جديد على الـ AI؟ ابدأ من هنا.
عمرك ما درّبت موديل AI قبل كده؟ مفيش مشكلة. الصفحة دي بتشرحلك الفكرة كلها بلغة بسيطة — يعني إيه labeling، يعني إيه training، وإزاي تبدأ بالظبط. من غير أي مصطلحات معقّدة.
الخطوة الأولى — الفكرة
يعني إيه Labeling (تصنيف)؟
تخيّل إنك بتعلّم طفل صغير.
تخيّل إنك بتورّي طفل صور وتقوله “دي عربية”، “ده كلب”. بعد أمثلة كفاية، الطفل يبقى عارف لوحده. الـ labeling هو ده بالظبط: إنت بتورّي الكمبيوتر صور وبتقوله فيها إيه.
عملياً: بترسم مربع حوالين كل حاجة في الصورة وتسمّيها (“عربية”، “شخص”، “خوذة”). تعمل كده لمجموعة صور، وبكده تكون عملت dataset مصنّف.
الأداة لده: Annotation Studioالخطوة التانية — الفكرة
يعني إيه Training (تدريب)؟
دلوقتي الطفل بيتعلّم لوحده.
بعد ما الطفل شاف آلاف الأمثلة المصنّفة، يبقى يقدر يتعرّف على عربية ماشافهاش قبل كده. الـ training هو لما الكمبيوتر يدرس صورك المصنّفة ويتعلّم الأنماط — فيبقى يقدر يلاقي الحاجات دي في صور جديدة تماماً لوحده.
عملياً: بتدّي الـ dataset المصنّف للـ trainer، بيشتغل شوية، ويطلعلك “موديل” — ملف بيقدر يكتشف الحاجات بتاعتك أوتوماتيك.
الأداة لده: Model Trainingالصورة الكبيرة
الرحلة كلها في 4 خطوات
اجمع صور
جمّع صور للحاجات اللي عايز الـ AI يتعرّف عليها.
صنّفها
ارسم مربعات وسمّي الحاجات. استخدم Annotation Studio.
درّب موديل
خلّي الكمبيوتر يتعلّم من تصنيفاتك. استخدم Model Training.
استخدم موديلك
موديلك المدرّب بيكتشف الحاجات لوحده. استخدمه في أي مكان.
نتعمّق شوية
الإعدادات اللي بتفرق فعلاً
وقت التدريب، فيه كام رقم بيتحكموا في طريقة التعلّم. مش لازم تظبطهم بنفسك — Model Training بيختار إعدادات افتراضية ذكية — بس دي معانيهم عشان الشاشة تبقى مفهومة.
Epochs
كام مرةالـ epoch الواحد = الموديل بيشوف كل صورك مرة واحدة. محتاج كذا مرة عشان يتعلّم فعلاً — زي ما تعيد قراية كتاب. لو الـ epochs قليلة أوي مش هيتعلّم، ولو كتير أوي هيحفظ صورك بالظبط ويبقى أوحش مع الصور الجديدة (ده اسمه overfitting).
Batch size
كام صورة في المرةكام صورة الموديل بيشوفها قبل ما يحدّث اللي اتعلّمه. الـ batch الأكبر بيدرّب بسلاسة أكتر بس محتاج ذاكرة GPU (VRAM) أكتر. Model Training بيحدّد الرقم ده على قد كارت الشاشة بتاعك تلقائياً.
Image size
قد إيه تفاصيلكل صورة بتتحوّل لمربع (غالباً 640×640) قبل التدريب. الأكبر معناه الموديل بيشوف تفاصيل أدق — بس بيدرّب أبطأ ومحتاج ذاكرة أكتر.
مش عايز تفكّر في ده كله؟ مش لازم. اضغط Start بالإعدادات الافتراضية — متظبطة عشان تشتغل على طول.
اختيار الموديل
تدرّب أنهي موديل؟
ليه YOLO بس؟
Model Training بيستخدم YOLO — وبس YOLO — لأنه من أفضل عائلات موديلات الكشف اللي اتعملت: سريع، دقيق، ومجرّب على مشاريع حقيقية. وإحنا حاطين كل إصدارات YOLO عشان تختار اللي يناسبك.
الإصدارات
YOLO بيتحسّن باستمرار. كل إصدار جديد بيكون عموماً توازن أحسن بين السرعة والدقة من اللي قبله.
الكلاسيك الثابت — مستخدَم بكثرة وموثوق.
تحسينات أحدث — دقة أعلى وكشف أسرع.
متوازن وشامل — كفء ودقيق.
أحدث جيل — اختيارنا الأول لأفضل نتيجة دلوقتي.
ترشيحنا: استخدم v11 أو YOLO26 — بيدّوا أفضل نتيجة لمعظم الناس.
الأحجام — من Nano للأكبر
كل إصدار بييجي بأحجام كمان. نفس العقل، سعة مختلفة: الأحجام الأكبر أدق بس محتاجة جهاز أقوى وبتدرّب أبطأ.
| الحجم | السرعة | الدقة | الأنسب لـ |
|---|---|---|---|
| Nano (n) | الأسرع | الأقل | سرعة فورية · صور صغيرة (~320px) |
| Small (s) | سريع | كويس | كشف سريع · ~320–640px |
| Medium (m) | متوازن | عالية | متوازن وشامل · ~640px |
| Large (l) | أبطأ | أعلى | أجسام صغيرة وتفاصيل · ~640–1280px |
| Extra-Large (x) | الأبطأ | الأعلى | أقصى دقة · تفاصيل دقيقة · ~1280px |
إزاي أختار الحجم المناسب للـ dataset بتاعي؟
مفيش إجابة واحدة صح — بيعتمد على 4 حاجات. وأهمهم: عندك كام صورة فعلاً.
عندك كام صورة؟
مئات → Nano أو Small. بضعة آلاف → Medium. عشرات الآلاف → Large أو X. الموديل الكبير لما يتدرّب على dataset صغير بيحفظه بس (overfitting) — فالداتا القليلة عايزة موديل صغير.
المهمة صعبة قد إيه؟
فئات قليلة وواضحة (عربية مقابل شخص) → الحجم الصغير يكفي. فئات كتير متشابهة، أو أجسام صغيرة في الصورة → حجم أكبر بيشوف أكتر.
الـ GPU بتاعك قوي قد إيه؟
VRAM قليل → موديل أصغر + image size أصغر. GPU قوي → تقدر تستحمل موديل أكبر ودقة أعلى.
محتاج سرعة؟
real-time أو صور كتير في الثانية → Nano / Small. شغل offline والدقة أهم → اطلع حجم أكبر.
القاعدة: داتا أكتر + مهمة أصعب + GPU أقوى → اطلع أكبر. لو محتار، ابدأ بـ Medium + v11، جرّب، واطلع حجم أكبر بس لو محتاج دقة أكتر.
جاهز؟
إزاي تبدأ
أداتين، بتستخدمهم بالترتيب. والاتنين بيشتغلوا على جهازك.
Annotation Studio
صنّف صورك. ارسم مربعات، سمّي الحاجات، وصدّر dataset نضيف.
افتح Annotation StudioModel Training
دخّل بياناتك المصنّفة ودرّب موديل شغّال — من غير terminal، من غير Python.
افتح Model Trainingدي الفكرة كلها.
صنّف ← درّب ← استخدم. ابدأ بالأداة الأولى واتبع الخطوات اللي جوّاها.