EfficientDet مقابل YOLO: مقارنة تفصيلية لاكتشاف الكائنات
يعد اختيار النموذج الأمثل للكشف عن الأجسام قرارًا حاسمًا لمشاريع الرؤية الحاسوبية، حيث تقدم النماذج المختلفة مزايا فريدة من حيث الدقة والسرعة والكفاءة. تقدم هذه الصفحة مقارنة تقنية مفصلة بين EfficientDet YOLO وهما نموذجان بارزان في مجال اكتشاف الأجسام. نقوم بتحليل بنيتهما ومعايير أدائهما وملاءمتهما لمختلف التطبيقات لمساعدتك في اتخاذ قرار مستنير.
EfficientDet
تم تقديم EfficientDet من قِبل Google في عام 2019 وهو معروف بكفاءته وقابليته للتطوير في اكتشاف الأجسام. فهو يحقق أحدث ما توصلت إليه التكنولوجيا من دقة مع عدد أقل بكثير من المعلمات وعمليات FLOP مقارنةً بالعديد من أجهزة الكشف المعاصرة.
البنية والمميزات الرئيسية
يستخدم EfficientDet سلسلة من الابتكارات المعمارية لتعزيز كل من الكفاءة والدقة:
- شبكة العمود الفقري: تستخدم شبكة EfficientNet كعمودها الفقري، والمعروفة بكفاءتها وقابليتها للتوسع، والتي تتحقق من خلال البحث في البنية العصبية.
- شبكة هرم السمات ثنائية الاتجاه (BiFPPN): شبكة هرم ميزات ثنائية الاتجاه مرجحة ثنائية الاتجاه تتيح دمج ميزات متعددة النطاقات بكفاءة وفعالية.
- القياس المركب: قياس جميع أبعاد الكاشف بشكل منهجي (العمود الفقري، وشبكة الميزات، ودقة شبكة التنبؤ المربع/الفئة) باستخدام معامل مركب.
مقاييس الأداء
تأتي نماذج EfficientDet بأحجام مختلفة (من d0 إلى d7)، مما يوفر مجموعة من مفاضلات الأداء لتناسب الموارد الحاسوبية المختلفة.
- mAP: يحقق متوسط دقة متوسطة عالية (mAP) على مجموعة بيانات COCO، مما يدل على دقة اكتشاف قوية.
- سرعة الاستدلال: تقدم مجموعة من سرعات الاستدلال اعتمادًا على حجم النموذج، حيث تكون النماذج الأصغر مناسبة للتطبيقات في الوقت الحقيقي.
- حجم النموذج: صُممت نماذج EfficientDet لتكون فعالة من حيث البارامترات، مما يؤدي إلى أحجام نماذج أصغر مقارنةً بأجهزة الكشف الأخرى عالية الدقة.
نقاط القوة والضعف
نقاط القوة:
- كفاءة عالية: توازن ممتاز بين الدقة والتكلفة الحسابية، مما يجعلها مناسبة للبيئات محدودة الموارد.
- قابلية التوسع: يسمح القياس المركب بتوسيع نطاق النموذج بسهولة لتحقيق مستويات الأداء المطلوبة.
- الدقة: يحقق دقة فائقة مع عدد أقل من المعلمات.
- تطبيق موثق بشكل جيد: يوفر مستودع AutoML الخاص بشركة Google تطبيقًا واضحًا ونماذج مدربة مسبقًا.
نقاط الضعف:
- التعقيد: تضيف استراتيجيات BiFPPN واستراتيجيات القياس المركب تعقيدًا إلى البنية.
- سرعة الاستدلال: على الرغم من كفاءتها، إلا أن سرعة الاستدلال قد لا تكون بنفس سرعة بعض أجهزة الكشف في الوقت الحقيقي مثل نماذج Ultralytics YOLO خاصةً بالنسبة لمتغيرات EfficientDet الأكبر حجمًا.
حالات الاستخدام
يعد EfficientDet مناسبًا تمامًا للتطبيقات التي تكون فيها الدقة والكفاءة أمرًا بالغ الأهمية:
- الأجهزة المحمولة وأجهزة الحافة: نظرًا لفعاليته، يمكن نشره على الأجهزة المحمولة ومنصات الحوسبة الطرفية.
- الروبوتات: مناسب للتطبيقات الروبوتية التي تتطلب اكتشافًا دقيقًا وفعالًا للأجسام.
- تطبيقات محدودة الموارد: مثالية للسيناريوهات التي تكون فيها الموارد الحاسوبية محدودة، ولكن لا تزال هناك حاجة إلى دقة عالية.
دامو-YOLO
صُمم YOLO الذي قدمته مجموعة علي بابا في عام 2022، للكشف عن الأجسام بسرعة عالية ودقة، مع التركيز بشكل خاص على التطبيقات الصناعية. وهو يدمج العديد من التقنيات الجديدة لتحقيق التوازن بين السرعة والدقة.
البنية والمميزات الرئيسية
تتضمن YOLO العديد من المكونات المبتكرة في بنيتها:
- العمود الفقري القائم على NAS: يستخدم عمودًا فقريًا قائمًا على البنية العصبية (NAS)، مع تحسين كل من السرعة والدقة.
- RepGFPPN (شبكة هرم الميزة المتدرجة المعاد تحديدها): شبكة دمج ميزات فعالة تعزز تمثيل الميزات مع الحفاظ على الكفاءة الحسابية.
- ZeroHead: رأس كشف خفيف الوزن مصمم لتقليل زمن الاستجابة.
- AlignedOTA (تعيين النقل الأمثل المحاذي): استراتيجية تعيين متقدمة لتحسين التدريب والدقة.
مقاييس الأداء
تتوفر موديلات YOLO بأحجام مختلفة (t، s، m، l) لتلبية احتياجات الأداء المختلفة.
- mAP: يحقق mAP تنافسيًا على مجموعة بيانات COCO، مما يدل على أداء قوي في اكتشاف الأجسام.
- سرعة الاستدلال: يعطي أولوية لسرعة الاستدلال العالية، مما يجعله مناسبًا للتطبيقات الحساسة للوقت الحقيقي وزمن الاستجابة.
- حجم الطراز: مصمم ليكون فعالاً، ويوفر توازناً جيداً بين حجم النموذج والأداء.
نقاط القوة والضعف
نقاط القوة:
- سرعة عالية: سرعة استثنائية في الاستدلال، محسنة للتطبيقات في الوقت الحقيقي.
- التركيز الصناعي: مصمم خصيصًا للتطبيقات الصناعية، مع التركيز على النشر العملي.
- الدقة: يحافظ على دقة عالية مع تحقيق سرعات استنتاج عالية.
- تقنيات متقدمة: يدمج التقنيات المتطورة مثل العمود الفقري NAS و AlignedOTA لتحسين الأداء.
- مفتوحة المصدر: متاح للجمهور مع التعليمات البرمجية والنماذج المدربة مسبقاً.
نقاط الضعف:
- جديد نسبيًا: كنموذج أحدث، قد يكون المجتمع والنظام البيئي لا يزالان في طور التطور مقارنةً بالنماذج الأكثر رسوخاً.
- التعقيد: يمكن أن يؤدي دمج العديد من التقنيات المتقدمة إلى تعقيد البنية لتعديلها أو تخصيصها بعمق.
حالات الاستخدام
يعد YOLO فعالاً بشكل خاص في السيناريوهات التي تتطلب اكتشاف الأجسام في الوقت الفعلي بدقة عالية:
- الفحص الصناعي: مثالي لمراقبة الجودة والفحص في عمليات التصنيع.
- القيادة الذاتية: مناسبة للمركبات ذاتية القيادة وأنظمة مساعدة السائق المتقدمة (ADAS) حيث يكون زمن الاستجابة المنخفض أمراً بالغ الأهمية.
- تحليلات الفيديو في الوقت الحقيقي: تطبيقات مثل مراقبة حركة المرور وأنظمة الأمن.
- الذكاء الاصطناعي المتطور: النشر على الأجهزة الطرفية للمعالجة في الوقت الفعلي.
جدول مقارنة النماذج
| الطراز | الحجم (بكسل) |
مافال 50-95 |
السرعة CPU ONNX (مللي ثانية) |
السرعة T4 T4TensorRT10 (مللي ثانية) |
بارامز (م) |
(ب) |
|---|---|---|---|---|---|---|
| EfficientDet-d0 | 640 | 34.6 | 10.2 | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | 13.5 | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 640 | 43.0 | 17.7 | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 640 | 47.5 | 28.0 | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 640 | 49.7 | 42.8 | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 640 | 51.5 | 72.5 | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 640 | 52.6 | 92.8 | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 640 | 53.7 | 122.0 | 128.07 | 51.9 | 325.0 |
| دامو يولوت | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| دامو يولو | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| دامو يولوم | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| دامو يولول | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
الخاتمة
يعد كل من EfficientDet و YOLO نموذجين قويين للكشف عن الأجسام مع نقاط قوة متميزة. تتفوق EfficientDet في توفير مجموعة من النماذج الفعالة ذات الدقة القوية، مما يجعلها متعددة الاستخدامات لمختلف التطبيقات، خاصةً تلك التي تعاني من قيود الموارد. من ناحية أخرى، تم تصميم YOLO للاستدلال عالي السرعة دون التضحية بالدقة بشكل كبير، مما يجعله مثاليًا للتطبيقات الصناعية والتطبيقات المتطورة في الوقت الفعلي.
بالنسبة للمستخدمين المهتمين بنماذج أخرى عالية الأداء للكشف عن الأجسام، تقدم Ultralytics مجموعة من نماذج YOLO بما في ذلك YOLOv5, YOLOv8وأحدث YOLO11. تتوفر أيضًا مقارنات مع نماذج أخرى مثل YOLOX لمساعدتك في العثور على أفضل نموذج لاحتياجاتك الخاصة. ضع في اعتبارك استكشاف Ultralytics HUB لتبسيط تدريب ونشر نماذج YOLO .
