تخطي إلى المحتوى

مقارنات النماذج: اختر أفضل نموذج للكشف عن الأجسام لمشروعك

يُعد اختيار بنية الشبكة العصبية الصحيحة حجر الزاوية لأي مشروع رؤية حاسوبية ناجح. مرحباً بك في مركز مقارنة نماذج Ultralytics! تجمع هذه الصفحة تحليلات تقنية مفصلة ومقاييس أداء، تحلل المفاضلات بين أحدث Ultralytics YOLO26 والبنى الرائدة الأخرى مثل YOLO11 وYOLOv10 وRT-DETR وEfficientDet.

سواء كان تطبيقك يتطلب زمن انتقال بالمللي ثانية لـ edge AI أو الدقة عالية الدقة المطلوبة للتصوير الطبي، فإن هذا الدليل يوفر رؤى تعتمد على البيانات اللازمة لاتخاذ خيار مستنير. نقوم بتقييم النماذج بناءً على متوسط الدقة (mAP)، و سرعة الاستدلال، وكفاءة المعلمات، وسهولة النشر.

معايير الأداء التفاعلية

يُعد تصور العلاقة بين السرعة والدقة أمرًا ضروريًا لتحديد "حدود باريتو" الخاصة باكتشاف الكائنات — النماذج التي تقدم أفضل دقة لقيد سرعة معين. يقارن الرسم البياني أدناه المقاييس الرئيسية على مجموعات البيانات القياسية مثل COCO.

يعرض هذا الرسم البياني مقاييس الأداء الرئيسية مما يتيح لك تقييم المقايضات بين النماذج المختلفة بسرعة. يعد فهم هذه المقاييس أمرًا أساسيًا لاختيار نموذج يتوافق مع قيود النشر الخاصة بك.

دليل اتخاذ قرار سريع

ألست متأكدًا من أين تبدأ؟ استخدم شجرة القرارات هذه لتضييق نطاق البنية التي تناسب متطلبات الأجهزة والأداء لديك.

graph TD
    A[Start: Define Project Needs] --> B{Deployment Hardware?}
    B -- "Edge / Mobile (CPU/NPU)" --> C{Latency Priority?}
    B -- "Cloud / GPU" --> D{Accuracy vs Speed?}

    C -- "Extreme Speed (Real-time)" --> E[YOLO26n / YOLO26s]
    C -- "Balanced Legacy" --> F[YOLO11s / YOLOv8s]

    D -- "Max Accuracy (SOTA)" --> G[YOLO26x / YOLO26l]
    D -- "Balanced Performance" --> H[YOLO26m / YOLO11m]

    A --> I{Specialized Features?}
    I -- "NMS-Free Inference" --> J[YOLO26 / YOLOv10]
    I -- "Multitask (Seg/Pose/OBB)" --> K[YOLO26 / YOLO11]
    I -- "Video Analytics" --> L[YOLO26 + Tracking]

المشهد الحالي: YOLO26 وما بعدها

مجال اكتشاف الكائنات يتحرك بسرعة. في حين أن النماذج القديمة تظل ذات صلة بالدعم القديم، فإن البنى الجديدة تدفع حدود ما هو ممكن.

Ultralytics YOLO26

صدر في يناير 2026، يُعد YOLO26 أحدث نموذج متطور ونقطة الانطلاق الموصى بها لجميع المشاريع الجديدة. يقدم ابتكارات معمارية رائدة بما في ذلك تصميم شامل خالٍ من NMS يلغي الحاجة إلى المعالجة اللاحقة لقمع القيم غير القصوى، مما يؤدي إلى أوقات استدلال أسرع وأكثر قابلية للتنبؤ. YOLO26 أسرع بنسبة تصل إلى 43% على وحدات المعالجة المركزية (CPUs) مقارنة بالأجيال السابقة، مما يجعله مثاليًا للنشر على الأجهزة الطرفية.

تشمل الابتكارات الرئيسية ما يلي:

  • شامل وخالٍ من NMS: نشر مبسط لا يتطلب معالجة لاحقة
  • إزالة DFL: تصدير مبسط إلى ONNX وTensorRT وCoreML
  • مُحسِّن MuSGD: مُحسِّن هجين من SGD/Muon مستوحى من تدريب نماذج اللغة الكبيرة (LLM) لتقارب مستقر
  • ProgLoss + STAL: أداء محسّن في اكتشاف الكائنات الصغيرة

لماذا تختار YOLO26؟

يمثل YOLO26 قمة هندسة Ultralytics، حيث يجمع أفضل ما في كفاءة الشبكات العصبية التلافيفية (CNN) مع قدرات شاملة (end-to-end) شبيهة بالمحولات. يدعم جميع المهام — detect وsegment وتقدير الوضعيات والتصنيف وobb — مع كونه أصغر وأسرع وأسهل في النشر من أي وقت مضى.

Ultralytics YOLO11

يظل YOLO11 نموذجًا عالي القدرة، حيث يقدم تقليلًا بنسبة 22% في المعلمات مقارنة بـ YOLOv8 مع تحسين دقة الكشف. وهو مدعوم بالكامل وموصى به للمستخدمين الذين يحتاجون إلى استقرار مثبت أو لديهم خطوط عمل YOLO11 الحالية.

نماذج المجتمع: ملاحظة حول YOLO12 و YOLO13

قد تصادف إشارات إلى YOLO12 أو YOLO13 في مناقشات المجتمع أو المستودعات.

تنبيه بشأن الإنتاج

نحن حاليًا لا نوصي باستخدام YOLO12 أو YOLO13 في بيئات الإنتاج.

  • YOLO12: يستخدم طبقات الانتباه التي غالبًا ما تسبب عدم استقرار التدريب واستهلاكًا مفرطًا للذاكرة وسرعات استدلال لوحدة المعالجة المركزية أبطأ بشكل ملحوظ.
  • YOLO13: تشير المعايير إلى مكاسب هامشية فقط في الدقة مقارنة بـ YOLO11 مع كونه أكبر وأبطأ. أظهرت النتائج المبلغ عنها مشاكل في إمكانية التكاثر.



شاهد: مقارنة نماذج YOLO: Ultralytics YOLO11 مقابل YOLOv10 مقابل YOLOv9 مقابل Ultralytics YOLOv8

مقارنات النماذج التفصيلية

استكشف مقارناتنا الفنية المتعمقة لفهم الاختلافات المعمارية المحددة، مثل اختيار backbone وتصميم head ووظائف loss. لقد قمنا بتنظيمها حسب النموذج لسهولة الوصول إليها:

YOLO26 مقابل

YOLO26 هو أحدث نموذج من Ultralytics يتميز باكتشاف شامل بدون NMS، ومُحسِّن MuSGD، واستدلال أسرع بنسبة تصل إلى 43% على الـ CPU. لقد تم تحسينه للنشر على الأجهزة الطرفية مع تحقيق دقة متطورة.

YOLO11 مقابل

يعتمد YOLO11 على نجاح أسلافه من خلال أحدث الأبحاث. يتميز بعمود فقري وهيكل عنق محسّنين لتحسين استخراج الميزات وكفاءة محسّنة.

YOLOv10 مقابل

يركز YOLOv10، الذي تم تطويره بواسطة جامعة Tsinghua، على إزالة خطوة Non-Maximum Suppression (NMS) لتقليل تباين زمن الوصول، مما يوفر أداءً حديثًا مع تقليل النفقات الحسابية.

YOLOv9 مقابل

يقدم YOLOv9 معلومات التدرج القابلة للبرمجة (PGI) وشبكة تجميع الطبقات الفعالة المعممة (GELAN) لمعالجة فقدان المعلومات في الشبكات العصبية العميقة.

YOLOv8 مقابل

لا يزال Ultralytics YOLOv8 خيارًا شائعًا للغاية، ويتميز بهياكل أساسية ورقبة متقدمة ورأس مقسم خالٍ من المرساة لتحقيق أفضل المقايضات بين الدقة والسرعة.

YOLOv7 مقابل

قدم YOLOv7 "حقيبة التدريب المجانية" وإعادة تحديد معلمات النموذج، مع التركيز على تحسين عملية التدريب دون زيادة تكاليف الاستدلال.

YOLOv6 مقابل

تم تصميم YOLOv6 من Meituan للتطبيقات الصناعية، ويتميز بوحدات الربط ثنائي الاتجاه (BiC) واستراتيجيات التدريب المدعومة بالمراسي.

YOLOv5 مقابل

يُحتفى بـ Ultralytics YOLOv5 لسهولة استخدامه واستقراره وسرعته. ولا يزال خيارًا قويًا للمشاريع التي تتطلب توافقًا واسعًا مع الأجهزة.

RT-DETR مقابل

تستفيد RT-DETR (Real-Time Detection Transformer) من محولات الرؤية لتحقيق دقة عالية مع أداء في الوقت الفعلي، وتتفوق في فهم السياق العالمي.

PP-YOLOE+ مقابل

يستخدم PP-YOLOE+، الذي طورته Baidu، تعلم محاذاة المهام (TAL) ورأسًا منفصلًا لتحقيق التوازن بين الكفاءة والدقة.

DAMO-YOLO ضد

من مجموعة علي بابا، تستخدم DAMO-YOLO البحث عن البنية العصبية (NAS) و RepGFPN الفعال لزيادة الدقة إلى أقصى حد على المعايير الثابتة.

YOLO مقابل

YOLOX، الذي تم تطويره بواسطة Megvii، هو تطور خالٍ من المرساة يشتهر برأسه المنفصل واستراتيجية تعيين تسمية SimOTA.

EfficientDet مقابل

يستخدم EfficientDet من Google Brain التوسيع المركب و BiFPN لتحسين كفاءة المعلمات، مما يوفر مجموعة من النماذج (D0-D7) للقيود المختلفة.

يتم تحديث هذا الفهرس باستمرار مع إصدار نماذج جديدة وتحسين المعايير. نحن نشجعك على استكشاف هذه الموارد للعثور على الملاءمة المثالية لمشروع الرؤية الحاسوبية التالي الخاص بك. إذا كنت تبحث عن حلول على مستوى المؤسسات مع ترخيص خاص، فيرجى زيارة صفحة الترخيص الخاصة بنا. مقارنة سعيدة!


تعليقات