RTDETRv2 مقابل PP-YOLOE+
أنتجت أبحاث الرؤية الحاسوبية عدة أساليب معمارية لـاكتشاف الكائنات في الزمن الحقيقي. ويتبع RTDETRv2 وPP-YOLOE+ نهجين مختلفين جذريًا: فالأول Transformer للاكتشاف، والثاني كاشف التفافي. ويهدف كلاهما إلى اكتشاف عالي الأداء، لكن آلياتهما وأساليب تدريبهما وسيناريوهات النشر المثالية تختلف.
يقارن هذا الدليل بين بنيتيهما ومقاييس أدائهما ودعم النظام البيئي، لمساعدة المطورين والباحثين على اختيار النموذج المناسب لاحتياجات النشر لديهم.
نظرة عامة على النماذج#
قبل تحليل بيانات الأداء، من المهم فهم نشأة كل نموذج وأهدافه المعمارية. فكلاهما من فرق بحثية في Baidu، لكنهما يمثلان فرعين مختلفين ضمن عائلة نماذج اكتشاف الأجسام.
RTDETRv2#
يبني RTDETRv2 على Transformer الأصلي للاكتشاف في الزمن الحقيقي، ويجمع بين عمود فقري من CNN ومشفر هجين فعال ومفكك ترميز Transformer. وتتمثل ميزته الأساسية في التنبؤ الشامل الذي يلغي الحاجة إلى القمع غير الأقصى (NMS) أثناء المعالجة اللاحقة.
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- arXiv: 2407.17140
- GitHub: مستودع RT-DETR
PP-YOLOE+#
PP-YOLOE+ نسخة محسنة من PP-YOLOE طوّرها فريق PaddleDetection، وهي محسّنة للتطبيقات الصناعية. يستخدم النموذج بنية CNN قابلة للتوسع مع رأس اكتشاف خالٍ من المراسي. وصُمم لتحقيق مفاضلة قوية بين السرعة والدقة، ويقدم تقنيات مثل الرأس الفعال المتوافق مع المهام (ET-head) وخسارة البؤرة التوزيعية لتحسين اكتشاف الكائنات الصغيرة.
- المؤلفون: مؤلفو PaddlePaddle
- الجهة: Baidu
- التاريخ: 2022-04-02
- arXiv: 2203.16250
- GitHub: مستودع PaddleDetection
تعرّف على المزيد حول PP-YOLOE+
على الرغم من أن لكل من النموذجين مستودعات أبحاث مستقلة، يمكنك تجربة RT-DETR الأصلي مباشرةً ضمن حزمة Python من Ultralytics، التي توفر واجهة API موحدة وخيارات تصدير مدمجة.
الاختلافات المعمارية#
يكمن الفرق الأساسي بين هذين النموذجين في طريقة معالجتهما للسياق المرئي وتوليد التنبؤات.
يستخدم PP-YOLOE+ عمودًا فقريًا تقليديًا، لكنه محسّن بدرجة عالية، من شبكة عصبية التفافية (CNN). ويعتمد على حقول الاستقبال المحلية لاستخراج السمات، ما يجعله سريعًا وفعالًا للنشر القياسي. لكنه لا يزال يتطلب معالجة لاحقة باستخدام NMS لتصفية مربعات الإحاطة المتداخلة، ما قد يزيد زمن الاستجابة في المشاهد الكثيفة.
في المقابل، يستخدم RTDETRv2 مشفرًا هجينًا ومفكك ترميز Transformer. وهذا يتيح للنموذج التقاط السياق الشامل عبر الصورة بأكملها. وتصمم آلية الانتباه العلاقات بين الكائنات، لذا يخرج النموذج مربعات الإحاطة النهائية مباشرةً من دون NMS. ويحافظ هذا النهج الشامل على استقرار زمن استجابة الاستدلال بصرف النظر عن عدد الكائنات المكتشفة.
مقاييس الأداء والمقارنة#
عند تقييم مقاييس أداء YOLO، وازن بين الدقة (mAP) والتكلفة الحسابية (FLOPs) وسرعة الاستدلال. يعرض الجدول أدناه أداء النموذجين بمختلف أحجامهما.
| 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 |
| 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 |
يحقق PP-YOLOE+x أعلى قيمة mAPval50-95 على مجموعة بيانات COCO، بنسبة 54.7%، أي أعلى بـ 0.4 نقطة من RTDETRv2-x، مع زمن استجابة أقل قليلًا باستخدام TensorRT (14.3 ms مقابل 15.03 ms)، لكنه يتطلب عددًا أكبر من المعلمات (98.42M مقابل 76M). وعند المقياس الكبير، يكون RTDETRv2-l أدق من PP-YOLOE+l (53.4% مقابل 52.9%) مع عدد أقل من المعلمات، بينما يكون PP-YOLOE+l أسرع (8.36 ms مقابل 9.76 ms). كما يوفر PP-YOLOE+ إصدارين Tiny وSmall بأقل من 8M من المعلمات، وهما فئتان حجميتان لا تغطيهما RTDETRv2، ما يجعله مناسبًا للنشر على الأجهزة الطرفية.
ميزة Ultralytics: ظهور YOLO26#
يُعد كل من RTDETRv2 وPP-YOLOE+ كاشفًا قادرًا، لكن المجال واصل تطوره. وللمطورين الذين يرغبون في تحقيق توازن بين السرعة والدقة ودعم النظام البيئي، فإن Ultralytics YOLO26 هو النموذج الموصى به للمشاريع الجديدة.
يجلب YOLO26 الاستدلال الشامل الذي تتميز به محولات الاكتشاف إلى نموذج CNN. ويوفر نمط استدلال اختياريًا شاملًا وخاليًا من NMS (nms=False) يتجاوز المعالجة اللاحقة لـ NMS عند تفعيله. كما يقدم محسّن MuSGD، وهو مزيج هجين من SGD وMuon مستوحى من تدريب نماذج اللغة الكبيرة (LLM)، لتدريب أكثر استقرارًا وتقارب أسرع.
على خلاف نماذج Transformer الثقيلة التي تتطلب قدرًا كبيرًا من ذاكرة CUDA، يتميز YOLO26 بإزالة DFL (خسارة البؤرة التوزيعية)، وهو محسّن للحوسبة الطرفية، ما يوفر استدلالًا على CPU أسرع بنسبة تصل إلى 43% لنموذج YOLO26n مقارنةً بـYOLO11n.
يتجاوز YOLO26 أيضًا اكتشاف الكائنات، إذ يدعم مباشرةً تجزئة الكائنات، والتجزئة الدلالية، وتقدير العمق، وتصنيف الصور، وتقدير الوضعية، ومربعات الإحاطة الموجّهة (OBB)، بينما يركز PP-YOLOE+ على اكتشاف مربعات الإحاطة.
منهجيات التدريب والمنظومة#
يظهر أكبر اختلاف بين النظام البيئي لـ Ultralytics ومستودعات الأبحاث المستقلة في كفاءة التدريب وسهولة الاستخدام. يعتمد PP-YOLOE+ على إطار عمل PaddlePaddle، وغالبًا ما يتطلب RTDETRv2 إعدادًا معقدًا للبيئة، بينما تستخدم نماذج Ultralytics حزمة واحدة قابلة للتثبيت وواجهة API موحدة.
توفر واجهة API من Ultralytics معالجة آلية لمجموعات البيانات وضبطًا مدمجًا للمعلمات الفائقة، كما تُدرّب نماذج YOLO بمتطلبات ذاكرة أقل من كواشف Transformer. ويمكن تصدير النماذج إلى تنسيقات الإنتاج مثل ONNX أو TensorRT باستخدام أمر واحد.
مثال برمجي: استدلال مبسّط#
يشغّل المثال أدناه RT-DETR إلى جانب نموذج YOLO26 الموصى به باستخدام حزمة Python من Ultralytics:
from ultralytics import RTDETR, YOLO
# تهيئة نموذج RT-DETR (يدعم Ultralytics النموذجين الأصليين RT-DETR-L وRT-DETR-X)
model_rtdetr = RTDETR("rtdetr-l.pt")
# تنفيذ استدلال خالٍ من NMS على صورة اختبار
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_rtdetr[0].show()
# هيّئ أحدث نموذج YOLO26
model_yolo26 = YOLO("yolo26n.pt")
# درّب نموذج YOLO26 مع تحسين استخدام الذاكرة
model_yolo26.train(data="coco8.yaml", epochs=50, imgsz=640)
# التصدير إلى TensorRT للنشر على الأجهزة الطرفية
model_yolo26.export(format="engine")التطبيقات وحالات الاستخدام في العالم الحقيقي#
يعتمد الاختيار بين هذه البنى غالبًا على متطلبات الأجهزة والتطبيق المحددة.
- RTDETRv2 متفوق في البيئات من جهة الخادم وفهم المشاهد المعقدة. ويجعل الانتباه الشامل النموذج فعالًا في إدارة الحشود وتحليل الصور الطبية الكثيفة، حيث قد تؤدي الكائنات شديدة التداخل إلى جعل NMS يستبعد اكتشافات صحيحة.
- PP-YOLOE+ مناسب للفحص الصناعي عالي السرعة والفرق التي استثمرت بالفعل في النظام البيئي لـ PaddlePaddle. ويجعل انخفاض عدد المعلمات في الأحجام الأصغر منه خيارًا قابلًا للتطبيق لبعض تطبيقات الروبوتات.
- Ultralytics YOLO26 هو الخيار الموصى به لمعظم عمليات النشر التجارية. تحسن الخسارة التدريجية وتعيين التسميات الواعي بالأهداف الصغيرة (STAL) التعرف على الكائنات الصغيرة، وهو أمر مهم لـعمليات الطائرات المسيّرة الجوية ومراقبة حركة المرور في المدن الذكية.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين RT-DETR وPP-YOLOE+ 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 PP-YOLOE+#
يوصى باستخدام PP-YOLOE+ في الحالات التالية:
- التكامل مع منظومة PaddlePaddle: المؤسسات التي تمتلك بنية تحتية قائمة مبنية على إطار العمل والأدوات PaddlePaddle من Baidu.
- النشر الطرفي عبر Paddle Lite: النشر على عتاد مزود بنوى استدلال محسّنة بدرجة عالية خصيصًا لمحرك Paddle Lite أو محرك الاستدلال Paddle.
- اكتشاف عالي الدقة على جانب الخادم: السيناريوهات التي تعطي الأولوية لأقصى دقة اكتشاف على خوادم GPU قوية، حيث لا يشكل الاعتماد على إطار عمل معين مصدر قلق.
متى تختار Ultralytics (YOLO26)#
يوفر Ultralytics YOLO26 أفضل مزيج من الأداء وتجربة المطورين لمعظم المشاريع الجديدة:
- 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 لوحدات GPU، حيث تمنح سرعة الاستدلال على CPU في YOLO26، الأعلى بنسبة تصل إلى 43% (YOLO26n مقابل YOLO11n)، ميزة حاسمة.
- اكتشاف الكائنات الصغيرة: السيناريوهات الصعبة مثل الصور الجوية الملتقطة بالطائرات المسيّرة أو تحليل مستشعرات إنترنت الأشياء، حيث تحسن ProgLoss وSTAL الدقة عند التعامل مع الكائنات الصغيرة.
الخلاصة#
يوضح RTDETRv2 وPP-YOLOE+ أن بُنى Transformer وCNN المحسّنة كلتيهما قابلتان للتطبيق في الاكتشاف الآني. لكن نشر النماذج من قواعد شيفرة بحثية منفصلة قد يبطئ الجداول الزمنية للإنتاج.
تجمع Ultralytics Platform التعليق التوضيحي والتدريب والنشر ضمن سير عمل واحد. وبالانتقال إلى نماذج متكاملة مثل YOLO11 أو YOLO26 الأحدث، تحصل الفرق على مفاضلات قوية بين الدقة والسرعة، مع متطلبات ذاكرة أقل وأعباء تطوير أخف.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.