ImageAI
ImageAI - PyTorch pretrained models
مكتبة لغة بايثون مفتوحة المصدر تم تصميمها لتمكين المطورين من إنشاء تطبيقات وأنظمة تتمتع بقدرات التعلم العميق والرؤية الحاسوبية المستقلة باستخدام أسطر بسيطة وقليلة من التعليمات البرمجية.
إذا كنت ترغب في رعاية هذا المشروع، يرجى زيارة صفحة الراعي على Github .
يسعدنا نحن منشئو ImageAI أن نعلن عن مشروعين جديدين للذكاء الاصطناعي لتوفير أحدث تقنيات الذكاء الاصطناعي التوليدي وLLM وفهم الصور على جهاز الكمبيوتر الشخصي والخوادم الخاصة بك.
قم بتثبيت Jarvis على جهاز الكمبيوتر/جهاز Mac لإعداد وصول غير محدود إلى محادثات الذكاء الاصطناعي المدعومة بـ LLM لتلبية احتياجاتك اليومية من العمل والبحث واحتياجات الذكاء الاصطناعي الإبداعية مع خصوصية 100% وإمكانية كاملة دون اتصال بالإنترنت.
تفضل بزيارة https://jarvis.genxr.co للبدء.
TheiaEngine، الجيل التالي من واجهة برمجة تطبيقات Vision AI للكمبيوتر القادرة على تنفيذ جميع مهام رؤية الكمبيوتر التوليدية والفهمية في استدعاء واحد لواجهة برمجة التطبيقات (API) ومتاحة عبر REST API لجميع لغات البرمجة. تشمل الميزات
تفضل بزيارة https://www.genxr.co/theia-engine لتجربة الإصدار التجريبي والانضمام إلى الاختبار التجريبي اليوم.
تم تطويره وصيانته بواسطة موسى أولافينوا
تم تصميم ImageAI مع أخذ البساطة في الاعتبار، وهو يدعم قائمة من خوارزميات التعلم الآلي الحديثة للتنبؤ بالصور، والتنبؤ بالصور المخصصة، واكتشاف الكائنات، واكتشاف الفيديو، وتتبع كائنات الفيديو، والتدريب على تنبؤات الصور. تدعم ImageAI حاليًا التنبؤ بالصور والتدريب باستخدام 4 خوارزميات مختلفة للتعلم الآلي تم تدريبها على مجموعة بيانات ImageNet-1000. تدعم ImageAI أيضًا اكتشاف الكائنات واكتشاف الفيديو وتتبع الكائنات باستخدام RetinaNet وYOLOv3 وTinyYOLOv3 المدربة على مجموعة بيانات COCO. وأخيرًا، يتيح لك ImageAI تدريب النماذج المخصصة لإجراء الكشف والتعرف على الكائنات الجديدة.
في النهاية، ستوفر ImageAI الدعم لجوانب أوسع وأكثر تخصصًا في رؤية الكمبيوتر
الإصدار الجديد: ImageAI 3.0.2
ما هو الجديد:
لتثبيت ImageAI، قم بتشغيل تعليمات تثبيت python أدناه في سطر الأوامر:
قم بتنزيل وتثبيت Python 3.7 أو Python 3.8 أو Python 3.9 أو Python 3.10
تثبيت التبعيات
وحدة المعالجة المركزية : قم بتنزيل ملف require.txt وتثبيته عبر الأمر
pip install -r requirements.txt
أو ببساطة قم بنسخ الأمر أدناه وتشغيله
pip install cython pillow>=7.0.0 numpy>=1.18.1 opencv-python>=4.1.2 torch>=1.9.0 --extra-index-url https://download.pytorch.org/whl/cpu torchvision>=0.10.0 --extra-index-url https://download.pytorch.org/whl/cpu pytest==7.1.3 tqdm==4.64.1 scipy>=1.7.3 matplotlib>=3.4.3 mock==4.0.3
GPU/CUDA : قم بتنزيل ملف require_gpu.txt وتثبيته عبر الأمر
pip install -r requirements_gpu.txt
أو قم بنسخ الأمر أدناه وتشغيله ببساطة
pip install cython pillow>=7.0.0 numpy>=1.18.1 opencv-python>=4.1.2 torch>=1.9.0 --extra-index-url https://download.pytorch.org/whl/cu102 torchvision>=0.10.0 --extra-index-url https://download.pytorch.org/whl/cu102 pytest==7.1.3 tqdm==4.64.1 scipy>=1.7.3 matplotlib>=3.4.3 mock==4.0.3
إذا كنت تخطط لتدريب نماذج الذكاء الاصطناعي المخصصة، فقم بتنزيل ملف require_extra.txt وتثبيته عبر الأمر
pip install -r requirements_extra.txt
أو ببساطة قم بنسخ الأمر أدناه وتشغيله
pip install pycocotools@git+https://github.com/gautamchitnis/cocoapi.git@cocodataset-master#subdirectory=PythonAPI
ثم قم بتشغيل الأمر أدناه لتثبيت ImageAI
pip install imageai --upgrade
تصنيف الصور |
 توفر ImageAI 4 خوارزميات وأنواع نماذج مختلفة لإجراء التنبؤ بالصور، وتم تدريبها على مجموعة بيانات ImageNet-1000. تشمل الخوارزميات الأربع المتوفرة للتنبؤ بالصور MobileNetV2 وResNet50 وInceptionV3 وDenseNet121. انقر فوق الرابط أدناه للاطلاع على نماذج الأكواد الكاملة والتفسيرات ودليل أفضل الممارسات. |
كشف الكائنات |
 يوفر ImageAI طرقًا مريحة وقوية جدًا لإجراء اكتشاف الكائنات على الصور واستخراج كل كائن من الصورة. توفر فئة الكشف عن الكائنات دعمًا لشبكات RetinaNet وYOLOv3 وTinyYOLOv3، مع خيارات لضبط الأداء المتطور أو المعالجة في الوقت الفعلي. انقر فوق الرابط أدناه للاطلاع على نماذج الأكواد الكاملة والتفسيرات ودليل أفضل الممارسات. |
كشف وتحليل كائن الفيديو |
 يوفر ImageAI طرقًا مريحة وقوية للغاية لاكتشاف الكائنات في مقاطع الفيديو. تدعم فئة الكشف عن كائن الفيديو المقدمة فقط شبكة RetinaNet الحالية. انقر فوق الرابط لمشاهدة مقاطع الفيديو الكاملة ونماذج الأكواد والشروحات ودليل أفضل الممارسات. |
التدريب على نموذج التصنيف المخصص |
 توفر لك ImageAI فئات وطرق لتدريب نموذج جديد يمكن استخدامه لإجراء التنبؤ على الكائنات المخصصة الخاصة بك. يمكنك تدريب نماذجك المخصصة باستخدام MobileNetV2 وResNet50 وInceptionV3 وDenseNet في 5 أسطر من التعليمات البرمجية. انقر على الرابط أدناه للاطلاع على دليل إعداد صور التدريب ونماذج أكواد التدريب والشروحات وأفضل الممارسات. |
تصنيف النموذج المخصص |
 توفر لك ImageAI فئات وطرقًا لتشغيل تنبؤ الصور بالكائنات المخصصة الخاصة بك باستخدام النموذج الخاص بك الذي تم تدريبه باستخدام فئة ImageAI Model Training. يمكنك استخدام نماذجك المخصصة التي تم تدريبها باستخدام MobileNetV2 وResNet50 وInceptionV3 وDenseNet وملف JSON الذي يحتوي على تعيين أسماء الكائنات المخصصة. انقر فوق الرابط أدناه للاطلاع على الدليل الخاص بنماذج أكواد التدريب والشروحات ودليل أفضل الممارسات. |
التدريب على نموذج الكشف المخصص |
 توفر لك ImageAI فئات وطرق لتدريب نماذج اكتشاف الكائنات YOLOv3 أو TinyYOLOv3 الجديدة على مجموعة البيانات المخصصة الخاصة بك. هذا يعني أنه يمكنك تدريب نموذج لاكتشاف أي كائن محل اهتمام حرفيًا من خلال توفير الصور والتعليقات التوضيحية والتدريب باستخدام ImageAI. انقر فوق الرابط أدناه للاطلاع على الدليل الخاص بنماذج أكواد التدريب والشروحات ودليل أفضل الممارسات. |
الكشف عن الكائنات المخصصة |
 يوفر ImageAI الآن فئات وطرقًا تتيح لك اكتشاف الكائنات المخصصة الخاصة بك في الصور والتعرف عليها باستخدام النموذج الخاص بك الذي تم تدريبه باستخدام فئة DetectionModelTrainer. يمكنك استخدام نموذج YOLOv3 أو TinyYOLOv3 المُدرب المخصص وملف **.json** الذي تم إنشاؤه أثناء التدريب. انقر فوق الرابط أدناه للاطلاع على الدليل الخاص بنماذج أكواد التدريب والشروحات ودليل أفضل الممارسات. |
كشف وتحليل كائنات الفيديو المخصصة |
 يوفر ImageAI الآن فئات وطرقًا تتيح لك اكتشاف الكائنات المخصصة الخاصة بك في الصور والتعرف عليها باستخدام النموذج الخاص بك الذي تم تدريبه باستخدام فئة DetectionModelTrainer. يمكنك استخدام نموذج YOLOv3 أو TinyYOLOv3 المُدرب المخصص وملف **.json** الذي تم إنشاؤه أثناء التدريب. انقر فوق الرابط أدناه للاطلاع على الدليل الخاص بنماذج أكواد التدريب والشروحات ودليل أفضل الممارسات. |
لقد قدمنا الوثائق الكاملة لجميع فئات ووظائف ImageAI . قم بزيارة الرابط أدناه:
يوفر ImageAI تطبيقات مجردة ومريحة لأحدث تقنيات رؤية الكمبيوتر. يمكن لجميع تطبيقات ImageAI والتعليمات البرمجية أن تعمل على أي نظام كمبيوتر بسعة وحدة معالجة مركزية معتدلة. ومع ذلك، فإن سرعة المعالجة لعمليات مثل التنبؤ بالصور واكتشاف الكائنات وغيرها على وحدة المعالجة المركزية بطيئة وغير مناسبة للتطبيقات في الوقت الفعلي. لإجراء عمليات رؤية الكمبيوتر في الوقت الفعلي بأداء عالٍ، تحتاج إلى استخدام التقنيات الممكّنة لوحدة معالجة الرسومات.
يستخدم ImageAI العمود الفقري PyTorch لعمليات الرؤية الحاسوبية الخاصة به. يدعم PyTorch كلاً من وحدات المعالجة المركزية ووحدات معالجة الرسومات (على وجه التحديد وحدات معالجة الرسومات NVIDIA. يمكنك الحصول على واحدة لجهاز الكمبيوتر الخاص بك أو الحصول على جهاز كمبيوتر به واحدة) لتطبيقات التعلم الآلي وخوارزميات الذكاء الاصطناعي.
بالنسبة لأي شخص مهتم ببناء أنظمة الذكاء الاصطناعي واستخدامها لأغراض تجارية واقتصادية واجتماعية وبحثية، فمن الأهمية بمكان أن يعرف الشخص التأثيرات الإيجابية والسلبية وغير المسبوقة المحتملة لاستخدام هذه التقنيات. ويجب عليهم أيضًا أن يكونوا على دراية بالمناهج والممارسات التي أوصى بها خبراء الصناعة ذوو الخبرة لضمان أن كل استخدام للذكاء الاصطناعي يحقق فائدة عامة للبشرية. لذلك نوصي كل من يرغب في استخدام ImageAI وأدوات وموارد الذكاء الاصطناعي الأخرى بقراءة منشور Microsoft الصادر في يناير 2018 حول الذكاء الاصطناعي بعنوان "المستقبل المحوسب: الذكاء الاصطناعي ودوره في المجتمع". يرجى اتباع الرابط أدناه لتحميل المنشور.
https://blogs.microsoft.com/blog/2018/01/17/future-computed-artificial-intelligence-role-society
يمكنك الاستشهاد بـ ImageAI في مشاريعك وأوراقك البحثية عبر إدخال BibTeX أدناه.
@misc {ImageAI,
author = "Moses",
title = "ImageAI, an open source python library built to empower developers to build applications and systems with self-contained Computer Vision capabilities",
url = "https://github.com/OlafenwaMoses/ImageAI",
month = "mar",
year = "2018--"
}
