RTDETRv2 ضد EfficientDet: مقارنة فنية شاملة

في المشهد المتطور لرؤية الحاسوب، يُعد اختيار بنية الكشف عن الأجسام الصحيحة أمرًا محوريًا لنجاح المشروع. يتعمق هذا التحليل في RTDETRv2، وهو نموذج متطور قائم على المحولات ومصمم للأداء في الوقت الفعلي، و EfficientDet، وهي عائلة قابلة للتطوير من الشبكات العصبية الالتفافية (CNNs) المحسّنة لتحقيق الكفاءة. نحلل الابتكارات المعمارية ومقاييس الأداء وسيناريوهات النشر المثالية لمساعدة المطورين على اتخاذ قرارات مستنيرة.

نظرات عامة على النموذج

غالبًا ما يعتمد الاختيار بين هذين النموذجين على القيود المحددة للأجهزة المستهدفة ومتطلبات الدقة للتطبيق.

RTDETRv2

RTDETRv2 (Real-Time Detection Transformer v2) يمثل خطوة كبيرة إلى الأمام في تطبيق Architectures transformer للكشف عن الكائنات في الوقت الفعلي. تم تطويره بواسطة باحثين في Baidu، وهو يعتمد على نجاح RT-DETR الأصلي، وتحسين المشفر الهجين وآليات اختيار الاستعلام لتحقيق دقة متطورة مع سرعات استدلال تنافسية على أجهزة GPU.

المؤلفون: وينييو ليف، ييان تشاو، تشينياو تشانغ، كوي هوانغ، قوانتشونغ وانغ، ويي ليو
المؤسسة:بايدو
التاريخ: 2023-04-17
Arxiv:RT-DETR: DETRs Beat YOLOs on Real-time Object Detection
GitHub:RT-DETR Repository
المستندات:توثيق RT-DETRv2

تعرف على المزيد حول RTDETR

EfficientDet

EfficientDet، التي طورتها Google Brain، أحدثت ثورة في هذا المجال عند إصدارها من خلال تقديم طريقة منهجية لتوسيع أبعاد النموذج. من خلال الجمع بين العمود الفقري EfficientNet وشبكة هرم الميزات ثنائية الاتجاه الموزونة (BiFPN)، فإنه يوفر مجموعة من النماذج (D0-D7) التي توازن بين التكلفة الحسابية والدقة، مما يجعلها متعددة الاستخدامات للغاية لقيود الموارد المختلفة.

المؤلفون: مينغشينغ تان، رومينغ بانغ، وكوك ف. لي
المؤسسة:Google Research
التاريخ: 2019-11-20
Arxiv:EfficientDet: كشف الأجسام القابل للتطوير والفعال
GitHub:مستودع AutoML
الوثائق:EfficientDet Readme

تعرف على المزيد حول EfficientDet

تحليل معماري

يكمن الاختلاف الأساسي في اللبنات الأساسية الخاصة بهم: أحدهما يستفيد من السياق العالمي للمحولات، بينما يقوم الآخر بتحسين كفاءة الالتواءات.

RTDETRv2: قوة المحولات

يستخدم RTDETRv2 وحدة ترميز هجينة تعالج ميزات متعددة المقاييس بكفاءة. بخلاف الشبكات العصبونية الالتفافية (CNNs) التقليدية، فإنه يستخدم آلية اختيار استعلام مدركة لـ IoU لتركيز الانتباه على الأجزاء الأكثر صلة من الصورة. يتيح ذلك للنموذج التعامل بفعالية مع المشاهد المعقدة التي تتضمن إعاقة ومقاييس كائنات متفاوتة. يفصل الهيكل التفاعلات داخل المقياس ودمج المقاييس المتعددة، مما يقلل من النفقات الحسابية المرتبطة عادةً بـ محولات الرؤية (ViTs)‏.

مزايا المحولات (Transformer)

تسمح آلية الانتباه في RTDETRv2 بحقول استقبال عالمية، مما يمكّن النموذج من فهم العلاقات بين الكائنات البعيدة في مشهد أفضل من شبكات CNN النموذجية.

EfficientDet: كفاءة قابلة للتطوير

تم تصميم EfficientDet على EfficientNet backbone ويقدم BiFPN. يسمح BiFPN بدمج الميزات متعددة المقاييس بسهولة وسرعة من خلال تعلم أهمية ميزات الإدخال المختلفة. علاوة على ذلك، تستخدم EfficientDet طريقة توسيع مركبة تعمل على توسيع الدقة والعمق والعرض للشبكة بشكل موحد. يضمن ذلك إمكانية تصميم النموذج—من D0 خفيف الوزن لتطبيقات الأجهزة المحمولة إلى D7 الثقيل لمهام الخادم عالية الدقة.

مقارنة الأداء

تبرز معايير الأداء تمييزًا واضحًا في فلسفة التصميم. يهدف RTDETRv2 إلى تحقيق ذروة الدقة على الأجهزة القوية، بينما يقدم EfficientDet تدرجًا دقيقًا للكفاءة.

النموذج	الحجم ^{(بالبكسل)}	mAP^val 50-95	السرعة ^{وحدة المعالجة المركزية CPU ONNX (بالمللي ثانية)}	السرعة ^{T4 TensorRT10 (بالمللي ثانية)}	المعلمات ^(M)	FLOPs ^(B)
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

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

كما هو موضح في الجدول، تحقق RTDETRv2-x قيمة mAP فائقة تبلغ 54.3، متفوقة حتى على أكبر EfficientDet-d7 (53.7 mAP) مع كونها أسرع بكثير على TensorRT (15.03 مللي ثانية مقابل 128.07 مللي ثانية). ومع ذلك، بالنسبة للبيئات المقيدة للغاية، يظل EfficientDet-d0 خيارًا خفيف الوزن بشكل لا يصدق مع الحد الأدنى من المعلمات (3.9 مليون) و FLOPs.

نقاط القوة والضعف

نقاط قوة RTDETRv2:

دقة عالية: يوفر أداء كشف detect من الدرجة الأولى، خاصة على مجموعة بيانات COCO الصعبة.
تحسين وحدة معالجة الرسوميات (GPU): التصميم قابل للموازاة بدرجة كبيرة، مما يجعله مثاليًا لنشر TensorRT على وحدات معالجة الرسوميات NVIDIA.
خالٍ من المرتكزات (Anchor-Free): يلغي الحاجة إلى ضبط مربع الارتكاز، مما يبسط مسار التدريب.

نقاط قوة EfficientDet:

قابلية التوسع: يسمح النطاق D0-D7 بمطابقة حجم النموذج بدقة مع قدرات الأجهزة.
حساب منخفض: المتغيرات الأصغر (D0-D2) ممتازة للاستدلال على وحدات المعالجة المركزية (CPU) فقط أو الأجهزة الطرفية المحمولة.
مُنشأ: بنية ناضجة مع دعم واسع النطاق في أدوات التحويل المختلفة.

نقاط الضعف:

RTDETRv2: يتطلب ذاكرة CUDA كبيرة للتدريب وعادة ما يكون أبطأ على وحدات المعالجة المركزية (CPUs) بسبب عمليات المحولات.
EfficientDet: زمن انتقال أعلى في نهاية الدقة العالية (D7) مقارنة بأجهزة الكشف الحديثة؛ يمكن أن يكون التدريب أبطأ في التقارب.

حالات الاستخدام المثالية

يعتمد اختيار النموذج المناسب بشكل كبير على بيئة التطبيق المحددة.

اختر RTDETRv2 لأنظمة المراقبة المتطورة أو القيادة الذاتية أو أنظمة الفحص الصناعي حيث تتوفر وحدة معالجة رسومات قوية. إن قدرتها على تمييز التفاصيل الدقيقة تجعلها مناسبة لمهام مثل detecting الحبوب في التصنيع الطبي أو تحليل صور الأقمار الصناعية المعقدة.
اختر EfficientDet لأجهزة إنترنت الأشياء التي تعمل بالبطاريات أو تطبيقات الأجهزة المحمولة أو السيناريوهات التي تتطلب توافقًا واسعًا عبر مستويات الأجهزة المختلفة. إنه مناسب تمامًا في ماسحات جرد البيع بالتجزئة الذكية أو أنظمة إنذار الأمان الأساسية حيث تكون التكلفة واستهلاك الطاقة من الاهتمامات الرئيسية.

ميزة Ultralytics YOLO

في حين أن RTDETRv2 و EfficientDet لهما مزاياهما، فإن Ultralytics YOLO11 يقدم توليفة مقنعة لأفضل ميزاتهما، مغلفة في نظام بيئي سهل الاستخدام للمطورين.

لماذا يفضل المطورون Ultralytics؟

تم تصميم نماذج Ultralytics ليس فقط للمعايير، ولكن لقابلية الاستخدام في العالم الحقيقي.

سهولة الاستخدام: يقلل Python API و CLI الخاصان بـ Ultralytics بشكل كبير من تعقيد التدريب والنشر. يمكن للمستخدمين الانتقال من التثبيت إلى التدريب على مجموعة بيانات مخصصة في دقائق.
نظام بيئي جيد الصيانة: مدعومًا بمجتمع مزدهر وتحديثات متكررة، يتكامل إطار عمل Ultralytics بسلاسة مع أدوات MLOps مثل Weights & Biases و MLFlow و Ultralytics HUB لإدارة البيانات.
موازنة الأداء: يحقق YOLO11 أحدث التوازنات بين السرعة/الدقة. غالبًا ما يطابق أو يتجاوز دقة نماذج المحولات مثل RTDETRv2 مع الحفاظ على سرعة الاستدلال التي تميز الشبكات العصبية CNNs.
كفاءة الذاكرة: على عكس متطلبات الذاكرة الكبيرة للتدريب القائم على المحولات، تم تحسين نماذج YOLO للاستخدام الفعال لوحدة معالجة الرسومات GPU، مما يسمح بأحجام دفعات أكبر على الأجهزة الاستهلاكية.
Versatility: إطار عمل واحد يدعم Object Detection و Instance Segmentation و Pose Estimation و Classification و Oriented Object Detection (OBB).

كفاءة التدريب

توفر Ultralytics أوزانًا مُدرَّبة مسبقًا تسهل التعلم بالنقل، مما يقلل بشكل كبير من وقت التدريب. إليك مدى سهولة بدء تدريب نموذج YOLO11:

from ultralytics import YOLO

# Load a pre-trained YOLO11 model
model = YOLO("yolo11n.pt")

# Train the model on the COCO8 dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

نشر مبسط

يمكن تصدير نماذج Ultralytics إلى العديد من التنسيقات مثل ONNX و TensorRT و CoreML و OpenVINO بأمر واحد، مما يبسط المسار من البحث إلى الإنتاج. تعرف على المزيد حول أوضاع التصدير.

الخلاصة

في مقارنة RTDETRv2 مقابل EfficientDet، يعتمد الفائز على قيودك. تتفوق RTDETRv2 في بيئات عالية الدقة ومسرّعة بوحدة معالجة الرسومات، مما يثبت أن المحولات يمكن أن تكون سريعة. يظل EfficientDet خيارًا قويًا للسيناريوهات الطرفية منخفضة الطاقة والمقيدة للغاية.

ومع ذلك، بالنسبة لغالبية المطورين الذين يبحثون عن حل متعدد الاستخدامات وسهل الاستخدام وعالي الأداء، يبرز Ultralytics YOLO11. إن قدرته على التعامل مع مهام رؤية متعددة داخل نظام بيئي واحد ومتماسك - جنبًا إلى جنب مع كفاءة الذاكرة الفائقة وسرعة التدريب - تجعله الخيار الأمثل لـ تطبيقات رؤية الكمبيوتر الحديثة.

استكشف مقارنات أخرى

لتوسيع فهمك لنماذج الكشف عن الكائنات المتاحة، ضع في اعتبارك استكشاف هذه المقارنات ذات الصلة: