Ctrlk
For the complete documentation index, see llms.txt. This page is also available as Markdown.

التعليقات التلقائية

Magic annotation تساعدك على إنشاء مربعات الاحتواء تلقائيًا باستخدام نماذج AI، بحيث يمكنك وسم مجموعات البيانات بسرعة أكبر.

تم تصميمها لتدفق عمل عملي:

  1. قم بتكوين النموذج والتعليمات مرة واحدة

  2. وسّم صورة واحدة تلقائيًا للتحقق من الجودة

  3. وسّم دفعيًا كامل مجموعة البيانات

  4. راجع وصحح أي أخطاء

Requirements

Magic annotation تعمل بأسرع شكل مع NVIDIA GPU.

  • ستحتاج إلى جهاز يحتوي على NVIDIA GPU

  • إذا كان NVIDIA GPU متاحًا، قم بتحميل torch GPU من Module Downloader لتسريع عملية الـ auto annotation.

  • حمّل وحدات AI المطلوبة من نافذة Module Downloader

First Look

Magic annotation entry point in the Classes panel

(افتح Magic annotation بزر ✨ أو اضغط على المفتاح T.)

يمكنك فتح Magic annotation بطريقتين:

  • اضغط المفتاح T لعمل auto-annotate للصورة الحالية (يستخدم الإعدادات المحفوظة)

  • اضغط زر ✨ في لوحة Classes لفتح مربع إعدادات Magic annotation

عند استخدام Magic annotation لأول مرة، سيطلب منك AugeLab Studio تكوين الإعدادات. يتم حفظ هذه الإعدادات ويمكنك تغييرها في أي وقت بالنقر على زر ✨.

Before You Start (Recommended)

Magic annotation تحتاج إلى مجموعة بيانات وقائمة فئات.

  1. حمّل مجلد مجموعة البيانات في نافذة Image Annotation

  2. حمّل (أو أنشئ) ملف classes.names

إذا لم تستخدم نافذة Annotation من قبل، اتبع دليل الوسم الأساسي أولًا.

Open the Magic annotation Dialog

  1. افتح AI Tools → Image Annotation

  2. حمّل مجموعة البيانات وملف الفئات

  3. في لوحة Classes، اضغط زر ✨

سيفتح هذا مربع حوار Magic annotation Settings.

Magic annotation settings dialog

Step 1 — Choose a Model

في Model Selection، اختر واحدًا من الكاشفات المدعومة.

Text-prompt models (مُوصى بها للفئات المخصصة)

تقوم هذه النماذج بالكشف عن الأشياء باستخدام أوصاف الفئات (prompts):

  • Grounding DINO Tiny: اختيار افتراضي جيد، أسرع

  • Grounding DINO Base: أدق، أثقل (ينصح باستخدام GPU)

  • OWLv2 Base Ensemble: نموذج عام جيد

  • OWLv2 Large Ensemble: أدق، أثقل (ينصح باستخدام GPU)

استخدم هذه النماذج عندما لا تكون فئاتك من فئات COCO القياسية، أو عندما تريد وصف العنصر بلغة طبيعية.

YOLO models (سريعة، لكن مطابقة الفئات مهمة)

تظهر نماذج YOLO عندما تتوفر ميزة YOLO/OpenCV DNN:

  • YOLOv4 (COCO)

  • YOLOv4 Tiny (COCO)

هذه النماذج لا تستخدم أوصاف نصية. تستخدم أسماء فئات COCO.

بالنسبة لنماذج YOLO (COCO)، يجب أن تتطابق أسماء فئات COCO تمامًا مع أسماء فئات مجموعة البيانات الخاصة بك. مثال: إذا كانت فئتك person، يجب أن تكون بالضبط person (ليس human).

Custom YOLOv4 model

إذا كان لديك نموذج YOLOv4 مخصص، اختر Custom YOLOv4 Model وزوّد:

  • ملف الأوزان (.weights)

  • ملف الإعدادات (.cfg)

  • ملف الأسماء (.names)

Step 2 — Set Thresholds

Confidence Threshold

يتحكم بمدى ثقة الاكتشاف المطلوب ليصبح وسمًا.

  • قيم أعلى → مربعات أقل، عادةً أنظف

  • قيم أقل → مربعات أكثر، لكن المزيد من الإيجابيات الكاذبة

نقطة بداية جيدة هي 30%.

Grounding DINO: Box Threshold and Text Threshold

تظهر هذه الخيارات فقط لنماذج Grounding DINO:

  • Box Threshold: مدى صرامة ثقة الصندوق

  • Text Threshold: مدى صرامة مطابقة النص مع الكائن

إرشادات سريعة:

  • إذا ظهرت مربعات خاطئة بكثرة → زد Text Threshold أولًا

  • إذا كانت المربعات واسعة أو غير دقيقة → زد Box Threshold

  • إذا لم تحصل على أي اكتشافات → خفّض القيم تدريجيًا

Step 3 — Write Better Class Descriptions (Text-Prompt Models)

إذا اخترت نموذج نصي، سترى جدول Class Descriptions.

Class descriptions table

(جدول Class Descriptions يُستخدم كـ prompts.)

لماذا هذا مهم: الوصف هو الـ prompt الذي يستخدمه النموذج للعثور على كائناتك.

الأوصاف الجيدة تكون:

  • بصرية ومحددة (اللون، الشكل، المادة)

  • متعلقة بصورك الحقيقية (الخلفية، الإضاءة، الاتجاه)

أمثلة:

  • بدلًا من bolt → silver bolt on a black conveyor belt

  • بدلًا من cup → white paper cup, top view

  • بدلًا من label → rectangular sticker label on a cardboard box

يمكنك أيضًا استخدام:

  • Use Class Names لإعادة ضبط prompts إلى أسماء الفئات

  • Clear All للبدء من الصفر

نصيحة: إذا كانت فئتان متشابهتان، اجعل الوصف يبرز ما يميزهما. مثال: scratch on metal surface مقابل oil stain on metal surface.

Step 4 — Choose Annotation Mode (Important)

يدعم Magic annotation ثلاثة أوضاع للتعامل مع الصور التي تحتوي بالفعل على وسوم:

  • Override: يستبدل ملفات الوسم الحالية

  • Add: يضيف الاكتشافات الجديدة إلى الوسوم الموجودة

  • Skip: لا يعالج الصور التي لديها وسوم بالفعل

نصائح اختيارية:

  • اختر Override عند البدء من الصفر أو إعادة الوسم بالكامل

  • اختر Add عندما تريد تكملة الوسوم الحالية

  • اختر Skip عندما تقوم بتنقيح مجموعة معنونة جزئيًا ولا تريد الكتابة فوق العمل الموجود

Run Magic annotation

Annotate Current (صورة واحدة)

استخدم Annotate Current أولًا.

هذا هو الأسلوب الآمن للتحقق من أن:

  • prompts جيدة

  • العتبات منطقية

  • المربعات تبدو صحيحة

إذا لم تكن النتائج جيدة، عدّل prompts/thresholds وحاول مرة أخرى.

Batch Annotate All (مجموعة البيانات كاملة)

عندما تبدو الصورة الحالية جيدة، اضغط Batch Annotate All.

سيعرض مربع التقدّم:

  • الحالة الحالية (تحميل النموذج / المعالجة)

  • شريط التقدّم

  • الوقت المقدر المتبقي (ETA)

يمكنك الإلغاء في أي وقت.

Batch Magic annotation progress dialog

(تقدّم Batch Magic annotation مع ETA.)

Review and Correct Results

تهدف Magic annotation إلى تسريع الوسم، وليس استبدال المراجعة اليدوية.

بعد الوسم التلقائي:

  1. تصفّح الصور بسرعة للعثور على الأخطاء الواضحة

  2. صحّح المربعات الخاطئة (فئة خاطئة، حجم خاطئ)

  3. قم بإزالة الإيجابيات الكاذبة

  4. أضف الكائنات الفائتة يدويًا عند الحاجة

إذا رأيت أخطاء متكررة، توقف وعدّل prompts/thresholds ثم أعد التشغيل.

إذا لم تعمل نماذج AI كما تتوقع، استخدم هذه التبديلات السريعة لضبط الأداء.

🚫 "It annotates nothing" (Zero Detections)

عندما يكون النموذج متردّدًا في الوسم، عادةً ما تكون المشكلة في العتبات أو الأوصاف.

  • Lower Confidence: خفّض قيمة Confidence Threshold قليلًا.

  • Text Sensitivity: لنماذج Grounding DINO، خفّض Text Threshold ليكون أقل صرامة في مطابقة الكلمات.

  • كن محددًا: بدلًا من "part"، جرّب "silver metal bolt" أو "red plastic cap". الأوصاف يجب أن تكون بصرية.

  • تحقق من القوائم: تأكد من أن قائمة الفئات محمّلة في إعدادات العقدة وليست فارغة.

📦 "Too many wrong boxes" (Ghost Detections)

إذا كانت الشاشة مليئة بالإيجابيات الكاذبة، عليك تشديد معايير النموذج.

  • Raise Confidence: زد قيمة Confidence Threshold لتصفية التخمينات ذات الثقة المنخفضة.

  • Text Strictness: زد Text Threshold لمطابقة أقرب بين الصورة والـ prompt.

  • قلّل الغموض: تجنّب prompts عامة مثل "object" أو "item". إذا كان النموذج يوسم الظلال كـ "parts"، صِف ألوان أو ملمس الجزء بدقة.

❓ "YOLO model doesn't detect my class"

نماذج YOLO القياسية مدرّبة على مجموعات بيانات محددة.

  • COCO Standard: نماذج YOLO الأساسية تتعرف فقط على 80 فئة COCO. يجب أن تتطابق تسمياتك تمامًا (مثال: person, cell phone, chair, bottle).

  • الحاجة المخصصة: إذا تحتاج للكشف عن شيء خاص (مثل "scratched circuit board")، انتقل إلى نموذج Text-Prompt (مثل Grounding DINO) أو درّب نموذج Custom YOLO.

🐌 "Processing is slow or laggy"

نماذج الرؤية الحاسوبية تتطلب موارد كثيفة.

  • تأخير أول تشغيل: من الطبيعي أن يكون التشغيل الأولي بطيئًا أثناء تحميل النماذج وتهيئتها.

  • حجم النموذج: Grounding DINO Base و OWLv2 Large دقّتها عالية لكن "ثقيلة". جرّب الإصدار "Tiny" أو "Small" للسرعة.

  • المعدات: تأكد أن AugeLab يستخدم الـ GPU الخاص بك. تشغيل النماذج الكبيرة على CPU سيؤدي إلى تأخير كبير.

💡 ما زلت عالقًا؟

جرب الـ AI Assistant داخل AugeLab Studio. وصِف منظر الكاميرا المحدد وما تبدو عليه المربعات؛ غالبًا ما يقترح قيمة عشرية دقيقة للعتبات.

هل تود أن أنشئ لك جدولًا "Threshold Cheat Sheet" يشرح بالضبط الفرق بين Confidence و Text thresholds؟

Notes

  • إعدادات Magic annotation تحفظ وتُعاد عند الضغط على T.

  • إذا كانت خطة/ترخيصك يفرض حدودًا على Magic annotation أوفلاين، سيمنع الأداة المعالجة الدفعيّة بعد نفاد الحد.

السابقأساسيات نافذة التعليقات التوضيحيةالتاليزيادة بيانات التدريب (Augment Dataset)

آخر تحديث