مسرد المصطلحات

تصنيف الصور

اكتشف تصنيف الصور باستخدام Ultralytics YOLO : قم بتدريب نماذج مخصصة للرعاية الصحية والزراعة وتجارة التجزئة وغيرها باستخدام أدوات متطورة.

تدريب YOLO النماذج
ببساطة مع Ultralytics HUB

التعرف على المزيد

تصنيف الصور هو مهمة أساسية في مجال الرؤية الحاسوبية (CV) تتضمن تعيين تسمية أو فئة واحدة لصورة كاملة بناءً على محتواها المرئي. إنها قدرة أساسية في الذكاء الاصطناعي (AI)، مما يمكّن الآلات من فهم الصور وتصنيفها بشكل مشابه لكيفية تعرّف البشر على المشاهد أو الأشياء. يهدف تصنيف الصور، المدعوم بتقنيات التعلّم الآلي (ML) وخاصةً تقنيات التعلّم العميق (DL) ، إلى الإجابة عن السؤال "ما هو الموضوع الأساسي لهذه الصورة؟

كيفية عمل تصنيف الصور

تتضمن هذه العملية عادةً تدريب نموذج، غالبًا ما يكون نوعًا متخصصًا من الشبكات العصبية يسمى الشبكة العصبية التلافيفية (CNN)، على مجموعة بيانات كبيرة من الصور المصنفة. تحتوي مجموعات البيانات الشهيرة مثل ImageNet على ملايين الصور المصنفة إلى آلاف الفئات. أثناء التدريب، يتعلم النموذج تحديد الأنماط والسمات - مثل القوام والأشكال وتوزيعات الألوان - التي تميز الفئات المختلفة. أطر عمل مثل PyTorch و TensorFlow الأدوات اللازمة لبناء هذه النماذج وتدريبها. يمكنك استكشاف مجموعات بيانات تصنيفUltralytics المختلفة لبدء مشاريعك الخاصة. الهدف هو أن يتنبأ النموذج المدرَّب بدقة بتسمية الفئة للصور الجديدة غير المرئية. للحصول على فهم تقني أعمق، تقدم موارد مثل دورة ستانفورد CS231n مادة شاملة عن شبكات CNN.

الاختلافات الرئيسية عن المهام الأخرى

يركز تصنيف الصور على تعيين تسمية واحدة للصورة بأكملها. وهذا ما يميزه عن مهام السيرة الذاتية الشائعة الأخرى:

  • اكتشاف الكائنات: يحدد كائنات متعددة داخل الصورة ويحدد موقع كل منها باستخدام المربعات المحدودة. يجيب على السؤال "ما هي الأجسام الموجودة في الصورة وأين هي؟
  • تجزئة المثيل: يخطو خطوة أبعد من اكتشاف الكائن من خلال تحديد حدود البكسل الدقيقة لكل مثيل كائن مميز.
  • التقسيم الدلالي: يصنف كل بكسل في الصورة إلى مجموعة من الفئات المحددة مسبقاً (على سبيل المثال، "سماء"، "طريق"، "سيارة")، ولكنه لا يفرق بين الحالات الفردية من نفس الفئة.

إن فهم هذه الاختلافات أمر بالغ الأهمية لاختيار التقنية المناسبة لمشكلة معينة.

التطبيقات الواقعية

يُستخدم تصنيف الصور على نطاق واسع في مختلف المجالات نظرًا لبساطته وفعاليته النسبية:

تصنيف الصور باستخدام Ultralytics

تتفوق نماذج Ultralytics YOLO التي تشتهر باكتشاف الأجسام، في مهام تصنيف الصور. يمكن تدريب البنى الحديثة مثل Ultralytics YOLOv11 بسهولة على التصنيف باستخدام حزمةUltralytics Python أو منصة Ultralytics HUB التي لا تحتوي على كود. توفر هذه الأدوات موارد شاملة، بما في ذلك نصائح لتدريب النماذج ووثائق واضحة مثل الدليل الخاص بكيفية استخدام Ultralytics YOLOv11 لتصنيف الصور. للممارسة، فكّر في استكشاف البرامج التعليمية لتصنيفPyTorch أو المشاركة في مسابقات Kaggle لتصنيف الصور. ابق على اطلاع على أحدث التطورات البحثية من خلال موارد مثل Papers With Code.

قراءة الكل