|
|
|
|
|
---
|
|
|
|
|
|
comments: true
|
|
|
|
|
|
description: تعرّف على المهام الأساسية لتقنية YOLOv8 للرؤية الحاسوبية والتي تشمل الكشف، التجزئة، التصنيف وتقدير الوضعية. تعرف على استخداماتها في مشاريع الذكاء الاصطناعي الخاصة بك.
|
|
|
|
|
|
keywords: Ultralytics، YOLOv8، الكشف، التجزئة، التصنيف، تقدير الوضعية، الإطار الذكي للذكاء الاصطناعي، المهام الرؤية الحاسوبية
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
# مهام Ultralytics YOLOv8
|
|
|
|
|
|
|
|
|
|
|
|
<br>
|
|
|
|
|
|
<img width="1024" src="https://raw.githubusercontent.com/ultralytics/assets/main/im/banner-tasks.png" alt="مهام Ultralytics YOLOv8 المدعومة">
|
|
|
|
|
|
|
|
|
|
|
|
YOLOv8 هو إطار ذكاء اصطناعي يدعم عدة **مهام** للرؤية الحاسوبية. يمكن استخدام الإطار لأداء [الكشف](detect.md)، [التجزئة](segment.md)، [التصنيف](classify.md)، و[تقدير الوضعية](pose.md). كل من هذه المهام لها هدف مختلف واستخدام محدد.
|
|
|
|
|
|
|
|
|
|
|
|
!!! Note
|
|
|
|
|
|
|
|
|
|
|
|
🚧 يجري بناء وثائقنا متعددة اللغات حاليًا، ونعمل جاهدين على تحسينها. شكرًا لصبرك! 🙏
|
|
|
|
|
|
|
|
|
|
|
|
<p align="center">
|
|
|
|
|
|
<br>
|
|
|
|
|
|
<iframe width="720" height="405" src="https://www.youtube.com/embed/NAs-cfq9BDw"
|
|
|
|
|
|
title="مشغل فيديو يوتيوب" frameborder="0"
|
|
|
|
|
|
allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share"
|
|
|
|
|
|
allowfullscreen>
|
|
|
|
|
|
</iframe>
|
|
|
|
|
|
<br>
|
|
|
|
|
|
<strong>شاهد:</strong> استكشف مهام Ultralytics YOLO: كشف الكائنات، التجزئة، التتبع وتقدير الوضعية.
|
|
|
|
|
|
</p>
|
|
|
|
|
|
|
|
|
|
|
|
## [الكشف](detect.md)
|
|
|
|
|
|
|
|
|
|
|
|
الكشف هو المهمة الأساسية المدعومة بواسطة YOLOv8. يتضمن الكشف اكتشاف الكائنات في صورة أو إطار فيديو ورسم مربعات محيطة حولها. يتم تصنيف الكائنات المكتشفة إلى فئات مختلفة استنادًا إلى ميزاتها. يمكن لـ YOLOv8 اكتشاف أكثر من كائن واحد في صورة أو إطار فيديو واحد بدقة وسرعة عالية.
|
|
|
|
|
|
|
|
|
|
|
|
[أمثلة للكشف](detect.md){ .md-button .md-button--primary}
|
|
|
|
|
|
|
|
|
|
|
|
## [التجزئة](segment.md)
|
|
|
|
|
|
|
|
|
|
|
|
التجزئة هي مهمة تتضمن تقسيم صورة إلى مناطق مختلفة استنادًا إلى محتوى الصورة. يتم تعيين علامة لكل منطقة استنادًا إلى محتواها. تعتبر هذه المهمة مفيدة في تطبيقات مثل تجزئة الصور وتصوير الطبية. يستخدم YOLOv8 نسخة معدلة من هندسة U-Net لأداء التجزئة.
|
|
|
|
|
|
|
|
|
|
|
|
[أمثلة للتجزئة](segment.md){ .md-button .md-button--primary}
|
|
|
|
|
|
|
|
|
|
|
|
## [التصنيف](classify.md)
|
|
|
|
|
|
|
|
|
|
|
|
التصنيف هو مهمة تتضمن تصنيف صورة إلى فئات مختلفة. يمكن استخدام YOLOv8 لتصنيف الصور استنادًا إلى محتواها. يستخدم نسخة معدلة من هندسة EfficientNet لأداء التصنيف.
|
|
|
|
|
|
|
|
|
|
|
|
[أمثلة للتصنيف](classify.md){ .md-button .md-button--primary}
|
|
|
|
|
|
|
|
|
|
|
|
## [تقدير الوضعية](pose.md)
|
|
|
|
|
|
|
|
|
|
|
|
تقدير الوضعية/النقاط الرئيسية هو مهمة تتضمن اكتشاف نقاط محددة في صورة أو إطار فيديو. يُشار إلى هذه النقاط بمصطلح النقاط الرئيسية وتُستخدم لتتبع الحركة أو تقدير الوضعية. يمكن لـ YOLOv8 اكتشاف النقاط الرئيسية في صورة أو إطار فيديو بدقة وسرعة عالية.
|
|
|
|
|
|
|
|
|
|
|
|
[أمثلة لتقدير الوضعية](pose.md){ .md-button .md-button--primary}
|
|
|
|
|
|
|
|
|
|
|
|
## الاستنتاج
|
|
|
|
|
|
|
|
|
|
|
|
يدعم YOLOv8 مهام متعددة، بما في ذلك الكشف، التجزئة، التصنيف، وكشف النقاط الرئيسية. لكل من هذه المهام أهداف واستخدامات مختلفة. عن طريق فهم الاختلافات بين هذه المهام، يمكنك اختيار المهمة المناسبة لتطبيق الرؤية الحاسوبية الخاص بك.
|
