RT-DETRv2 مقارنة بـ YOLOv10: مقارنة فنية لاكتشاف الكائنات
يتطلب اختيار نموذج الكشف عن الكائنات الأمثل التنقل في مشهد من البنى المتطورة، حيث تملي المفاضلات بين الدقة وزمن الوصول واستهلاك الموارد أفضل ملاءمة لتطبيق معين. يحلل هذا التحليل الفني RT-DETRv2، وهو نموذج قائم على المحولات مصمم لمهام عالية الدقة، و YOLOv10، وهو التطور الذي يركز على الكفاءة لعائلة YOLO الشهيرة. من خلال فحص ابتكاراتهم المعمارية ومقاييس الأداء وخصائص النشر، نهدف إلى توجيه المطورين نحو الحل الأمثل لاحتياجاتهم الخاصة.
RT-DETRv2: محولات الرؤية المحسّنة
RT-DETRv2 يمثل تكرارًا مهمًا في سلسلة Real-Time Detection Transformer، التي تم ريادتها في الأصل لتحدي هيمنة الكاشفات القائمة على CNN. تم تطوير هذا النموذج بواسطة باحثين في Baidu، ويتضمن "Bag-of-Freebies" لتعزيز استقرار التدريب والأداء دون تكبد تكاليف استدلال إضافية.
- المؤلفون: وينييو ليف، ييان تشاو، تشينياو تشانغ، كوي هوانغ، قوانتشونغ وانغ، ويي ليو
- المؤسسة:بايدو
- التاريخ: 2024-07-24
- Arxiv:https://arxiv.org/abs/2407.17140
- GitHub:https://github.com/lyuwenyu/RT-DETR/tree/main/rtdetrv2_pytorch
الهيكلة ونقاط القوة
يستفيد RT-DETRv2 من وحدة ترميز هجينة و Vision Transformer (ViT) قابلة للتطوير. على عكس الشبكات العصبية الالتفافية التقليدية (CNNs) التي تعالج الصور باستخدام حقول استقبال محلية، تستخدم بنية المحولات آليات الانتباه الذاتي لالتقاط السياق العام. يتيح ذلك للنموذج تمييز العلاقات بين الكائنات البعيدة والتعامل مع الانسدادات المعقدة بفعالية. تركز تحسينات "v2" على تحسين اختيار الاستعلام الديناميكي وتقديم استراتيجيات تدريب مرنة تسمح للمستخدمين بضبط التوازن بين السرعة و الدقة.
على الرغم من فعالية هذه البنية، إلا أنها تتطلب بطبيعتها موارد حسابية كبيرة. تساهم طبقات الانتباه الذاتي، على الرغم من قوتها، في زيادة استهلاك الذاكرة أثناء التدريب والاستدلال مقارنة بالبدائل القائمة على CNNs البحتة.
YOLOv10: معيار الكفاءة في الوقت الفعلي
YOLOv10 يدفع حدود نموذج You Only Look Once من خلال تقديم استراتيجية تدريب خالية من NMS وتصميم شامل مدفوع بالكفاءة والدقة. تم إنشاؤه بواسطة باحثين في جامعة Tsinghua، وهو مصمم خصيصًا لتقليل زمن الوصول مع الحفاظ على أداء اكتشاف تنافسي.
- المؤلفون: Ao Wang, Hui Chen, Lihao Liu، وآخرون.
- المؤسسة:جامعة تسينغ - هوا
- التاريخ: 2024-05-23
- Arxiv:https://arxiv.org/abs/2405.14458
- GitHub:https://github.com/THU-MIG/yolov10
الهيكلة ونقاط القوة
السمة المميزة لـ YOLOv10 هي إلغاء Non-Maximum Suppression (NMS) من خلال استراتيجية تعيين مزدوجة متسقة. غالبًا ما تتنبأ كاشفات الكائنات التقليدية بمربعات إحاطة متعددة لكائن واحد، مما يتطلب معالجة لاحقة لـ NMS لتصفية التكرارات. تخلق هذه الخطوة عنق الزجاجة في زمن انتقال الاستدلال. يزيل YOLOv10 هذا الشرط، مما يتيح نشرًا حقيقيًا شاملاً.
علاوة على ذلك، يتميز التصميم المعماري بفصل فك اقتران القنوات المكانية وتصميم الكتلة الموجهة بالرتبة، مما يقلل بشكل كبير من عدد المعلمات وعمليات النقطة العائمة (FLOPs). هذا يجعل YOLOv10 خفيف الوزن بشكل استثنائي ومناسبًا للبيئات محدودة الموارد مثل أجهزة edge AI.
الاستدلال الخالي من NMS
تعد إزالة NMS بمثابة تغيير جذري للتطبيقات في الوقت الفعلي. فهو يقلل من تعقيد خط أنابيب النشر ويضمن بقاء وقت الاستدلال حتميًا، بغض النظر عن عدد الكائنات التي تم اكتشافها في المشهد.
تحليل الأداء
عند المقارنة المباشرة بين النموذجين، يُظهر YOLOv10 قدرة فائقة على تحقيق التوازن بين السرعة والدقة، خاصة في الطرف الأعلى من نطاق الأداء. بينما يقدم RT-DETRv2 نتائج قوية، يحقق YOLOv10 باستمرار زمن انتقال أقل ويتطلب عددًا أقل من المعلمات لتحقيق mAP (متوسط الدقة) مماثل أو أفضل.
يسلط الجدول أدناه الضوء على مقاييس الأداء على مجموعة بيانات COCO. والجدير بالذكر أن YOLOv10x يتفوق على RT-DETRv2-x في الدقة (54.4٪ مقابل 54.3٪) مع كونه أسرع بشكل ملحوظ (12.2 مللي ثانية مقابل 15.03 مللي ثانية) ويتطلب عددًا أقل بكثير من المعلمات (56.9 مليون مقابل 76 مليون).
| النموذج | الحجم (بالبكسل) | mAPval 50-95 | السرعة وحدة المعالجة المركزية CPU ONNX (بالمللي ثانية) | السرعة T4 TensorRT10 (بالمللي ثانية) | 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 |
| YOLOv10n | 640 | 39.5 | - | 1.56 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.7 | - | 2.66 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.3 | - | 5.48 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.7 | - | 6.54 | 24.4 | 92.0 |
| YOLOv10l | 640 | 53.3 | - | 8.33 | 29.5 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 12.2 | 56.9 | 160.4 |
السرعة والكفاءة
تتجلى الكفاءة المعمارية لـ YOLOv10 عبر جميع المقاييس. توفر المتغيرات Nano (n) و Small (s) سرعات استدلال فائقة السرعة ومناسبة لوحدات المعالجة المركزية (CPUs) المحمولة و أجهزة إنترنت الأشياء (IoT). على سبيل المثال، يعمل YOLOv10n بسرعة 1.56 مللي ثانية على وحدة معالجة الرسوميات T4 GPU، وهي أسرع بكثير من أصغر متغير RT-DETRv2.
الدقة مقابل الحوسبة
يستفيد RT-DETRv2 من هيكل المحولات الخاص به لتحقيق دقة عالية، خاصة في أحجام النماذج الصغيرة والمتوسطة. ومع ذلك، يأتي ذلك على حساب FLOPs وعدد المعلمات الأعلى بشكل ملحوظ. يسد YOLOv10 هذه الفجوة بكفاءة؛ تتطابق نماذج YOLOv10 الأكبر حجمًا مع دقة نظيراتها من المحولات أو تتفوق عليها مع الحفاظ على بصمة حسابية أقل، مما يجعلها أكثر تنوعًا للأجهزة المختلفة.
التدريب وسهولة الاستخدام والنظام البيئي
أحد الفروق الحاسمة للمطورين هو سهولة التدريب والنشر. يوفر نظام Ultralytics البيئي واجهة موحدة تعمل على تبسيط العمل بشكل كبير مع نماذج مثل YOLOv10.
سهولة الاستخدام
غالبًا ما يتضمن تدريب RT-DETRv2 ملفات تكوين معقدة وإعدادات بيئة محددة مصممة خصيصًا لبنى المحولات. في المقابل، يتم دمج YOLOv10 مباشرةً في Python API الخاص بـ Ultralytics، مما يسمح للمستخدمين ببدء التدريب أو التحقق أو الاستدلال ببضعة أسطر فقط من التعليمات البرمجية.
from ultralytics import YOLO
# Load a pre-trained YOLOv10 model
model = YOLO("yolov10n.pt")
# Train the model on a custom dataset
model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference on an image
results = model("path/to/image.jpg")
متطلبات الذاكرة
من المعروف أن النماذج القائمة على المحولات (Transformer) مثل RT-DETRv2 تستهلك الكثير من الذاكرة. تتوسع آلية الانتباه الذاتي تربيعيًا مع طول التسلسل، مما يؤدي إلى ارتفاع استخدام VRAM أثناء التدريب. يتطلب YOLOv10، بهندسته المعمارية المُحسَّنة للشبكات العصبونية الالتفافية (CNN)، ذاكرة CUDA أقل بشكل ملحوظ، مما يُمكِّن المستخدمين من تدريب أحجام دفعات أكبر أو استخدام أجهزة أكثر تواضعًا.
نظام بيئي مُدار جيدًا
يضمن اختيار نموذج مدعوم من Ultralytics الوصول إلى نظام بيئي قوي. يتضمن ذلك تحديثات مستمرة و وثائق شاملة وتكاملًا سلسًا مع أدوات MLOps مثل Ultralytics HUB وتنسيقات تصدير متنوعة (ONNX، TensorRT، CoreML). يعد هيكل الدعم هذا لا يقدر بثمن لنقل المشاريع من البحث إلى الإنتاج بكفاءة.
حالات الاستخدام المثالية
RT-DETRv2
- البحث الأكاديمي: مثالي لدراسة قدرات المحولات في مهام الرؤية والقياس المعياري مقابل أحدث الطرق.
- نشر الخادم المتطور: مناسب للسيناريوهات التي تتوفر فيها موارد الأجهزة بوفرة، والخصائص المحددة لخرائط انتباه المحولات مفيدة، كما هو الحال في تحليل الصور الطبية التفصيلي.
YOLOv10
- الذكاء الاصطناعي المتطور في الوقت الفعلي: إن زمن الوصول المنخفض وحجم النموذج الصغير يجعلانها مثالية للنشر على الأجهزة الطرفية مثل NVIDIA Jetson أو Raspberry Pi لمهام مثل إدارة حركة المرور.
- الروبوتات: يوفر تصميم NMS الخالي من زمن الوصول المحدد المطلوب لحلقات التحكم في الروبوتات المستقلة.
- التطبيقات التجارية: من تحليلات البيع بالتجزئة إلى مراقبة السلامة، فإن موازنة السرعة والدقة تزيد من عائد الاستثمار عن طريق تقليل تكاليف الأجهزة.
الخلاصة
في حين أن RT-DETRv2 يعرض إمكانات المحولات في الكشف عن الكائنات بدقة رائعة، فإن YOLOv10 يظهر كخيار أكثر عملية وتنوعًا لغالبية التطبيقات الواقعية. إن قدرتها على تقديم أداء على أحدث طراز مع متطلبات حسابية أقل بكثير، جنبًا إلى جنب مع سهولة الاستخدام التي يوفرها نظام Ultralytics البيئي، تجعلها حلاً فائقًا للمطورين الذين يهدفون إلى الكفاءة وقابلية التوسع.
بالنسبة لأولئك الذين يبحثون عن أحدث ما توصلت إليه تكنولوجيا رؤية الكمبيوتر، نوصي أيضًا باستكشاف YOLO11، الذي يزيد من تحسين البنية لتحقيق سرعة ودقة أكبر عبر نطاق أوسع من المهام بما في ذلك segmentation و pose estimation.
استكشف نماذج أخرى
وسّع فهمك لمشهد الكشف عن الكائنات من خلال هذه المقارنات الإضافية: