RTDETRv2 مقابل PP-YOLOE+#
أدى مجال الرؤية الحاسوبية المتطور سريعاً إلى إنتاج مقاربات معمارية متنوعة لحل تحديات اكتشاف الكائنات في الوقت الفعلي المعقدة. ومن بين أبرز التطورات الأخيرة نموذج RTDETRv2 وننموذج PP-YOLOE+، وهما نموذجان قويان يتناولان التعرف البصري من فلسفات تصميمية مختلفة تماماً. وفي حين يهدف كلا النموذجين إلى توفير اكتشاف عالي الأداء، فإن آلياتها الأساسية ونماذج تدريبها وسيناريوهات نشرها المثالية تختلف بشكل كبير.
يتعمق هذا الدليل الشامل في الفروق التقنية لكلا النموذجين، حيث يقارن بين معمارياتهما ومقاييس أدائهما ودعم النظام البيئي لمساعدة المطورين والباحثين في اختيار الحل الأمثل لاحتياجات النشر الخاصة بهم.
نظرة عامة على النماذج#
قبل تحليل بيانات الأداء، من المهم فهم أصول والأهداف المعمارية لكل نموذج. ينشأ كلاهما من فرق البحث في Baidu، إلا أنهما يمثلان فرعين مختلفين من شجرة عائلة اكتشاف الكائنات.
RTDETRv2#
يمثل RTDETRv2 قفزة كبيرة في معماريات الرؤية القائمة على المحولات (Transformer). بناءً على نموذج Real-Time Detection Transformer الأصلي، فإنه يستفيد من هيكل أساسي مرن لرؤية المحولات مقترن بمشفر هجين فعال. ومن أبرز خصائصه قدرته الأصلية على التنبؤ من البداية إلى النهاية، مما يلغي تماماً الحاجة إلى كبت غير الحد الأقصى (NMS) أثناء المعالجة اللاحقة.
المؤلف: Wenyu Lv و Yian Zhao و Qinyao Chang و Kui Huang و Guanzhong Wang و Yi Liu
المنظمة: Baidu
التاريخ: 2024-07-24
Arxiv: 2407.17140
GitHub: مستودع RT-DETR
PP-YOLOE+#
يعد PP-YOLOE+ إصداراً متطوراً من سلسلة YOLO، وقد تم تحسينه بشكل كبير للتطبيقات الصناعية عالية الأداء. وهو يتيح بنية CNN قابلة للتطوير مع رأس اكتشاف خالٍ من نقاط الارتكاز (anchor-free). وقد تم تصميمه لتقديم مفاضلات استثنائية بين السرعة والدقة، حيث يقدم تقنيات قوية مثل رأس ET ووظيفة خسارة بؤرية تعميمية لتحسين اكتشاف الكائنات الصغيرة.
المؤلف: مؤلفو PaddlePaddle
المنظمة: Baidu
التاريخ: 2022-04-02
Arxiv: 2203.16250
GitHub: مستودع PaddleDetection
في حين أن كلا النموذجين لهما مستودعاتهما البحثية المستقلة، يمكنك بسهولة تجربة RTDETRv2 مباشرة داخل حزمة Python من Ultralytics، والاستفادة من واجهة برمجة تطبيقات (API) موحدة وخيارات تصدير مبسطة.
الاختلافات المعمارية#
يكمن الاختلاف الأساسي بين هذين النموذجين في كيفية معالجتهما للسياق البصري وتوليد التنبؤات.
يستخدم PP-YOLOE+ هيكلاً أساسياً تقليدياً ولكن محسناً للغاية للشبكات العصبية التلافيفية (CNN). يعتمد على حقول استقبال محلية لاستخراج الميزات، مما يجعله سريعاً وفعالاً بشكل لا يصدق للنشر القياسي. ومع ذلك، فإنه لا يزال يتطلب معالجة لاحقة قياسية عبر NMS لتصفية الصناديق المحيطة المتداخلة، وهو ما قد يؤدي إلى اختناقات في زمن الاستجابة في المشاهد المزدحمة.
على العكس من ذلك، يستخدم RTDETRv2 مشفراً هجيناً وفك تشفير محول. يتيح ذلك للنموذج التقاط السياق العالمي عبر الصورة بأكملها في وقت واحد. تفهم آليات الانتباه بطبيعتها العلاقات بين الأجسام، مما يمكن النموذج من إخراج صناديق محيطة نهائية مباشرة بدون NMS. يضمن هذا النهج من البداية إلى النهاية استقرار زمن استجابة الاستدلال بغض النظر عن عدد الأجسام المكتشفة.
مقاييس الأداء والمقارنة#
عند تقييم مقاييس أداء YOLO، من الضروري موازنة الدقة (mAP) مقابل التكلفة الحسابية (FLOPs) وسرعة الاستدلال. يوضح الجدول أدناه أداء كلا النموذجين عبر أحجام مختلفة.
| 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 |
| 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+m | 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 |
بينما يحقق PP-YOLOE+x نسبة mAPval أعلى هامشياً تبلغ 54.7% على مجموعة بيانات COCO، توفر نماذج RTDETRv2 عموماً دقة تنافسية مع ميزة إضافية تتمثل في الكمون الثابت نظراً لتصميمها الخالي من NMS. ومع ذلك، يحافظ PP-YOLOE+ على ميزة صارمة في عدد المعلمات و FLOPs للنماذج الأصغر، مما يجعله فعالاً للغاية لعمليات نشر الحافة.
ميزة Ultralytics: ظهور YOLO26#
في حين أن RTDETRv2 و PP-YOLOE+ مميزان في حد ذاتهما، فقد استمرت أحدث التقنيات في التطور. بالنسبة للمطورين الذين يسعون للحصول على التوازن الأمثل بين السرعة والدقة ودعم النظام البيئي، يمثل Ultralytics YOLO26 المعيار الصناعي الجديد.
يجمع YOLO26 بين أفضل جوانب شبكات CNN والمحولات. فهو يتبنى تصميم End-to-End NMS-Free الذي رادت به المعماريات الحديثة، مما يقضي فعلياً على اختناقات المعالجة اللاحقة. علاوة على ذلك، فإنه يقدم محسن MuSGD الثوري، وهو نهج هجين مستوحى من ابتكارات تدريب النماذج اللغوية الكبيرة (LLM) التي تضمن تدريباً مستقراً للغاية وتقارباً سريعاً.
على عكس نماذج المحولات الثقيلة التي تتطلب ذاكرة CUDA كبيرة، يتميز YOLO26 بخاصية إزالة DFL (توزيع فقدان البؤرة) وهو محسّن خصيصاً للحوسبة على الحافة، مما يوفر استدلالاً أسرع بـ 43% على CPU مقارنة بالأجيال السابقة.
بالإضافة إلى ذلك، لا يقتصر YOLO26 على اكتشاف الكائنات البسيطة فحسب. فهو يتميز بتنوعه الأصلي، حيث يدعم تجزئة المثيلات وتقدير الوضعية ومربعات الإحاطة الموجهة (OBB) بشكل مباشر، بينما يركز PP-YOLOE+ في المقام الأول على اكتشاف مربعات الإحاطة.
منهجيات التدريب والنظام البيئي#
كفاءة التدريب وسهولة الاستخدام هما المجالان الذي يتألق فيهما نظام Ultralytics البيئي حقاً مقارنة بالمستودعات البحثية المستقلة. بينما يعتمد PP-YOLOE+ على إطار عمل PaddlePaddle وغالباً ما يتطلب RTDETRv2 إعدادات بيئة معقدة، فإن دمج النماذج من خلال Ultralytics يوفر تجربة سلسة.
باستخدام واجهة برمجة تطبيقات (API) الخاصة بـ Ultralytics، ستستفيد من متطلبات ذاكرة أقل أثناء التدريب، والتعامل الآلي مع مجموعات البيانات، وضبط المعلمات الفائقة المبسط. علاوة على ذلك، يمكن إنجاز نشر النماذج إلى تنسيقات الإنتاج مثل ONNX أو TensorRT باستخدام أمر واحد فقط.
مثال كودي: استدلال مبسط#
فيما يلي عرض توضيحي لمدى سهولة استخدام RTDETRv2 جنباً إلى جنب مع نموذج YOLO26 الموصى به باستخدام حزمة Ultralytics Python:
from ultralytics import RTDETR, YOLO
# Initialize the RTDETRv2 model
model_rtdetr = RTDETR("rtdetr-l.pt")
# Perform NMS-free inference on a test image
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_rtdetr[0].show()
# For superior speed and versatility, initialize the latest YOLO26 model
model_yolo26 = YOLO("yolo26n.pt")
# Train the YOLO26 model effortlessly with optimized memory usage
model_yolo26.train(data="coco8.yaml", epochs=50, imgsz=640)
# Export to TensorRT for edge deployment
model_yolo26.export(format="engine")التطبيقات الواقعية وحالات الاستخدام#
غالباً ما يعتمد الاختيار بين هذه المعماريات على الأجهزة المحددة ومتطلبات التطبيق.
- يتفوق RTDETRv2 في بيئات الخوادم وفهم المشاهد المعقدة. تجعل آلية الانتباه الشامل الخاصة به فعالة للغاية في إدارة الحشود وتحليل الصور الطبية الكثيفة، حيث تؤدي الكائنات المتداخلة عادةً إلى فشل خوارزميات NMS القياسية.
- يعد PP-YOLOE+ مناسباً جداً للفحص الصناعي عالي السرعة والبيئات المستثمرة بكثافة في نظام PaddlePaddle البيئي. إن انخفاض عدد المعلمات لديه عند المقاييس الأصغر يجعله قابلاً للتطبيق في بعض تطبيقات الروبوتات.
- يعتبر Ultralytics YOLO26 الحل الموصى به عالمياً للنشر التجاري الشامل. بفضل وظائف ProgLoss + STAL المحسنة، فإنه يحسن بشكل كبير التعرف على الكائنات الصغيرة والذي يعد بالغ الأهمية لـ عمليات الطائرات بدون طيار (الدرون) الجوية ومراقبة حركة مرور المدن الذكية.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين RT-DETR و PP-YOLOE+ 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 PP-YOLOE+#
يوصى بـ PP-YOLOE+ من أجل:
- تكامل بيئة PaddlePaddle: المنظمات التي لديها بنية تحتية حالية مبنية على إطار عمل وأدوات Baidu's PaddlePaddle.
- النشر على أجهزة الحافة (Paddle Lite): عند النشر على أجهزة ذات أنوية استنتاج محسّنة خصيصاً لمحرك Paddle Lite أو محرك استنتاج Paddle.
- الكشف عالي الدقة من جانب الخادم: السيناريوهات التي تعطي الأولوية لأقصى دقة للكشف على خوادم GPU قوية حيث لا يمثل الاعتماد على إطار عمل معين مصدر قلق.
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.
الخلاصة#
لقد دفع كل من RTDETRv2 و PP-YOLOE+ حدود ما هو ممكن في الرؤية الحاسوبية، مما أثبت جدوى كل من المحولات ومعماريات CNN المحسنة للغاية. ومع ذلك، فإن تعقيد نشر قواعد الأكواد البحثية المجزأة يمكن أن يعيق جداول زمنية للإنتاج.
بالنسبة لمهندسي الذكاء الاصطناعي المعاصرين، يوفر الاستفادة من منصة Ultralytics ميزة لا تضاهى. من خلال الانتقال إلى نماذج متكاملة بسلاسة مثل YOLO11 أو YOLO26 المتطور، يمكن للفرق تحقيق أعلى نسب ممكنة للدقة إلى السرعة مع تقليل متطلبات الذاكرة والنفقات العامة للتطوير بشكل جذري.