RTDETRv2 مقابل YOLOv10
كان تطور الرؤية الحاسوبية مدفوعًا إلى حد كبير بالحاجة إلى الموازنة بين السرعة والدقة. واعتمدت مسارات عمل كشف الأجسام في الزمن الفعلي تقليديًا على كبت غير الأقصى (NMS) كخطوة للمعالجة اللاحقة لاستبعاد مربعات الإحاطة المتداخلة. لكن NMS يضيف زمن استجابة ويتطلب ضبط العتبات. وهناك نهجان معماريان يزيلانه من النموذج نفسه: نماذج قائمة على Transformer مثل RTDETRv2، ونماذج قائمة على CNN مثل YOLOv10.
تقارن هذه الإرشادات بين بنية النموذجين ومقاييس أدائهما وحالات الاستخدام المثالية، وتوضح موضع النماذج الأحدث في منظومة Ultralytics ضمن النشر الحديث.
RTDETRv2: محولات الاكتشاف في الوقت الفعلي#
يعتمد RTDETRv2 على بنية RT-DETR الأصلية، بهدف الجمع بين فهم السياق الشامل في Vision Transformers ومتطلبات السرعة الآنية التي هيمنت عليها تقليديًا نماذج YOLO.
الخصائص الرئيسية:
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- arXiv: https://arxiv.org/abs/2407.17140
- GitHub: https://github.com/lyuwenyu/RT-DETR/tree/main/rtdetrv2_pytorch
البنية ومنهجيات التدريب#
يستخدم RTDETRv2 بنية Transformer شاملة من البداية إلى النهاية تتجنب NMS. وهو يطور النموذج السابق عبر اتباع نهج «حزمة المجانيات»، وتحسين استراتيجية التدريب وإدراج قدرات الكشف متعدد المقاييس. ويستخدم النموذج عمودًا فقريًا قائمًا على CNN لاستخراج خرائط الميزات (تفاصيل مرئية مثل الحواف والأنسجة)، ثم يعالجها بهيكل مشفّر ومفكّك قائم على Transformer. ويتيح ذلك للنموذج تحليل سياق الصورة كاملًا في وقت واحد، ما يجعله فعالًا للغاية في فهم المشاهد المعقدة التي تتكدس فيها الأجسام أو تتداخل.
نقاط القوة والضعف#
نقاط القوة:
- السياق الشامل: تتيح آلية الانتباه للنموذج التفوق في البيئات المعقدة والمزدحمة.
- خالٍ من NMS: يتنبأ بإحداثيات الكائنات مباشرةً، ما يبسّط مسار النشر.
- دقة عالية: يحقق متوسط دقة متوسطًا (mAP) ممتازًا على مجموعة بيانات COCO.
نقاط الضعف:
- كثيف الموارد: تتطلب بنى Transformer عادةً ذاكرة CUDA أكبر أثناء التدريب من CNN، ما يجعل ضبطها الدقيق مكلفًا على الأجهزة القياسية.
- تفاوت سرعة الاستدلال: رغم سرعته، قد تؤدي حسابات الانتباه المكثفة إلى انخفاض معدل الإطارات في الثانية في الرؤية الحاسوبية على الأجهزة الطرفية التي تفتقر إلى مسرّعات ذكاء اصطناعي مخصصة.
YOLOv10: اكتشاف الأجسام في الزمن الحقيقي من البداية إلى النهاية#
يمثّل YOLOv10 تحولًا كبيرًا في سلسلة اكتشاف الكائنات YOLO، إذ يعالج مباشرةً اختناق NMS طويل الأمد ضمن إطار عمل قائم على CNN.
الخصائص الرئيسية:
- المؤلفون: Ao Wang وHui Chen وLihao Liu وآخرون
- الجهة: جامعة تسينغهوا
- التاريخ: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: https://github.com/THU-MIG/yolov10
البنية ومنهجيات التدريب#
يتمثل الابتكار الأساسي في YOLOv10 في تعييناته المزدوجة المتسقة للتدريب الخالي من NMS. ويستخدم رأسي اكتشاف أثناء التدريب: أحدهما بتعيين واحد إلى متعدد (مثل نماذج YOLO التقليدية) لتوفير إشارات إشراف غنية، والآخر بتعيين واحد إلى واحد لإلغاء الحاجة إلى NMS. وأثناء الاستدلال، يُستخدم رأس الواحد إلى الواحد فقط، ما ينتج عنه تنفيذ شامل. وإضافةً إلى ذلك، طبّق المؤلفون استراتيجية تصميم شاملة للنموذج تستند إلى الكفاءة والدقة، مع تحسين مختلف المكونات على نحو متكامل لتقليل التكرار الحسابي.
نقاط القوة والضعف#
نقاط القوة:
- زمن استجابة منخفض: يحقق YOLOv10 زمن استدلال منخفضًا جدًا من خلال إزالة NMS وتحسين البنية.
- الكفاءة: يتطلب عددًا أقل من المعلمات وعمليات FLOPs لتحقيق دقة مماثلة للنماذج الأخرى، ما يجعله مناسبًا جدًا للبيئات محدودة الموارد.
- عمليات نشر خالية من NMS: يبسّط التكامل في التطبيقات الطرفية، مثل المراقبة الذكية.
نقاط الضعف:
- مفهوم الجيل الأول: بوصفه أول نموذج YOLO يطبّق هذه البنية المحددة الخالية من NMS، أرسى الأساس، لكنه ترك مجالًا لتعدد المهام والتحسين اللذين ظهرا في النماذج اللاحقة مثل YOLO11 وYOLO26.
مقارنة الأداء#
عند تقييم النماذج للإنتاج، يجب موازنة الدقة مع التكلفة الحاسوبية. ويوضح الجدول أدناه المفاضلات بين أحجام RTDETRv2 وYOLOv10 على COCO.
| 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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
يتفوق RTDETRv2 قليلًا في الدقة عند الأحجام الصغيرة والمتوسطة والكبيرة (48.1 و51.9 و53.4 mAP، مقابل 46.3 و51.1 و53.2 لـ YOLOv10s وm وl)، لكن YOLOv10 أسرع وأصغر عند كل الأحجام. ويعادل YOLOv10x دقة RTDETRv2-x (54.4 مقابل 54.3 mAP)، مع 29.5M معلمة بدلًا من 76M وزمن استجابة TensorRT قدره 10.70 ms بدلًا من 15.03 ms. وتجعل نسختا YOLOv10 النانو والصغيرة منه خيارًا جذابًا لتطبيقات الحوسبة الطرفية والذكاء الاصطناعي للأشياء.
إذا كنت تنشر على وحدات GPU مخصصة للخوادم، حيث تكون قيود حجم الدفعة وVRAM أقل، فإن النماذج الأكبر (مثل -x أو -l) تحقق أعلى دقة. أما بالنسبة إلى الأجهزة الطرفية، مثل Raspberry Pi أو الهواتف المحمولة، فأعطِ الأولوية للنسخ nano (-n) أو small (-s) للحفاظ على معدلات إطارات آنية.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين RT-DETR وYOLOv10 على متطلبات مشروعك المحددة وقيود النشر وتفضيلات النظام البيئي.
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 YOLOv10#
يوصى بـ YOLOv10 في الحالات التالية:
- الكشف الآني دون NMS: التطبيقات التي تستفيد من الكشف الشامل من البداية إلى النهاية من دون الكبت غير الأقصى، مما يقلل تعقيد النشر.
- موازنة السرعة والدقة: المشاريع التي تتطلب توازناً جيداً بين سرعة الاستدلال ودقة الكشف عبر مقاييس نماذج متعددة.
- التطبيقات ذات زمن الاستجابة الثابت: سيناريوهات النشر التي تتطلب أوقات استدلال قابلة للتنبؤ، مثل الروبوتات أو الأنظمة ذاتية التشغيل.
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 لا تستخدم إلا CPU: الأجهزة التي لا تتضمن تسريعًا مخصصًا لوحدة GPU، حيث تمنح سرعة استدلال YOLO26n الأعلى بنسبة تصل إلى 43% على CPU مقارنةً بـYOLO11n أفضلية 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.
ميزة Ultralytics: تقديم YOLO26#
يُعد كل من RTDETRv2 وYOLOv10 إسهامًا بحثيًا قويًا، لكن نشرهما في سيناريوهات العالم الحقيقي يتطلب منظومة برمجية تتم صيانتها جيدًا. وتجمع منصة Ultralytics بين سهولة الاستخدام والوثائق الشاملة والأدوات اللازمة لـوسم البيانات والنشر.
للمشاريع الجديدة في عام 2026، يُعد Ultralytics YOLO26 النموذج الموصى به. فهو يستند إلى أفكار من كلا النهجين المعماريين ويضيف عدة تحسينات:
- تصميم شامل خالٍ من NMS: استنادًا إلى التدريب الخالي من NMS الذي أدخله YOLOv10 إلى نماذج YOLO، يوفّر YOLO26 رأسًا اختياريًا أحادي المطابقة (
nms=False) يتجاوز المعالجة اللاحقة لـ NMS، ما يؤدي إلى منطق نشر أسرع وأبسط وزمن استجابة أكثر ثباتًا. - إزالة DFL: من خلال إزالة خسارة البؤرة التوزيعية، يبسط YOLO26 تصدير النموذج ويحسن التوافق مع الأجهزة الطرفية ومنخفضة الطاقة.
- محسّن MuSGD: يوفر هذا المحسّن، وهو مزيج من SGD وMuon مستوحى من تقنيات تدريب LLM، تدريبًا أكثر استقرارًا وتقاربًا أسرع.
- استدلال أسرع على CPU بنسبة تصل إلى 43%: يعمل YOLO26n على CPU مع ONNX بسرعة تفوق YOLO11n بنسبة تصل إلى 43%، ما يفيد في البيئات التي لا تتوفر فيها وحدات GPU مخصصة.
- ProgLoss + STAL: تعمل الخسارة التدريجية وتعيين التسميات المراعي للأهداف الصغيرة (STAL) على تحسين التعرّف على الأجسام الصغيرة، وهو أمر بالغ الأهمية لـالتطبيقات المعتمدة على الطائرات المسيّرة ومستشعرات إنترنت الأشياء.
- دعم متعدد المهام: بخلاف النماذج التي تقتصر على مربعات الإحاطة، يدعم YOLO26 أيضًا تجزئة الكائنات، والتجزئة الدلالية، وتقدير العمق، وتصنيف الصور، وتقدير الوضعية، وكشف OBB، إلى جانب تحسينات خاصة بالمهام مثل تقدير الاحتمالية اللوغاريتمية المتبقية (RLE) للوضعية.
التنفيذ باستخدام Python#
صُمم تدريب هذه النماذج ونشرها باستخدام واجهة Python البرمجية من Ultralytics ليكون بسيطًا. كما أن متطلبات الذاكرة أثناء التدريب أقل من متطلبات البنى المعتمدة بكثافة على Transformer، ما يتيح لك تدريب نماذج قوية على أجهزة قياسية.
from ultralytics import YOLO
# حمّل نموذج YOLO26 (موصى به)
# بدلًا من ذلك، حمّل نموذج YOLOv10 باستخدام YOLO('yolov10n.pt')
model = YOLO("yolo26n.pt")
# درّب النموذج على مجموعة البيانات المخصصة
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# التصدير بسهولة إلى تنسيقات متنوعة للنشر على الأجهزة الطرفية
model.export(format="onnx", simplify=True)سواء أكنت تنفذ أنظمة إنذار أمني أم تجري تحليل الصور الطبية، فإن اختيار نموذج تدعمه مجتمع Ultralytics النشط يضمن توفر الأدوات وإرشادات ضبط المعلمات الفائقة والتحديثات المستمرة اللازمة للنجاح. وقد مهد YOLOv10 وRTDETRv2 الطريق للبنى الخالية من NMS، ويواصل YOLO26 هذا العمل محققًا توازنًا قويًا بين الأداء وتعدد الاستخدامات والاستعداد للإنتاج.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.