RTDETRv2 مقابل EfficientDet
يُعد اختيار البنية المثلى للشبكة العصبية قرارًا محوريًا في أي مشروع من مشاريع الرؤية الحاسوبية. تقارن هذه الدراسة التقنية بين نموذجين مؤثرين للكشف عن الأجسام: RTDETRv2، وهو كاشف آني قائم على المحوّلات، وEfficientDet، وهي شبكة عصبية التفافية قابلة للتوسع بدرجة كبيرة. وتقيّم الدراسة بنيتيهما، ومقاييس الأداء، وأساليب التدريب، وسيناريوهات النشر الأنسب، لمساعدتك على اتخاذ قرارات مستندة إلى البيانات بشأن مسارات عمل الذكاء الاصطناعي لديك.
RTDETRv2: Transformer للكشف في الزمن الحقيقي#
استنادًا إلى نجاح RT-DETR الأصلي، تطوّر RTDETRv2 نهج اكتشاف الكائنات القائم على Transformer. ومن خلال تحسين بنيتي المُرمّز ومفكّك الترميز، تحقق دقة عالية مع الحفاظ على سرعات استدلال آنية، ما يسد الفجوة بفعالية بين نماذج CNN التقليدية وTransformers الخاصة بالرؤية.
تفاصيل النموذج
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- روابط: arXiv، GitHub، الوثائق
البنية ونقاط القوة الأساسية#
يستخدم RTDETRv2 بنية هجينة تجمع بين عمود فقري قوي من CNN (غالبًا ResNet أو HGNet) ومفكّك محوّلات فعّال. وأبرز سماته قدرته الأصلية على تجاوز القمع غير الأقصى (NMS). إذ تحتاج الكواشف التقليدية إلى NMS لتصفية الصناديق المحيطة المكررة، ما يضيف زمن استجابة متغيرًا للاستدلال أثناء المعالجة اللاحقة. أما RTDETRv2 فيصوغ الكشف بوصفه مسألة تنبؤ مباشر بالمجموعات، ويستخدم المطابقة الثنائية لإخراج تنبؤات فريدة.
يحقق هذا النموذج أفضل أداء في عمليات النشر على الخوادم، حيث تتوفر ذاكرة GPU بوفرة. وتوفر آلية الانتباه العام فيه إدراكًا قويًا للسياق، ما يجعله ملائمًا جدًا لفصل الأجسام المتداخلة في البيئات المكتظة والفوضوية، مثل أنظمة الإنذار الأمني المؤتمتة أو مراقبة الحشود الكثيفة.
القيود#
على الرغم من قوة بنى المحوّلات، فإنها تتطلب بطبيعتها ذاكرة CUDA أكبر أثناء التدريب مقارنةً بشبكات CNN القياسية. وقد يستغرق ضبط RTDETRv2 الدقيق وقتًا أطول للتقارب على بيانات التدريب الجديدة أيضًا، ما يجعل النمذجة الأولية السريعة أكثر استهلاكًا للموارد.
EfficientDet: نماذج CNN قابلة للتوسع وفعّالة#
قدمت EfficientDet عائلة من نماذج اكتشاف الكائنات المحسّنة لتحقيق الدقة والكفاءة عبر نطاق واسع من قيود الموارد. وتظل مثالًا كلاسيكيًا على التصميم القابل للتوسع في الرؤية الآلية.
تفاصيل النموذج
- المؤلفون: Mingxing Tan وRuoming Pang وQuoc V. Le
- الجهة: Google
- التاريخ: 2019-11-20
- روابط: arXiv، GitHub، الوثائق
البنية ونقاط القوة الأساسية#
يكمن الابتكار وراء EfficientDet في مجالين رئيسيين: شبكة هرمية ثنائية الاتجاه للميزات (BiFPN) وطريقة للتحجيم المركب. تتيح BiFPN استخلاص الميزات متعددة المقاييس ببساطة وسرعة، إذ تضيف أوزانًا قابلة للتعلّم لتحديد أهمية ميزات الإدخال المختلفة، مع تكرار دمج الميزات متعددة المقاييس من الأعلى إلى الأسفل ومن الأسفل إلى الأعلى. أما طريقة التحجيم المركب فتحجّم دقة الشبكة وعمقها وعرضها جميعًا بالتساوي وفي آن واحد.
تتدرج نماذج EfficientDet من D0 خفيف الوزن إلى D7 الأكبر بكثير. وهذا يجعلها متعددة الاستخدامات لعمليات نشر الذكاء الاصطناعي الطرفي، حيث يتعين على المطوّرين الموازنة بين ميزانيات الحوسبة المحدودة ومتطلبات الدقة، مثل تطبيقات الواقع المعزز المبكرة على الأجهزة المحمولة.
القيود#
EfficientDet بنية أقدم تعتمد بدرجة كبيرة على صناديق المراسي ومسار المعالجة اللاحقة التقليدي لـNMS. وتتطلب عملية إنشاء المراسي ضبطًا دقيقًا للمعلمات الفائقة، كما قد تؤدي خطوة NMS إلى اختناق النشر على الأجهزة المضمنة مثل Raspberry Pi. وتفتقر أيضًا إلى الدعم الأصلي للمهام الحديثة مثل تقدير الوضعيات أو الصناديق المحيطة الموجّهة (OBB).
تعرّف على المزيد عن EfficientDet
مقارنة الأداء والمقاييس#
يتطلب فهم المفاضلات الدقيقة بين هذه النماذج تحليل الإنتاجية وكفاءة المعلمات. يوضح الجدول أدناه مقارنة سلسلة RTDETRv2 الحديثة بعائلة EfficientDet القابلة للتوسع.
| النموذج | الحجم (بكسل) | mAPval50-95 | السرعة CPU ONNX (مللي ثانية) | السرعة T4 TensorRT10 (ms) | المعاملات (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 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
كما يظهر أعلاه، يضاهي RTDETRv2 أو يتجاوز متوسط الدقة (mAP) لنماذج EfficientDet ذات الأحجام المماثلة، مع تشغيل أسرع بكثير على GPU (مثلًا، 53.4 mAP في 9.76 ms لـ RTDETRv2-l مقابل 52.6 mAP في 89.29 ms لـ EfficientDet-d6)، مستفيدًا من بنية المحوّلات لتعزيز الدقة.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين RT-DETR وEfficientDet على متطلبات مشروعك المحددة وقيود النشر وتفضيلات المنظومة.
متى تختار RT-DETR#
يُعد RT-DETR خيارًا قويًا 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 EfficientDet#
يوصى باستخدام EfficientDet في الحالات التالية:
- مسارات Google Cloud وTPU: أنظمة مستندة إلى TensorFlow على بنية Google Cloud TPU، حيث يدعم التنفيذ المرجعي لـ EfficientDet التدريب على TPU.
- أبحاث التحجيم المركب: المقارنات الأكاديمية التي تركز على دراسة آثار التوسيع المتوازن لعمق الشبكة وعرضها ودقتها.
- النشر على الأجهزة المحمولة عبر LiteRT: المشاريع التي تتطلب تحديدًا التصدير باستخدام LiteRT (المعروف سابقًا باسم TensorFlow Lite) لأجهزة Android أو أجهزة Linux المضمنة.
متى تختار Ultralytics (YOLO26)#
بالنسبة إلى معظم المشاريع الجديدة، يقدم Ultralytics YOLO26 أفضل مزيج من الأداء وتجربة المطور:
- 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 تتضمن تسريعًا مخصصًا بواسطة GPU، حيث يمنح الاستدلال على CPU في YOLO26n، الأسرع بنسبة تصل إلى 43% من 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.
البديل من Ultralytics#
على الرغم من المزايا الكبيرة لكل من RTDETRv2 وEfficientDet، يتطلب تطوير الذكاء الاصطناعي الحديث أطر عمل توفر تجربة مطوّر سلسة إلى جانب أداء قوي. وتوفر منظومة Ultralytics نهجًا أكثر انسيابية بدرجة كبيرة لمهام الرؤية الحاسوبية.
إذا كنت تستكشف خيارات الكشف الحديثة، فإن Ultralytics YOLO26 الذي طُرح حديثًا يجمع أفضل جوانب شبكات CNN والمحوّلات.
يطبق YOLO26 تصميمًا شاملًا من البداية إلى النهاية وخاليًا من NMS اختياريًا (nms=False)، جامعًا بساطة نشر RTDETRv2 مع كفاءة بنية YOLO. كما يقدم مُحسِّن MuSGD، المستوحى من تقنيات تدريب LLM، لتحقيق استقرار أفضل في التدريب. وبفضل إزالة DFL (إزالة خسارة البؤرة التوزيعية لتبسيط التصدير وتحسين التوافق مع الأجهزة الطرفية ومنخفضة الطاقة)، يحقق YOLO26n استدلالًا على CPU أسرع بنسبة تصل إلى 43% من YOLO11n، ما يجعله خيارًا قويًا لـالحوسبة الطرفية مقارنةً بالنماذج الأثقل. كما يحقق ProgLoss + STAL (الخسارة التدريجية وإسناد التسميات الواعي بالأهداف الصغيرة) تحسينات ملحوظة في التعرّف على الأجسام الصغيرة، وهو أمر بالغ الأهمية لإنترنت الأشياء والروبوتات والصور الجوية.
صُممت حزمة Ultralytics لـPython لتكون سهلة الاستخدام. يستطيع المطوّرون تدريب النماذج والتحقق منها وتصديرها عبر API سهلة الاستخدام، تختصر التعليمات البرمجية النمطية التي تتطلبها عادةً مستودعات الأبحاث.
from ultralytics import RTDETR
# حمّل نموذج RT-DETR مدرّبًا مسبقًا من منظومة Ultralytics
model = RTDETR("rtdetr-l.pt")
# تدريب النموذج على مجموعة بيانات COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# صدّر النموذج للاستدلال المحسّن على TensorRT
model.export(format="engine")تدعم نماذج Ultralytics بطبيعتها مهامًا متعددة، منها تجزئة المثيلات وتصنيف الصور، ما يوفر مجموعة أدوات متعددة الاستخدامات لتلبية احتياجات القطاعات المختلفة. كما أن إزالة خسارة البؤرة التوزيعية (DFL) من نماذج Ultralytics الحديثة تبسّط الرسم البياني الحسابي، ما يتيح تصديرًا أكثر سلاسة إلى وحدات NPU وTPU المضمنة.
لتوصيف البيانات وإدارة النماذج، توفر منصة Ultralytics بيئة سحابية شاملة لدورة تعلّم الآلة بأكملها، ما يجعلها خيارًا قويًا لنشر حلول الرؤية الحاسوبية المتينة في بيئات الإنتاج.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.