مقارنة بين النموذجين: PP-YOLOE+ مقابل YOLO11 للكشف عن الأجسام
عند اختيار نموذج رؤية حاسوبية لاكتشاف الأجسام، من الضروري فهم نقاط القوة والضعف في البنى المختلفة. تقدم هذه الصفحة مقارنة تقنية مفصلة بين PP-YOLOE+ و Ultralytics YOLO11 وهما من أحدث النماذج، لمساعدتك على اتخاذ قرار مستنير.
Ultralytics YOLO11: كفاءة متطورة وتعدد استخدامات
يُعدّ Ultralytics YOLO11 الذي ألّفه جلين جوتشر وجينغ تشيو من شركة Ultralytics وتم إصداره في 2024-09-27، أحدث تكرار في سلسلة YOLO المشهود لها. وهو مصمم لاكتشاف الأجسام في الوقت الفعلي ويتفوق في تحقيق التوازن بين السرعة والدقة عبر تطبيقات متنوعة. يعتمد YOLO11 على نماذج YOLO السابقة، حيث يقدم تحسينات معمارية لتحسين الأداء وتعدد الاستخدامات عبر مهام مثل تصنيف الصور وتجزئة النماذج وتقدير الوضع.
البنية والمميزات الرئيسية
يحافظ YOLO11 على نموذج الاكتشاف أحادي المرحلة الخالي من الارتكاز، مع إعطاء الأولوية لسرعة الاستدلال. تشمل الميزات المعمارية الرئيسية ما يلي:
- عمود فقري فعال: عمود فقري مبسط لاستخراج الميزات بسرعة.
- قابلية التوسع: متوفرة بأحجام متعددة (n، s، m، l، x) لتناسب الاحتياجات الحاسوبية وبيئات النشر المختلفة، بدءًا من الأجهزة الطرفية مثل NVIDIA Jetson إلى الخوادم السحابية.
- تعدد الاستخدامات: يدعم العديد من مهام الرؤية الحاسوبية المختلفة التي تتجاوز اكتشاف الأجسام، مما يوفر حلاً مرناً ضمن نظام Ultralytics البيئي.
مقاييس الأداء
يُظهر YOLO11 توازنًا قويًا بين السرعة والدقة، مما يجعله مناسبًا للتطبيقات في الوقت الفعلي.
- mAP: يحقق متوسط الدقة المتوسطة (mAP) على أحدث مستوى في مجموعات البيانات مثل COCO. ارجع إلى دليل مقاييس أداءYOLO للحصول على تفاصيل حول mAP ومقاييس التقييم الأخرى.
- سرعة الاستدلال: مُحسَّن للاستدلال السريع، وهو أمر بالغ الأهمية لاحتياجات المعالجة في الوقت الحقيقي كما هو الحال في الذكاء الاصطناعي للرؤية في تطبيقات البث.
- حجم النموذج: يحافظ على حجم نموذج صغير، مما يسهل النشر على الأجهزة محدودة الموارد.
نقاط القوة والضعف
نقاط القوة:
- متعدد الاستخدامات ودقيق: تتفوق في مهام الرؤية المختلفة، وتوفر دقة وسرعة عاليتين.
- نظام بيئي سهل الاستخدام: تكامل سلس داخل نظام Ultralytics البيئي، مع نظام شامل Pythonووثائق استخدامCLI الشاملة.
- نشر قابل للتطوير: تضمن أحجام النماذج المتعددة إمكانية التكيف مع الأجهزة المختلفة.
نقاط الضعف:
- الطلب الحسابي: يمكن أن تكون النماذج الأكبر حجمًا كثيفة من الناحية الحسابية، مما يتطلب أجهزة قوية لتحقيق الأداء الأمثل في الوقت الحقيقي.
- التعقيد بالنسبة للمستخدمين الجدد: على الرغم من سهولة الاستخدام، إلا أن ضبط وفهم الفروق الدقيقة في البنية قد يمثل منحنى تعليمي للمستخدمين الجدد في مجال الرؤية الحاسوبية.
حالات الاستخدام المثالية
YOLO11 مناسب تمامًا للتطبيقات التي تتطلب اكتشاف الأجسام في الوقت الفعلي بدقة عالية:
- تحليلات الفيديو في الوقت الحقيقي: تستفيد تطبيقات مثل إدارة قوائم الانتظار وأنظمة الأمان من سرعته ودقته.
- نشر الذكاء الاصطناعي المتطور: فعال للمعالجة على الجهاز على منصات مثل Raspberry Pi.
- الأنظمة ذاتية القيادة: مثالية للسيارات ذاتية القيادة والروبوتات التي تتطلب إدراكًا سريعًا ودقيقًا، كما هو موضح في الذكاء الاصطناعي للرؤية في تطبيقات القيادة الذاتية.
PP-YOLOE+: التركيز على الدقة والكفاءة
تم تصميم PP-YOLOE+ (YOLO يولو العملي مع التحسين المطور)، الذي طوره مؤلفو PaddlePaddle في بايدو وتم إصداره في 2022-04-02، لاكتشاف الأجسام بدقة عالية وكفاءة معقولة. إنه نسخة محسّنة من سلسلة PP-YOLOE، مع التركيز على التطبيقات الصناعية حيث تكون الدقة أمرًا بالغ الأهمية. يعطي PP-YOLOE+ الأولوية للدقة دون التضحية بسرعة الاستدلال بشكل كبير وهو جزء من نموذج PaddleDetection zoo.
البنية والمميزات الرئيسية
يتبنى PP-YOLOE+ أيضًا نهجًا خاليًا من المراسي، مع التركيز على الدقة والكفاءة. تشمل الميزات الرئيسية ما يلي:
- تركيز عالي الدقة: تم تحسينه معماريًا لتحقيق دقة عالية في مهام اكتشاف الأجسام.
- تصميم فعال: يوازن بين الدقة وسرعة الاستدلال الفعالة، وهو مناسب للتطبيقات الصعبة.
- تكاملPaddlePaddle : يستفيد من إطار عمل التعلم العميق PaddlePaddle ويستفيد من تحسيناته ونظامه البيئي.
مقاييس الأداء
تتفوق PP-YOLOE+ في الدقة مع الحفاظ على السرعة التنافسية:
- متوسط دقة عالية: يحقق متوسط دقة متوسطة عالية (mAP)، مما يدل على دقة عالية في مجموعات البيانات المعيارية مثل COCO، كما هو مفصل في وثائق PP-YOLOE+.
- استدلال فعال: يوفر توازناً جيداً بين الدقة وسرعة الاستدلال، وهو مناسب للتطبيقات الصناعية التي تتطلب تحليلاً في الوقت الحقيقي.
- حجم النموذج: يقدم أحجام نماذج مختلفة لاستيعاب الموارد الحاسوبية المختلفة.
نقاط القوة والضعف
نقاط القوة:
- دقة استثنائية: يعطي الأولوية لدقة الكشف العالية، وهو أمر بالغ الأهمية للتطبيقات ذات الدقة الحرجة مثل فحص الجودة في التصنيع.
- التركيز الصناعي: مناسب تمامًا للبيئات الصناعية التي تتطلب اكتشافًا موثوقًا ودقيقًا للأجسام.
- نظامPaddlePaddle البيئي: الاستفادة من النظام الإيكولوجي لإطار عمل PaddlePaddle والتحسينات التي يجريها.
نقاط الضعف:
- انغلاق النظام الإيكولوجي: بشكل أساسي داخل النظام البيئي PaddlePaddle وهو ما قد يكون اعتبارًا للمستخدمين المدمجين بعمق في أطر عمل أخرى مثل PyTorch المستخدمة من قبل Ultralytics YOLO.
- أقل تنوعًا في سياق Ultralytics : على الرغم من قدراته، إلا أنه غير مدمج أصلاً في إطار عمل Ultralytics متعدد المهام مثل YOLO11.
حالات الاستخدام المثالية
يُعد PP-YOLOE+ مناسبًا بشكل مثالي للتطبيقات التي تكون فيها الدقة أمرًا بالغ الأهمية:
- مراقبة الجودة الصناعية: التطبيقات التي تتطلب كشفاً دقيقاً للعيوب وضمان الجودة في عمليات التصنيع كما يظهر في تحسين التصنيع باستخدام الرؤية الحاسوبية.
- الزراعة الدقيقة: مهام مثل مراقبة المحاصيل وتقدير المحاصيل حيث يؤثر الاكتشاف الدقيق على عملية صنع القرار، وهو ما يظهر في الذكاء الاصطناعي الذي يقود الابتكار في الزراعة.
- تصوير الرعاية الصحية: تحليل الصور الطبية حيث تكون دقة الكشف أمرًا بالغ الأهمية للتشخيص، مثل الكشف عن الأورام في التصوير الطبي.
جدول مقارنة النماذج
| الطراز | الحجم (بكسل) |
مافال 50-95 |
السرعة CPU ONNX (مللي ثانية) |
السرعة T4 T4TensorRT10 (مللي ثانية) |
بارامز (م) |
(ب) |
|---|---|---|---|---|---|---|
| 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+م | 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 |
| يولو 11 ن | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
| يولو 11 م | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| يولو 11ل | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| يولو11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
الخاتمة
يُعد كل من PP-YOLOE+ و YOLO11 نموذجين قويين للكشف عن الأجسام، ولكل منهما مزايا فريدة. يوفر YOLO11 حلاً متعدد الاستخدامات وعالي الأداء ضمن نظام Ultralytics وهو مثالي للتطبيقات التي تتطلب توازنًا بين السرعة والدقة في مختلف مهام الرؤية. يتفوق PP-YOLOE+ في الدقة والكفاءة، وهو مفيد بشكل خاص للمستخدمين في إطار عمل PaddlePaddle وأولئك الذين يعطون الأولوية للدقة في الإعدادات الصناعية.
كما يمكن للمستخدمين المهتمين باستكشاف نماذج أخرى ضمن نظام Ultralytics البيئي النظر في:
- YOLOv8 - موديل متعدد الاستخدامات وسهل الاستخدام في سلسلة YOLO .
- YOLOv9 - معروف بالتقدم في الدقة والكفاءة.
- YOLO - نماذج مصممة من خلال البحث في البنية العصبية لتحقيق الأداء الأمثل.
- RT-DETR - محول تحويلات ديتر في الوقت الحقيقي، يقدم نهجاً معمارياً مختلفاً.
- YOLOv7 و YOLOv6 و YOLOv5 - الإصدارات السابقة في عائلة YOLO ولكل منها خصائص الأداء ونقاط القوة الخاصة به.
