PP-YOLOE+ مقابل RTDETRv2
تطورت الرؤية الحاسوبية بسرعة في السنوات الأخيرة، ولا سيما في مجال اكتشاف الأجسام في الوقت الفعلي. وقد يكون اختيار البنية المناسبة للنشر هو الفارق بين تطبيق بطيء يستهلك كثيرًا من الذاكرة ونظام محسّن وسريع الاستجابة. تتناول هذه المقارنة التقنية نموذجين بارزين من Baidu: PP-YOLOE+ القائم على CNN وRTDETRv2 القائم على Transformer. وتحلل البنيتين ومقاييس الأداء وأفضل حالات الاستخدام، كما تدرس كيفية مقارنتهما بـUltralytics YOLO26.
PP-YOLOE+: تطوير نهج CNN#
طُوّر PP-YOLOE+ بوصفه نسخة تكرارية من أسلافه، ويُظهر مدى ما يمكن أن تحققه الشبكات العصبية الالتفافية التقليدية (CNNs) في اكتشاف الأجسام. فهو كاشف كفء لا يعتمد على المراسي، ويبني على الآليات الأساسية لسلسلة YOLO مع إدخال تحسينات محددة لمنظومة PaddlePaddle.
تفاصيل النموذج:
- المؤلفون: مؤلفو PaddlePaddle
- الجهة: Baidu
- التاريخ: 2022-04-02
- arXiv: 2203.16250
- GitHub: مستودع PaddleDetection
- الوثائق: وثائق PP-YOLOE+
البنية والمنهجيات#
يعتمد PP-YOLOE+ على العمود الفقري CSPRepResNet وشبكة هرم ميزات بأسلوب PAN لتجميع الميزات متعددة المقاييس بفاعلية. ويستخدم تصميمًا لا يعتمد على المراسي، ما يلغي الضبط الاستدلالي المطلوب عادةً لإنشاء صناديق المراسي. كما تستخدم طريقة التدريب تعلّم محاذاة المهام (TAL) لإسناد التسميات، بغية تحسين مطابقة التنبؤات مع صناديق الحقيقة الأساسية خلال مرحلة التعلّم.
نقاط القوة وحالات الاستخدام#
تكمن نقطة القوة الأساسية في PP-YOLOE+ في أدائه القوي على عتاد الخوادم القياسي وتكامله الوثيق مع أدوات Baidu. وهو مناسب تمامًا لسير العمل الصناعي التقليدي، مثل اكتشاف العيوب الثابتة في بيئات التصنيع التي لا تفرض قيودًا كبيرة على العتاد.
تعرّف على المزيد حول PP-YOLOE+
على الرغم من دقة PP-YOLOE+ العالية، قد يتطلب نشره خارج منظومته الأصلية أحيانًا خطوات تحويل إضافية، على عكس تنسيقات التصدير الأصلية المتاحة بسهولة في مسارات عمل Ultralytics الحديثة.
RTDETRv2: محولات الاكتشاف في الوقت الفعلي#
ينتقل RTDETRv2 (المحوّل للكشف في الوقت الفعلي، الإصدار 2) من الشبكات العصبية الالتفافية البحتة إلى إدخال آليات الانتباه في اكتشاف الأجسام في الوقت الفعلي. ويهدف إلى الجمع بين فهم السياق الشامل الذي توفره المحوّلات وزمن الاستجابة المنخفض الذي تتطلبه التطبيقات الواقعية.
تفاصيل النموذج:
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- arXiv: 2407.17140
- GitHub: مستودع RTDETRv2
- الوثائق: ملف README الخاص بـRTDETRv2
البنية والمنهجيات#
يستخدم RTDETRv2 بنية هجينة تجمع بين عمود فقري من CNN لاستخراج الميزات ومُرمِّز ومُفكِّك ترميز مبسّطين قائمين على Transformer. ومن السمات المميزة لـRTDETRv2 تصميمه الأصلي الشامل من البداية إلى النهاية الذي يتجاوز المعالجة اللاحقة التقليدية لخوارزمية قمع الصناديق المتداخلة (NMS). كما يتعامل مع الاكتشاف متعدد المقاييس والمشاهد المعقدة، مستخدمًا الانتباه الذاتي لفهم العلاقات المكانية بين الأجسام المتباعدة.
نقاط القوة وحالات الاستخدام#
تجعل بنية Transformer من RTDETRv2 نموذجًا فعالًا للغاية في السيناريوهات التي يكون فيها فهم السياق الشامل بالغ الأهمية. ومع ذلك، تتطلب نماذج Transformer عادةً ذاكرة CUDA أكبر بكثير أثناء التدريب والاستدلال مقارنةً بنماذج CNN خفيفة الوزن. وهي الأنسب للبيئات التي لا تفرض قيودًا على العتاد، مثل تحليلات الفيديو القائمة على السحابة والتي تعمل على خوادم GPU قوية.
مقارنة الأداء والمقاييس#
عند تقييم هذه النماذج، تكون المفاضلة بين متوسط الدقة (mAP) والكلفة الحاسوبية (المقاسة بوحدات FLOPs وزمن استجابة الاستدلال) بالغة الأهمية. ويلخص الجدول أدناه المقاييس الأساسية لمختلف أحجام نموذجي PP-YOLOE+ وRTDETRv2.
| النموذج | الحجم (بكسل) | mAPval50-95 | السرعة CPU ONNX (مللي ثانية) | السرعة T4 TensorRT10 (ms) | المعاملات (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
على الرغم من أن RTDETRv2 يحقق mAP مرتفعًا مقابل زيادة عدد المعاملات وFLOPs، يواجه المطورون الراغبون في النشر على أجهزة طرفية محدودة الموارد اختناقات غالبًا بسبب متطلبات الذاكرة الكبيرة المعتادة في طبقات Transformer.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين PP-YOLOE+ وRT-DETR على متطلبات مشروعك المحددة وقيود النشر وتفضيلات المنظومة.
متى تختار PP-YOLOE+#
يُعد PP-YOLOE+ خيارًا قويًا لـ:
- التكامل مع منظومة PaddlePaddle: المؤسسات التي تمتلك بنية تحتية قائمة مبنية على إطار العمل والأدوات PaddlePaddle من Baidu.
- النشر الطرفي عبر Paddle Lite: النشر على عتاد مزود بنوى استدلال محسّنة بدرجة عالية خصيصًا لمحرك Paddle Lite أو محرك الاستدلال Paddle.
- اكتشاف عالي الدقة على جانب الخادم: السيناريوهات التي تعطي الأولوية لأقصى دقة اكتشاف على خوادم GPU قوية، حيث لا يشكل الاعتماد على إطار عمل معين مصدر قلق.
متى تختار RT-DETR#
يوصى بـRT-DETR في الحالات التالية:
- أبحاث الكشف المعتمدة على Transformer: المشروعات التي تستكشف آليات الانتباه وبنى Transformer لكشف الأجسام بأسلوب شامل دون NMS.
- سيناريوهات الدقة العالية مع مرونة زمن الاستجابة: التطبيقات التي تكون فيها دقة الكشف على رأس الأولويات، ويكون فيها تقبّل زمن استجابة أعلى قليلًا للاستدلال أمرًا ممكنًا.
- كشف الأجسام الكبيرة: المشاهد التي تضم أساسًا أجسامًا متوسطة إلى كبيرة، حيث توفر آلية الانتباه العام في Transformer ميزة طبيعية.
متى تختار Ultralytics (YOLO26)#
يوفر Ultralytics YOLO26 أفضل مزيج من الأداء وتجربة المطورين لمعظم المشاريع الجديدة:
- النشر الطرفي دون NMS: التطبيقات التي تتطلب استدلالاً ثابتاً بزمن استجابة منخفض، من دون تعقيد المعالجة اللاحقة للكبت غير الأقصى.
- البيئات التي تعتمد على CPU فقط: الأجهزة التي لا تحتوي على تسريع مخصص بواسطة GPU، حيث يمنح الاستدلال على CPU في YOLO26، الأسرع بنسبة تصل إلى 43% (YOLO26n مقارنةً بـ YOLO11n)، أفضلية واضحة.
- اكتشاف الأجسام الصغيرة: السيناريوهات الصعبة مثل صور الطائرات المسيّرة الجوية أو تحليل مستشعرات إنترنت الأشياء، حيث يعزز ProgLoss وSTAL دقة اكتشاف الأجسام الدقيقة بدرجة كبيرة.
ميزة Ultralytics: تقديم YOLO26#
مع أن PP-YOLOE+ وRTDETRv2 يمثلان محطتين بارزتين، يحتاج المطورون اليوم إلى نظام بيئي يوازن بين الأداء العالي وسهولة الاستخدام. وقد صُممت منصة Ultralytics ونموذج YOLO26 لهذا الغرض تحديدًا.
أُطلق YOLO26 في يناير 2026، وصُمم لذكاء اصطناعي للرؤية يبدأ بالأجهزة الطرفية. ويعالج عقبات النشر المرتبطة بالبنى الأقدم، مع تحسين السرعة والدقة مقارنةً بها.
ابتكارات البنية#
يقدم YOLO26 عدة تحسينات مقارنةً بالشبكات العصبية الالتفافية التقليدية والمحوّلات الثقيلة:
- تصميم شامل من البداية إلى النهاية بلا NMS: يدعم YOLO26، مثل RTDETRv2، الاستدلال الأصلي الشامل من البداية إلى النهاية. ومن خلال تخطي المعالجة اللاحقة لـNMS باستخدام الرأس الاختياري أحادي المطابقة (
nms=False)، يتيح نشرًا أسرع وأبسط مع تقليل تذبذب زمن الاستجابة، وهو ما يجعله مثاليًا لـالروبوتات والأنظمة ذاتية التشغيل في الوقت الفعلي. - استدلال أسرع على CPU بنسبة تصل إلى 43%: بفضل التحسينات المعمارية، يتفوق YOLO26 بدرجة كبيرة على النماذج المنافسة في الأجهزة الطرفية التي لا تحتوي على GPU منفصل؛ إذ يعمل YOLO26n بسرعة أعلى تصل إلى 43% على CPU من YOLO11n، ما يجعله خيارًا قويًا لتطبيقات إنترنت الأشياء والمدن الذكية.
- مُحسِّن MuSGD: استلهامًا من ابتكارات تدريب LLM، يستخدم YOLO26 مزيجًا هجينًا من SGD وMuon. ويحقق ذلك تدريبًا أكثر استقرارًا وتقاربًا أسرع، مع خفض ساعات تدريب GPU بدرجة كبيرة.
- ProgLoss + STAL: تحقق الخسارة التدريجية وإسناد التسميات المراعي للأهداف الصغيرة تحسينات ملحوظة في التعرف على الأجسام الصغيرة، وهو مجال واجهت فيه نماذج مثل PP-YOLOE+ صعوبات تاريخيًا، ويُعد ذلك بالغ الأهمية لـالصور الجوية وتطبيقات الطائرات المسيّرة.
- إزالة DFL: تبسّط إزالة خسارة البؤرة التوزيعية عملية التصدير، وتحسن التوافق مع مجموعة متنوعة من الأجهزة الطرفية والأجهزة منخفضة الطاقة.
على خلاف كواشف الأجسام المتخصصة، يتمتع YOLO26 بمرونة عالية ويدعم تقسيم الكائنات والتصنيف وتقدير الوضعية والصناديق المحيطة الموجّهة (OBB). كما يتضمن تحسينات مخصصة، مثل RLE للوضعية وخسارة زاوية متخصصة لـOBB.
سهولة الاستخدام#
من أكبر سلبيات اعتماد بنيات معقدة مثل RTDETRv2 صعوبة منحنى التعلّم وتشتت عمليات التكامل. وتجرّد منظومة Ultralytics هذه العمليات من التعقيد عبر واجهة API بديهية لـPython ومنصة Ultralytics المستندة إلى الويب.
سواء كنت تدرّب على مجموعات بيانات مخصصة أو تجري استدلالًا سريعًا، فالعملية سهلة:
from ultralytics import RTDETR, YOLO
# هيّئ نموذج YOLO26
model_yolo = YOLO("yolo26n.pt")
# أو بدلاً من ذلك، أنشئ نموذج RT-DETR باستخدام API البسيطة نفسها
model_rtdetr = RTDETR("rtdetr-l.pt")
# شغّل الاستدلال في الوقت الفعلي
results = model_yolo("https://ultralytics.com/images/zidane.jpg")
results[0].show()
# صدّر للنشر على الأجهزة الطرفية بسطر واحد
model_yolo.export(format="engine", quantize=16)تتيح متطلبات الذاكرة الأقل، التي تتميز بها نماذج Ultralytics YOLO عادةً، تدريبًا أسرع ونشرًا على عتاد أقل تكلفة مقارنةً بالنماذج القائمة على Transformer. كما يساعد التطوير النشط والتوثيق الشامل على استقرار مسارات الإنتاج.
بالنسبة إلى الفرق التي تستكشف البدائل، يظل YOLO11 سلفًا كفؤًا يحظى بدعم جيد ضمن المنظومة، ويوفر نقطة أساس متينة للتكامل مع العتاد الحالي. وقد تجد أيضًا أن مقارنة YOLO11 مقابل RT-DETR مفيدة.
الملخص#
أسهم PP-YOLOE+ وRTDETRv2 إسهامًا كبيرًا في تطور الرؤية الحاسوبية، إذ أثبتا جدوى مسارات CNN المتقدمة والمحوّلات الآنية، على التوالي. ومع ذلك، يُعد Ultralytics YOLO26 الحل الموصى به للمؤسسات التي تسعى إلى نشر تطبيقات رؤية حاسوبية متينة ومتعددة الاستخدامات ومحسّنة في عام 2026. ويساعد الاستدلال الاختياري بلا NMS، والاستدلال الأسرع كثيرًا على CPU، والمنظومة المبسّطة المطورين على الانتقال سريعًا من الفكرة إلى الإنتاج القابل للتوسع.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.