نماذج Ultralytics YOLO11
قم ببناء ذكاء اصطناعي للرؤية الحاسوبية فائق السرعة والدقة باستخدام عائلة نماذج مثبتة مصممة للتدريب الفعال، والنشر، ومجموعة واسعة من مهام الرؤية الحاسوبية.
عائلة نماذج YOLO11
تغطي YOLO11 خمسة أحجام بدءاً من nano وصولاً إلى extra-large في مهام الكشف، التجزئة، التصنيف، تقدير الوضعية، والكشف الموجه. توضح معايير قياس الأداء الخاصة بالكشف أدناه نطاق الدقة مقابل السرعة: ابدأ بأصغر حجم يلبي هدف الدقة الخاص بك وقم بزيادة الحجم فقط عندما تتطلب طبيعة العمل ذلك.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| النموذج | الحجم (px) | mAP 50-95 | CPU ONNX (ms) | T4 TensorRT (بالملي ثانية) | المعاملات (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 ± 0.8 | 1.5 ± 0.0 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 ± 1.2 | 2.5 ± 0.0 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 ± 2.0 | 4.7 ± 0.1 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 ± 1.4 | 6.2 ± 0.1 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 ± 6.7 | 11.3 ± 0.2 | 56.9 | 194.9 |
معايير قياس أداء الكشف لـ YOLO11 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
تعرف على كيفية تطور Ultralytics YOLO إلى YOLO11 وأحدث جيل YOLO26 للرؤية الحاسوبية في الوقت الفعلي.
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 و COCO والمزيد.
- 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.
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
Ultralytics YOLO11 هي عائلة من نماذج الرؤية الحاسوبية في الوقت الفعلي المبنية على مكتبة Ultralytics مفتوحة المصدر. وهي تدعم الكشف عن الأشياء، وتجزئة النسخ، وتصنيف الصور، وتقدير الوضع، والكشف عن الأشياء الموجهة باستخدام واجهة برمجة تطبيقات (API) واحدة ومتسقة عبر التدريب والتحقق والنشر. تعمل YOLO11 على تحسين الدقة والكفاءة مقارنة بالأجيال السابقة مع البقاء سهلة الضبط على مجموعات البيانات المخصصة. راجع وثائق YOLO11 للحصول على تفاصيل البنية والمعايير وأمثلة الاستخدام.
نماذج YOLO11 متاحة لخمس مهام: object detection وinstance segmentation وimage classification وpose estimation وoriented object detection. تشترك كل مهمة في نفس سير عمل التدريب والتحقق والتنبؤ.
ابدأ بـ YOLO11n عندما تكون زمن الوصول (latency) والذاكرة وحجم النموذج هي الأكثر أهمية. توازن نماذج YOLO11s وYOLO11m بين السرعة والدقة لمعظم مهام الإنتاج، بينما تعطي نماذج YOLO11l وYOLO11x الأولوية للدقة عند توفر المزيد من الموارد الحاسوبية. تتضمن YOLO11 docs مقاييس أداء (benchmarks) لكل حجم.
استخدم train mode في مكتبة Ultralytics، أو افتح مشروع YOLO11 project on Ultralytics Platform الرسمي. بعد التدريب، قم بعمل export لنموذجك إلى تنسيقات مثل ONNX أو TensorRT أو CoreML أو LiteRT.
لا تزال YOLO11 عائلة نماذج مدعومة ومنتشرة على نطاق واسع. Ultralytics YOLO26 هي الجيل الأحدث ونقطة البداية الموصى بها للمشاريع الجديدة. تشترك كلتا العائلتين في نفس API، لذا فإن الانتقال من YOLO11 إلى YOLO26 يتطلب فقط تغيير النموذج.
ابنِ باستخدام Ultralytics YOLO11
قم بتدريب، والتحقق من، وتصدير، ونشر نماذج YOLO11 باستخدام منصة Ultralytics.