لقد أعددت خطة شاملة لتنفيذ نظام "التحديد المتعدد"

عنوان المحادثة: لقد أعددت خطة شاملة لتنفيذ نظام "التحديد المتعدد" الذي طلبته!سأستخدم Y...

التاريخ: 30.01.2026

التصنيف: 🧠 الذكاء الاصطناعي وتعلم الآلة

إجمالي الرسائل: 3 | ياسر: 3 | M: 0

لقد أعددت خطة شاملة لتنفيذ نظام "التحديد المتعدد" الذي طلبته!سأستخدم YOLOv8 وهو من أقوى وأسرع نماذج التعلم الآلي للتعرف على الأشياء، ويدعم ٨٠+ فئة جاهزة.الفئات المدعومة مباشرة:✅ البشر (Humans)✅ السيارات (Cars, Trucks, Buses)✅ الثلاجات (Refrigerators)✅ زجاجات وأكواب (كبضاعة عامة)الفئات التي تحتاج حل بديل:⚠️ الأرفف وإستاندات الشيبسي: سأضيف خيار "كائنات عامة" أو يمكن تدريب نموذج مخصص لاحقاً.واجهة المستخدم:سأضيف مفاتيح تشغيل/إيقاف (Switches) في الشريط الجانبي لكل فئة، بحيث تتحكم في أي نوع يظهر مربع التحديد حوله.يرجى مراجعة الخطة. (سيتطلب تثبيت مكتبة ultralytics)I've prepared a comprehensive plan for the multi-object detection system!I'll use YOLOv8, one of the most powerful real-time detection models with 80+ built-in classes.Directly Supported:✅ Humans, Cars, Refrigerators, Bottles, CupsWorkaround Needed:⚠️ Shelves & Chip Stands: I'll add a "General Objects" toggle or we can train a custom model later.UI:Toggle switches in the sidebar for each category.Please review the plan. (Requires installing ultralytics)

Overriding model.yaml nc=80 with nc=9 from n params module arguments 0 -1 1 464 ultralytics.nn.modules.conv.Conv [3, 16, 3, 2] 1 -1 1 4672 ultralytics.nn.modules.conv.Conv [16, 32, 3, 2] 2 -1 1 7360 ultralytics.nn.modules.block.C2f [32, 32, 1, True] 3 -1 1 18560 ultralytics.nn.modules.conv.Conv [32, 64, 3, 2] 4 -1 2 49664 ultralytics.nn.modules.block.C2f [64, 64, 2, True] 5 -1 1 73984 ultralytics.nn.modules.conv.Conv [64, 128, 3, 2] 6 -1 2 197632 ultralytics.nn.modules.block.C2f [128, 128, 2, True] 7 -1 1 295424 ultralytics.nn.modules.conv.Conv [128, 256, 3, 2] 8 -1 1 460288 ultralytics.nn.modules.block.C2f [256, 256, 1, True] 9 -1 1 164608 ultralytics.nn.modules.block.SPPF [256, 256, 5] 10 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest'] 11 [-1, 6] 1 0 ultralytics.nn.modules.conv.Concat [1] 12 -1 1 148224 ultralytics.nn.modules.block.C2f [384, 128, 1] 13 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, 'nearest'] 14 [-1, 4] 1 0 ultralytics.nn.modules.conv.Concat [1] 15 -1 1 37248 ultralytics.nn.modules.block.C2f [192, 64, 1] 16 -1 1 36992 ultralytics.nn.modules.conv.Conv [64, 64, 3, 2] 17 [-1, 12] 1 0 ultralytics.nn.modules.conv.Concat [1] 18 -1 1 123648 ultralytics.nn.modules.block.C2f [192, 128, 1] 19 -1 1 147712 ultralytics.nn.modules.conv.Conv [128, 128, 3, 2] 20 [-1, 9] 1 0 ultralytics.nn.modules.conv.Concat [1] 21 -1 1 493056 ultralytics.nn.modules.block.C2f [384, 256, 1] 22 [15, 18, 21] 1 753067 ultralytics.nn.modules.head.Detect [9, 16, None, [64, 128, 256]] Model summary: 130 layers, 3,012,603 parameters, 3,012,587 gradients, 8.2 GFLOPsTransferred 319/355 items from pretrained weightsFreezing layer 'model.22.dfl.conv.weight'train: Fast image access (ping: 0.10.1 ms, read: 44.226.9 MB/s, size: 579.9 KB)train: Scanning D:\my_files\programming\Projects\cam\dataset\train\labels... 10 images, 0 backgrounds, 0 corrupt: 100% ━━━━━━━━━━━━ 10/10 144.2it/s 0.1strain: New cache created: D:\my_files\programming\Projects\cam\dataset\train\labels.cacheval: Fast image access (ping: 0.10.0 ms, read: 33.75.3 MB/s, size: 433.4 KB)val: Scanning D:\my_files\programming\Projects\cam\dataset\val\labels... 3 images, 0 backgrounds, 0 corrupt: 100% ━━━━━━━━━━━━ 3/3 1.2Kit/s 0.0sval: New cache created: D:\my_files\programming\Projects\cam\dataset\val\labels.cachePlotting labels to D:\my_files\programming\Projects\cam\runs\detect\supermarket_model\labels.jpg... optimizer: 'optimizer=auto' found, ignoring 'lr0=0.01' and 'momentum=0.937' and determining best 'optimizer', 'lr0' and 'momentum' automatically...optimizer: AdamW(lr=0.000769, momentum=0.9) with parameter groups 57 weight(decay=0.0), 64 weight(decay=0.0005), 63 bias(decay=0.0)Image sizes 640 train, 640 valUsing 0 dataloader workersLogging results to D:\my_files\programming\Projects\cam\runs\detect\supermarket_modelStarting training for 50 epochs...