ما هو YOLO؟
YOLO (You Only Look Once) هو خوارزمية ثورية للكشف عن الأجسام في الوقت الفعلي. على عكس الخوارزميات التقليدية التي تفحص الصورة عدة مرات، YOLO يفحصها مرة واحدة فقط!
640+
FPS على GPU
53.9%
mAP على COCO
80+
فئة كائنات
تطور YOLO: من v1 إلى v8
2016
YOLOv1
أول إصدار - ثورة في Real-time Detection
2020
YOLOv4 & v5
تحسينات كبيرة في الدقة والسرعة
2023
YOLOv8 ⭐
أحدث وأفضل إصدار من Ultralytics - الأكثر استخداماً
البدء مع YOLOv8
1. التثبيت
# تثبيت المكتبة
pip install ultralytics
2. الاستخدام البسيط
from
ultralytics
import
YOLO
# تحميل نموذج مدرب مسبقاً
model = YOLO('yolov8n.pt')
# الكشف على صورة
results = model('image.jpg')
# عرض النتائج
results[0].show()
3. أحجام النماذج
| النموذج | الحجم | السرعة | الدقة |
|---|---|---|---|
| yolov8n | 3.2 MB | ⚡ الأسرع | 37.3% |
| yolov8s | 11.2 MB | سريع | 44.9% |
| yolov8m | 25.9 MB | متوسط | 50.2% |
| yolov8l | 43.7 MB | بطيء | 52.9% |
| yolov8x | 68.2 MB | الأبطأ | 53.9% |
تدريب نموذج مخصص
💡 متى تحتاج تدريب مخصص؟
- • كشف كائنات غير موجودة في COCO (80 فئة)
- • دقة أعلى لحالة استخدام محددة
- • بيانات خاصة بمجالك (طبي، صناعي، زراعي)
خطوات التدريب
# 1. تحضير البيانات (YOLO format)
# images/ و labels/ folders
# 2. إنشاء ملف data.yaml
train: ./data/train/images
val: ./data/val/images
nc: 3 # عدد الفئات
names: ['cat', 'dog', 'bird']
# 3. التدريب
model = YOLO('yolov8n.pt')
model.train(data='data.yaml', epochs=100)
🚀 النشر على Edge Devices
YOLOv8 يدعم التصدير لمنصات متعددة للنشر في الوقت الفعلي:
🔥
TensorRT
NVIDIA GPUs
📱
CoreML
iOS/macOS
🤖
TFLite
Android/Edge
⚡
ONNX
Universal