RTDETRv2 مقابل EfficientDet#
يعد اختيار بنية الشبكة العصبية المثالية قراراً حاسماً لأي مشروع computer vision. تحلل هذه المقارنة التقنية الشاملة نموذجين مؤثرين لاكتشاف الكائنات: RTDETRv2، وهو نموذج كشف متطور يعتمد على المحولات (transformer)، وEfficientDet، وهي شبكة عصبية تلافيفية عالية قابلية التوسع. سنقوم بتقييم بنياتها المميزة، وperformance metrics، ومنهجيات التدريب، وسسيناريوهات النشر المثالية لمساعدتك في اتخاذ قرارات تعتمد على البيانات لخطوط أنابيب الذكاء الاصطناعي لديك.
RTDETRv2: نموذج Transformer للكشف في الوقت الفعلي#
بناءً على نجاح نموذج RT-DETR الأصلي، يطور RTDETRv2 نموذج object detection القائم على المحولات. من خلال تحسين هياكل المرمز (encoder) والمفكك (decoder)، فإنه يوفر دقة عالية مع الحفاظ على سرعات استدلال في الوقت الفعلي، مما يردم الفجوة بفعالية بين شبكات CNN التقليدية ومحولات الرؤية.
تفاصيل النموذج
المؤلفون: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang, و Yi Liu
المنظمة: Baidu
التاريخ: 2024-07-24
الروابط: Arxiv، GitHub، Docs
الهيكلية ونقاط القوة الأساسية#
يستخدم RTDETRv2 بنية هجينة تجمع بين عمود فقري قوي لشبكة CNN (غالباً ResNet أو HGNet) ومفكك محولات فعال. تتمثل الميزة الأكثر تميزاً لـ RTDETRv2 في قدرته الأصلية على تجاوز قمع الحد الأقصى غير (NMS). تتطلب الكواشف التقليدية NMS لتصفية مربعات الإحاطة المكررة، مما يضيف inference latency متغيراً أثناء المعالجة اللاحقة. يصيغ RTDETRv2 الاكتشاف كمشكلة تنبؤ مجموعة مباشرة، مستخدماً المطابقة الثنائية (bipartite matching) لإخراج تنبؤات فريدة.
يتفوق هذا النموذج في عمليات نشر جانب الخادم حيث تكون ذاكرة GPU وفيرة. توفر آلية الانتباه الشامل الخاصة به وعياً استثنائياً بالسياق، مما يجعله بارعاً للغاية في فصل الكائنات المتداخلة في البيئات المزدحمة والكثيفة مثل security alarm systems الآلية أو مراقبة الحشود الكثيفة.
القيود#
على الرغم من قوتها، تتطلب بنيات المحولات بطبيعة الحال المزيد من ذاكرة CUDA أثناء التدريب مقارنة بشبكات CNN القياسية. علاوة على ذلك، يمكن أن يتطلب ضبط RTDETRv2 أوقات التقارب لـ training data أطول، مما يجعل النماذج الأولية السريعة تستهلك موارد أكثر قليلاً.
EfficientDet: شبكات CNN قابلة للتوسع وفعالة#
قدمت EfficientDet عائلة من نماذج اكتشاف الكائنات المحسنة لكل من الدقة والكفاءة عبر نطاق واسع من قيود الموارد. تظل مثالاً كلاسيكياً لتصميم machine vision القابل للتوسع.
تفاصيل النموذج
المؤلفون: Mingxing Tan, Ruoming Pang, و Quoc V. Le
المنظمة: Google
التاريخ: 2019-11-20
الروابط: Arxiv، GitHub، Docs
الهيكلية ونقاط القوة الأساسية#
ييكمن الابتكار وراء EfficientDet في مجالين رئيسيين: شبكة هرم الميزات ثنائية الاتجاه (BiFPN) وطريقة القياس المركب. تتيح BiFPN عملية feature extraction متعددة المقاييس سريعة وبسيطة من خلال إدخال أوزان قابلة للتعلم لمعرفة أهمية ميزات الإدخال المختلفة، مع تطبيق دمج الميزات متعدد المقاييس من أعلى إلى أسفل ومن أسفل إلى أعلى بشكل متكرر. تقوم طريقة القياس المركب بقياس دقة الشبكة وعمقها وعرضها بشكل موحد في نفس الوقت.
تتراوح نماذج EfficientDet من D0 خفيف الوزن للغاية إلى D7 الضخم. هذا يجعلها متعددة الاستخدامات بشكل كبير لنشر edge AI حيث يجب على المطورين موازنة ميزانيات الحوسبة الضيقة مع متطلبات الدقة، مثل تطبيقات augmented reality للهواتف المحولة المبكرة.
القيود#
EfficientDet هي بنية أقدم تعتمد بشكل كبير على مربعات المرساة (anchor boxes) وتلعب خط أنابيب المعالجة اللاحقة التقليدي NMS. تتطلب عملية إنشاء المرساة hyperparameter tuning دقيقاً، ويمكن أن تشكل خطوة NMS عنق زجاجة في النشر على الأجهزة المضمنة مثل Raspberry Pi. كما أنها تفتقر إلى الدعم الأصلي للمهام الحديثة مثل pose estimation أو oriented bounding boxes (OBB).
مقارنة الأداء والمقاييس#
يتطلب فهم المقايضات الدقيقة بين هذه النماذج تحليل إنتاجيتها وكفاءة معاملاتها. يوضح الجدول أدناه كيفية مقارنة سلسلة RTDETRv2 الحديثة مع عائلة EfficientDet القابلة للتوسع.
| النموذج | الحجم (بكسل) | mAPval 50-95 | السرعة CPU ONNX (ms) | السرعة T4 TensorRT10 (ms) | 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 لوحظ أعلاه، يحقق RTDETRv2 قيمة mean Average Precision (mAP) أعلى بكثير عند عدد معاملات مقارنة بنماذج EfficientDet متوسطة المستوى، مستخدماً بنية المحولات الخاصة به بشكل كبير لتعزيز الدقة.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين RT-DETR وEfficientDet على متطلبات مشروعك المحددة، وقيود النشر، وتفضيلات النظام البيئي.
متى تختار RT-DETR#
RT-DETR خيار قوي لـ:
- أبحاث الاكتشاف القائمة على Transformer: المشاريع التي تستكشف آليات الانتباه وهياكل transformer لاكتشاف الكائنات بنهاية واحدة دون NMS.
- سيناريوهات الدقة العالية مع زمن انتقال مرن: التطبيقات التي تكون فيها دقة الاكتشاف هي الأولوية القصوى ويكون زمن انتقال الاستنتاج الأعلى قليلاً مقبولاً.
- اكتشاف الكائنات الكبيرة: المشاهد التي تحتوي بشكل أساسي على كائنات متوسطة إلى كبيرة حيث توفر آلية الانتباه العالمي للمحولات ميزة طبيعية.
متى تختار EfficientDet#
يُنصح باستخدام EfficientDet في الحالات التالية:
- خطوط أنابيب Google Cloud وTPU: الأنظمة المتكاملة بعمق مع واجهات برمجة تطبيقات Google Cloud Vision أو بنية TPU التحتية حيث يتمتع EfficientDet بتحسين أصلي.
- أبحاث القياس المركب (Compound Scaling): المقارنة المعيارية الأكاديمية التي تركز على دراسة تأثيرات موازنة عمق الشبكة، وعرضها، وتوسيع نطاق الدقة.
- النشر على الأجهزة المحمولة عبر TFLite: المشاريع التي تتطلب بشكل خاص تصدير TensorFlow Lite لنظام أندرويد أو أجهزة لينكس المدمجة.
متى تختار Ultralytics (YOLO26)#
بالنسبة لمعظم المشاريع الجديدة، يقدم Ultralytics YOLO26 أفضل مزيج من الأداء وتجربة المطورين:
- نشر الحافة الخالي من NMS: التطبيقات التي تتطلب استنتاجاً متسقاً ومنخفض زمن الانتقال دون تعقيدات معالجة ما بعد المعالجة باستخدام كبت غير الأقصى.
- بيئات وحدة المعالجة المركزية (CPU) فقط: الأجهزة التي لا تحتوي على تسريع مخصص بوحدة معالجة الرسوميات (GPU)، حيث توفر سرعة استنتاج CPU أسرع بنسبة تصل إلى 43% في YOLO26 ميزة حاسمة.
- الكشف عن الأشياء الصغيرة: السيناريوهات الصعبة مثل صور الطائرات بدون طيار الجوية أو تحليل مستشعرات إنترنت الأشياء (IoT) حيث تعمل ProgLoss و STAL على تعزيز الدقة بشكل كبير على الأشياء الدقيقة.
بديل Ultralytics: دفع حدود التكنولوجيا الحديثة#
بينما يتمتع كل من RTDETRv2 و EfficientDet بمزايا قوية، فإن تطوير الذكاء الاصطناعي الحديث يتطلب أطراً توفر developer experience سلساً إلى جانب أداء متطور. يوفر Ultralytics ecosystem نهجاً أكثر انسيابية بشكل ملحوظ لمهام الرؤية الحاسوبية.
إذا كنت تستكشف أحدث الاكتشافات المتطورة، فإن الإصدار الجديد Ultralytics YOLO26 يدمج أفضل جوانب كل من شبكات CNN والمحولات.
ينفذ YOLO26 تصميم End-to-End NMS-Free Design، مما يجلب بساطة نشر RTDETRv2 إلى بنية YOLO فائقة الكفاءة. علاوة على ذلك، فإنه يقدم MuSGD Optimizer—المستوحى من ابتكارات تدريب النماذج اللغوية الكبيرة (LLM)—لتحقيق استقرار تدريب متفوق. مع إزالة DFL Removal (تمت إزالة Distribution Focal Loss لتسهيل التصدير وتحسين توافق الحافة/الأجهزة منخفضة الطاقة)، يفتخر YOLO26 بتحقيق استفادة أسرع للوحدة المركزية بنسبة تصل إلى 43% عبر edge computing مقارنة بالأجيال السابقة، مما يجعله خياراً استثنائياً مقارنة بالنماذج الأثقل. بالإضافة إلى ذلك، يوفر ProgLoss + STAL وظائف خسارة محسنة مع تحسينات ملحوظة في التعرف على الكائنات الصغيرة، وهو أمر بالغ الأهمية لإنترنت الأشياء (IoT)، والروبوتات، والتصوير الجوي.
تعتبر سهولة الاستخدام التي توفرها Ultralytics Python package لا تُضاهى. يمكن للمطورين تدريب النماذج، والتحقق من صحتها، وexport models باستخدام واجهة برمجة تطبيقات (API) بديهية تجرّد كود التمهيد (boilerplate) المطلوب عادةً بواسطة مستودعات الأبحاث.
from ultralytics import RTDETR
# Load a pre-trained RTDETRv2 model from the Ultralytics ecosystem
model = RTDETR("rtdetr-l.pt")
# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Export for optimized inference on TensorRT
model.export(format="engine")تدعم نماذج Ultralytics أصلًا مهام متعددة، بما في ذلك instance segmentation وimage classification، مما توفر مجموعة أدوات متعددة الاستخدامات لاحتياجات الصناعة المتنوعة. علاوة على ذلك، فإن إزالة خسارة بؤرة التوزيع (DFL) في نماذج Ultralytics الحديثة تبسط الرسم البياني الحسابي، مما يضمن تصديراً أكثر سلاسة إلى NPUs and TPUs المضمنة.
لتحقيق data annotation وإدارة النماذج بسلاسة، توفر Ultralytics Platform بيئة سحابية شاملة للإشراف على دورة حياة تعلم الآلة بأكملها، مما يجعلها الخيار الأول لنشر حلول الرؤية الحاسوبية القوية في بيئة الإنتاج.