بقناع دقيق للبكسل بدلاً من الاكتفاء بصندوق محيط فقط. إنها المهمة المناسبة عندما يكون شكل الكائن أو مساحته أو حدوده مهماً — على سبيل المثال قياس العناصر، أو فصل الكائنات المتلامسة، أو حجب المناطق للمعالجة اللاحقة. تعمل تجزئة Ultralytics YOLO في الوقت الفعلي باستخدام نفس API الخاص بالاكتشاف.
تنتج تجزئة المثيل قناعاً منفصلاً لكل كائن، لذا تحصل سيارتان متجاورتان على قناعين. تقوم التجزئة الدلالية بتعيين تسمية فئة لكل بكسل في المشهد دون فصل الكائنات الفردية. يدعم Ultralytics YOLO26 كلاهما: استخدم تجزئة المثيل لعد وتتبع كائنات مميزة، والتجزئة الدلالية لفهم المشهد بالكامل مثل تخطيط الطرق أو الغطاء النباتي.
تعد نماذج Ultralytics YOLO26 للتجزئة نقطة البداية الموصى بها للمشاريع الجديدة، بدءاً من الحجم الصغير (nano) لأجهزة الحافة وصولاً إلى المتغيرات الأكبر للمهام التي تتطلب دقة عالية. تظل نماذج تجزئة YOLO11 مدعومة من خلال نفس سير العمل.
قم بتعليق الأقنعة والتدريب باستخدام وضع التدريب في مكتبة Ultralytics، أو استخدم منصة Ultralytics للتعليق باستخدام أدوات المضلع الذكية، والتدريب على وحدات GPU سحابية، ومقارنة عمليات التشغيل. يتقارب الضبط الدقيق من أوزان التجزئة المدربة مسبقاً بسرعة على معظم مجموعات البيانات المخصصة.
قم بتصدير النماذج المدربة باستخدام وضع التصدير إلى ONNX، وTensorRT، وCoreML، وOpenVINO، وLiteRT، والمزيد. يتم إنتاج أقنعة التجزئة أصلياً بواسطة النموذج المُصدر، لذا يظل مسار النشر بسيطاً عبر أهداف الحافة، والسحابة، والجوال.
ابنِ تجزئة الصور باستخدام Ultralytics
قم بتعليق الأقنعة، وتدريب نماذج تجزئة YOLO26، ونشرها في أي مكان باستخدام منصة Ultralytics.