تصنيف الصور في الوقت الفعلي باستخدام YOLO
عيّن التصنيف الصحيح لكل صورة باستخدام نماذج التصنيف Ultralytics YOLO26. درّب النموذج على فئاتك الخاصة في دقائق وشغّل الاستنتاج في الوقت الفعلي على الأجهزة الطرفية والسحابية والمحمولة.
نماذج التصنيف YOLO26
تقوم نماذج YOLO26-cls بتعيين تصنيفات للصورة بأكملها مع الإبلاغ عن دقة top-1 وtop-5 أدناه. وتعد هذه النماذج الأصغر والأسرع في العائلة — حيث يعمل المصنف nano في غضون بضعة أجزاء من الثانية على CPU — كما يمكن ضبطها بدقة على فئات مخصصة باستخدام مجموعة بيانات منظمة في مجلد لكل فئة.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Run inference
results = model("image.jpg")| النموذج | الحجم (px) | دقة Top-1 | دقة Top-5 | CPU ONNX (ms) | T4 TensorRT (بالملي ثانية) | المعاملات (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.5 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.6 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.9 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.2 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.6 |
معايير تصنيف YOLO26 عند 224 بكسل 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
تصنيف الصور يعين صورة بأكملها إلى فئة واحدة من مجموعة فئات، مع درجة ثقة لكل منها. إنها أبسط مهام الرؤية الحاسوبية والخيار الصحيح عندما تحتاج إلى معرفة ما تعرضه الصورة بدلاً من معرفة مكان الكائنات — على سبيل المثال في تقييم الجودة، أو فرز المحتوى، أو مراقبة الحالة. نماذج التصنيف Ultralytics YOLO صغيرة وسريعة وسهلة الضبط الدقيق.
استخدم التصنيف عندما يكون تصنيف واحد لكل صورة كافياً، واستخدم كشف الكائنات عندما تحتاج إلى تحديد موقع الكائنات أو عدّها داخل الصورة. نماذج التصنيف أخف وزناً وأسرع في التدريب، لذا فهي غالباً الحل الأكثر كفاءة عندما لا يكون الموقع مهماً.
نماذج التصنيف Ultralytics YOLO26 هي نقطة البداية الموصى بها، مع أحجام تتراوح من nano للنشر على الأجهزة الطرفية إلى extra-large لتحقيق أقصى قدر من الدقة. تشترك جميع الأحجام في نفس سير عمل التدريب والنشر كما في مهام Ultralytics YOLO الأخرى.
نظّم الصور في مجلد واحد لكل فئة وشغّل وضع التدريب الخاص بمكتبة Ultralytics، أو ارفع مجموعة البيانات الخاصة بك إلى Ultralytics Platform ودربها على وحدات معالجة الرسومات السحابية دون الحاجة إلى أي إعداد محلي. عادةً ما يحقق الضبط الدقيق للأوزان المدربة مسبقاً دقة قوية باستخدام بضع مئات من الصور لكل فئة.
قم بالتصدير باستخدام وضع التصدير إلى ONNX وTensorRT وCoreML وOpenVINO وLiteRT وتنسيقات أخرى. تُعد نماذج التصنيف أصغر متغيرات YOLO، مما يجعلها مثالية لتطبيقات الجوال، والأجهزة المدمجة، والخدمات عالية الإنتاجية.
بناء تصنيف الصور باستخدام Ultralytics
نظّم البيانات، ودرّب مصنفات YOLO26، وانشرها في أي مكان باستخدام Ultralytics Platform.