التجزئة الدلالية لـ YOLO في الوقت الفعلي
افهم المشاهد بأكملها باستخدام تسميات فئات كثيفة لكل بكسل. تقوم نماذج التجزئة الدلالية من Ultralytics بتصنيف كل بكسل — الطرق، النباتات، المباني، المنتجات — بنفس سير عمل التدريب والنشر السريع مثل كل مهمة YOLO.
نماذج التجزئة الدلالية YOLO26
تقوم نماذج YOLO26-sem بتسمية كل بكسل في المشهد، والمعلن عنها أدناه بمتوسط تقاطع فوق اتحاد عند دقة 1024×2048. تمتد خمسة أحجام من نشر الحافة إلى التخطيط الحرج للدقة، وتتوفر متغيرات إضافية بحجم 640 بكسل لأحمال العمل الأخف.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 semantic segmentation model
model = YOLO("yolo26n-sem.pt")
# Run inference
results = model("image.jpg")| النموذج | الحجم (بكسل) | متوسط تقاطع فوق اتحاد | RTX 3090 PyTorch (مللي ثانية) | المعلمات (مليون) | العمليات العائمة (مليار) |
|---|---|---|---|---|---|
| YOLO26n-sem | 1024 × 2048 | 78.3 | 4.4 ± 0.0 | 1.6 | 22.7 |
| YOLO26s-sem | 1024 × 2048 | 80.8 | 8.4 ± 0.0 | 6.5 | 88.8 |
| YOLO26m-sem | 1024 × 2048 | 82.0 | 19.9 ± 0.1 | 14.3 | 304.5 |
| YOLO26l-sem | 1024 × 2048 | 82.9 | 26.5 ± 0.1 | 17.9 | 384.7 |
| YOLO26x-sem | 1024 × 2048 | 83.6 | 48.9 ± 0.2 | 40.2 | 861.7 |
معايير التجزئة الدلالية لـ YOLO26 بدقة 1024×2048 من وثائق Ultralytics.
موثوق به من قبل المؤسسات الرائدة في العالم
تأثير نماذجنا
بسط العمليات عبر الصناعات باستخدام نماذج الذكاء الاصطناعي للرؤية المتطورة الخاصة بنا. السرعة والدقة وسولة الاستخدام مدعومة بواسطة Ultralytics.
تطور نماذج Ultralytics YOLO
تعرف على كيفية تطور Ultralytics YOLO من سير العمل العملي لـ YOLOv5 إلى استدلال YOLO26 الجاهز للحواف.
ضع تسميات أسرع بمقدار يصل إلى 10 مضاعفات باستخدام التعليق التوضيحي الذكي
تمنحك منصة Ultralytics أداة التعليق التوضيحي للصور لبناء مجموعات بيانات عالية الجودة بشكل أسرع. من التعليق التوضيحي الذكي إلى التحرير اليدوي الدقيق، تم تصميم هذه الميزات لتقليل وقت وضع تسميات الصور دون التضحية بالجودة.
- التعليق التوضيحي الذكي المدعوم بـ SAM: الأقنعة ومربعات الحدود بنقرة واحدة.
- تغطية كاملة لمهام الذكاء الاصطناعي: الكشف، التجزيء المثيلي، التجزيء الدلالي، التصنيف، الوضعية، OBB.
- دعم التنسيق العالمي: خيارك من YOLO و COCO والمزيد.
- مراجعة الفريق وإصدار النسخ: تعاون واضح في كل خطوة.
تدرب على أفضل وحدات معالجة الرسومات بسعر أقل
26 وحدة معالجة رسومات NVIDIA تبدأ من 0.24 دولار للساعة — من Ampere إلى Blackwell. بدون هامش ربح، وبدون حد أدنى، وبدون التزام.
استكشف حلول الصناعة
تعرف على كيف تطبق الفرق رؤية الحاسوب من Ultralytics عبر بيئات الإنتاج.
الزراعة
السيارات
الرعاية الصحية
الخدمات اللوجستية
التصنيع
التجزئة
الروبوتات
الزراعة
السيارات
الرعاية الصحية
الخدمات اللوجستية
التصنيع
التجزئة
الروبوتات
الزراعة
السيارات
الرعاية الصحية
الخدمات اللوجستية
التصنيع
التجزئة
الروبوتات
الأسئلة المتكررة
يُخصّص التجزئة الدلالية تسمية فئة لكل بكسل في الصورة، مما ينتج عنه خريطة كثيفة للمشهد الكامل بدلاً من المربعات أو الأقنعة لكل كائن. وهي تجيب عن الأسئلة مثل البكسلات التي تمثل طريقاً، أو ماءً، أو محصولاً، أو عيباً - وهي الأساس لفهم المشهد في مجالات التنقل، والزراعة، والفحص، والخرائط.
تُصنّف التجزئة الدلالية كل بكسل حسب الفئة دون فصل الكائنات الفردية - حيث تشترك جميع السيارات في تسمية واحدة. تنتج التجزئة المثيلية قناعاً متميزاً لكل كائن، بحيث يمكنك عدُّها وتتبعها. استخدم التجزئة الدلالية لفهم مستوى المشهد، والتجزئة المثيلية لتحليل مستوى الكائنات؛ وتدعم Ultralytics كلاً منهما من خلال سير عمل واحد.
تُعدّ نماذج التجزئة الدلالية من Ultralytics هي الأولى في عائلة YOLO التي تنتج تسميات كثيفة لكل بكسل، والتي تم الإعلان عنها على خارطة طريق Ultralytics وموثقة في مستندات التجزئة الدلالية. وهي تشترك في سير عمل التدريب، والتحقق، والتصدير المعتاد لـ Ultralytics.
قم بإعداد أقنعة لكل بكسل لفئاتك وقم بتشغيل وضع التدريب لمكتبة Ultralytics، أو قم بإدارة التعليقات التوضيحية، وتدريب وحدة معالجة الرسوميات السحابية، والتقييم في المتصفح باستخدام منصة Ultralytics. يُعد الضبط الدقيق للأوزان المُدرَّبة مسبقاً أسرع طريق لتحقيق نتائج قوية.
قم بالتصدير باستخدام وضع التصدير إلى تنسيقات مثل ONNX و TensorRT و OpenVINO للاستدلال في الوقت الفعلي على الأجهزة الطرفية والمركبات والخوادم. تأتي المخرجات الكثيفة لكل بكسل مباشرة من النموذج المُصدَّر، مما يحافظ على بساطة خطوط المعالجة اللاحقة.
بناء التجزئة الدلالية باستخدام Ultralytics
تدريب نماذج التجزئة الكثيفة لكل بكسل ونشرها في أي مكان باستخدام منصة Ultralytics.