PP-YOLOE+ مقابل YOLOv5: مقارنة تقنية مفصلة
يعد اختيار النموذج الصحيح لاكتشاف الأجسام أمرًا بالغ الأهمية لمهام الرؤية الحاسوبية. تقدم هذه الصفحة مقارنة فنية بين PP-YOLOE+ و Ultralytics YOLOv5 وهما نموذجان شائعان معروفان بأدائهما وكفاءتهما في اكتشاف الأجسام. سنتعمق في بنيتهما ومقاييس أدائهما وتطبيقاتهما المناسبة لمساعدتك في اتخاذ قرار مستنير.
PP-YOLOE+
PP-YOLOE+، الذي قدمه مؤلفو PaddlePaddle من بايدو في 2022-04-02(رابط Arxiv)، هو كاشف أحادي المرحلة خالٍ من المرساة ومعروف بكفاءته وسهولة نشره داخل منظومة PaddlePaddle (رابط GitHub). يركز على الأداء العالي مع تكوين مبسط(رابط المستندات).
البنية والمميزات الرئيسية
يعتمد PP-YOLOE+ على بنية YOLO مع العديد من التحسينات:
- تصميم خالٍ من المرساة: يبسّط عملية الكشف عن طريق التخلص من الحاجة إلى مربعات الارتكاز، مما يقلل من ضبط المعلمة الفائقة. اكتشف أجهزة الكشف الخالية من المراسي.
- العمود الفقري: يستخدم العمود الفقري لشبكة ResNet مع تحسينات لاستخراج الميزات بكفاءة.
- الرقبة: توظف شبكة تجميع المسار (PAN) لتعزيز دمج الميزات عبر نطاقات مختلفة، على غرار شبكة تجميع المسار (PANet) الخاصة بـ YOLOv5.
- رأس منفصل: يفصل بين رأسي التصنيف والانحدار، مما يحسن الدقة وكفاءة التدريب.
- خسارة تعلُّم محاذاة المهام (TAL): تقوم بمحاذاة مهام التصنيف والتوطين للحصول على اكتشافات أكثر دقة. استكشف وظائف الخسارة في مستندات Ultralytics .
الأداء
تم تصميم PP-YOLOE+ لتحقيق التوازن بين الدقة والسرعة. في حين أن المقاييس المحددة تختلف، إلا أنها تعتبر بشكل عام فعالة من الناحية الحسابية، مما يجعلها مناسبة للتطبيقات في الوقت الحقيقي.
حالات الاستخدام
يُعد PP-YOLOE+ مناسبًا تمامًا للتطبيقات التي تتطلب اكتشافًا قويًا وفعالاً للأجسام، مثل
- فحص الجودة الصناعية: للكشف عن العيوب ومراقبة الجودة في التصنيع. يعمل الذكاء الاصطناعي البصري في التصنيع على تحويل العمليات الصناعية.
- أتمتة إعادة التدوير: تحسين كفاءة إعادة التدوير من خلال تحديد المواد القابلة لإعادة التدوير.
- البيع بالتجزئة الذكي: للذكاء الاصطناعي لإدارة مخزون التجزئة الأكثر ذكاءً وتحليل سلوك العملاء.
نقاط القوة والضعف
- نقاط القوة:
- تصميم بدون مرساة لتبسيط التنفيذ.
- دقة عالية وقدرات استدلالية فعالة.
- موثقة ومدعومة بشكل جيد ضمن إطار عمل PaddlePaddle .
- نقاط الضعف:
- تأمين النظام البيئي للمستخدمين خارج بيئة PaddlePaddle .
- مجتمع أصغر على الأرجح وموارد أقل مقارنة بالنماذج المعتمدة على نطاق واسع مثل YOLOv5.
YOLOv5
Ultralytics YOLOv5 من تأليف جلين جوشر من Ultralytics وتم إصداره في 2020-06-26(رابط GitHub)، وهو نموذج متطور لاكتشاف الأجسام، وهو نموذج حديث مشهور بسرعته ودقته وسهولة استخدامه. تم تصميمه بالكامل باستخدام PyTorch وهو مصمم للأبحاث والتطبيقات العملية(رابط المستندات).
البنية والمميزات الرئيسية
تشتهر YOLOv5 ببنيتها الانسيابية والفعالة:
- العمود الفقري: شبكة CSPDarknet53، مُحسّنة لكفاءة استخراج الميزات.
- الرقبة: PANet لتوليد هرم ميزات فعال، وتعزيز دمج الميزات متعددة المقاييس.
- الرأس: رأس كشف بطبقة ملتفة واحدة للبساطة والسرعة.
- تعزيز البيانات: يستخدم تقنيات زيادة البيانات القوية مثل Mosaic و MixUp لتحسين متانة النموذج. تعرّف على زيادة البيانات.
- أحجام نماذج متعددة: تقدم مجموعة من أحجام النماذج (n، s، m، l، x) لتلبية الاحتياجات الحسابية المختلفة.
الأداء
يشتهر YOLOv5 بتوازنه بين السرعة والدقة، حيث يوفر اكتشاف الأجسام في الوقت الفعلي عبر مختلف أحجام النماذج. تم تصميمه ليكون سريعًا وفعالًا، مما يجعله مثاليًا للنشر في بيئات متنوعة. تعرّف على مقاييس أداء YOLO للمزيد من التفاصيل.
حالات الاستخدام
إن تعدد استخدامات YOLOv5 يجعله مناسبًا لمجموعة كبيرة من التطبيقات:
- تتبع الأجسام في الوقت الحقيقي: مثالي لأنظمة المراقبة والأمن التي تتطلب الكشف عن الأجسام وتتبعها بسرعة. يعرض الكشف عن الأجسام وتتبعها باستخدام Ultralytics YOLOv8 تطبيقات مماثلة.
- نشر أجهزة الحافة: فعال لنشر الأجهزة المتطورة مع YOLOv8 على أجهزة مثل Raspberry Pi و NVIDIA Jetson. ارجع إلى دليل البدء السريع لـ Raspberry Pi ودليل البدء السريع لـ NVIDIA Jetson.
- الحفاظ على الحياة البرية: يُستخدم في حماية التنوع البيولوجي مع YOLOv5 لرصد الحيوانات.
نقاط القوة والضعف
- نقاط القوة:
- سرعة استثنائية وأداء فائق في الوقت الحقيقي.
- نشر مرن مع أحجام متعددة الطرازات.
- مجتمع كبير ونشط مع دعم واسع النطاق. انضم إلى مجتمع Ultralytics .
- سهل الاستخدام مع وثائق ممتازة وتكامل Ultralytics HUB. وثائقUltralytics HUB.
- نقاط الضعف:
- يمكن أن تكون النماذج الأكبر حجمًا كثيفة من الناحية الحسابية.
- قد يتطلّب النهج المستند إلى المرساة مزيدًا من الضبط لمجموعات بيانات محدّدة مقارنةً بالطرق الخالية من المرساة. تعرّف على أجهزة الكشف المستندة إلى المرساة.
جدول الأداء
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 |
يولوف5ن | 640 | 28.0 | 73.6 | 1.12 | 2.6 | 7.7 |
YOLOv5s | 640 | 37.4 | 120.7 | 1.92 | 9.1 | 24.0 |
يولوف5م | 640 | 45.4 | 233.9 | 4.03 | 25.1 | 64.2 |
يولوف5ل | 640 | 49.0 | 408.4 | 6.61 | 53.2 | 135.0 |
YOLOv5x | 640 | 50.7 | 763.2 | 11.89 | 97.2 | 246.4 |
الخاتمة
يعد كل من PP-YOLOE+ و YOLOv5 نموذجين قويين للكشف عن الأجسام. يوفر PP-YOLOE+ نهجًا فعالاً خاليًا من الارتكاز، وهو مفيد بشكل خاص في نظام PaddlePaddle البيئي. يتفوق Ultralytics YOLOv5 في التطبيقات في الوقت الفعلي، حيث يوفر تحسينات للسرعة ومجموعة واسعة من أحجام النماذج، مدعومًا بمجتمع كبير ونظام بيئي شامل.
قد يهتم المستخدمون أيضًا باستكشاف نماذج Ultralytics YOLO الأخرى مثل:
- YOLOv7، المعروف بسرعته وكفاءته.
- YOLOv8أحدث طراز Ultralytics مع أحدث طرازات الأداء المتطورة.
- YOLO11وهو أحدث تكرار يركز على الكفاءة والدقة.
- YOLOv9، الذي يقدم تطورات في كل من الدقة والسرعة.
يعتمد الاختيار بين PP-YOLOE+ و YOLOv5 على احتياجات المشروع وتفضيل إطار العمل والتوازن المطلوب بين السرعة والدقة.