RTDETRv2 مقابل YOLOv6-3.0
يمكن للمطورين الذين يختارون نموذج رؤية حاسوبية لاكتشاف الكائنات المفاضلة بين بُنى مختلفة جدًا. تقارن هذه الصفحة بين نموذجين منها: RTDETRv2، وهو Transformer للاكتشاف في الزمن الحقيقي، وYOLOv6-3.0، وهي شبكة عصبية التفافية (CNN) محسّنة للتطبيقات الصناعية.
يتناول هذا الدليل بنية النموذجين ومقاييس الأداء وسيناريوهات النشر المثالية، ويوضح ما يقدمه النظام البيئي لـ Ultralytics للمطورين، ويقدم Ultralytics YOLO26، النموذج الموصى به للمشاريع الجديدة.
RTDETRv2: نهج Transformer للرؤية#
طوّر باحثون في Baidu نموذج RTDETRv2، الذي يبني على RT-DETR الأصلي ويحسّن اكتشاف الكائنات القائم على Transformer.
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- arXiv: 2407.17140
- GitHub: lyuwenyu/RT-DETR
- الوثائق: ملف README على GitHub لـ RTDETRv2
أبرز السمات المعمارية#
يستخدم RTDETRv2 بنية هجينة تجمع بين مستخرج سمات CNN ومفكك ترميز Transformer. وتتمثل ميزته الأساسية في تصميمه الأصلي الخالي من NMS. فمن خلال إزالة القمع غير الأقصى (NMS) من المعالجة اللاحقة، يتنبأ النموذج بمربعات الإحاطة مباشرةً، ما يبسط النشر ويثبت زمن استجابة الاستدلال.
تساعد تحسينات التدريب «Bag-of-Freebies» في RTDETRv2، إلى جانب الانتباه الشامل، على التعامل مع المشاهد المعقدة والكائنات المتداخلة؛ إذ تصمم نماذج الانتباه العلاقات على مستوى الصورة بأكملها بدلًا من الاقتصار على نوافذ الالتفاف المحلية.
على الرغم من تفوق نماذج Transformer في فهم المشاهد المعقدة، فإنها تتطلب عادةً ذاكرة CUDA أكبر أثناء التدريب مقارنةً بنماذج CNN. وقد يحد ذلك من أحجام الدُفعات على وحدات GPU القياسية المخصصة للمستهلكين ويزيد إجمالي وقت التدريب.
YOLOv6-3.0: تعظيم معدل الإنتاج الصناعي#
نشأ YOLOv6-3.0 في قسم Vision AI لدى Meituan، وصُمم لخطوط المعالجة الصناعية التي تكون فيها أولوية الإنتاجية لوحدات GPU.
- المؤلفون: Chuyi Li وLulu Li وYifei Geng وHongliang Jiang وMeng Cheng وBo Zhang وZaidan Ke وXiaoming Xu وXiangxiang Chu
- الجهة: Meituan
- التاريخ: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
التركيز المعماري#
يعتمد YOLOv6-3.0 على العمود الفقري EfficientRep، المصمم لتقليل تكاليف الوصول إلى الذاكرة على مسرّعات الأجهزة مثل وحدات GPU من NVIDIA. وتضم بنية العنق وحدة Bi-directional Concatenation (BiC) لتحسين دمج السمات عبر المقاييس المختلفة.
أثناء التدريب، يستخدم النموذج استراتيجية التدريب المساعدة بالمراسي (AAT) للاستفادة من أساليب المراسي، مع الحفاظ على نمط استدلال خالٍ من المراسي لتنفيذ أسرع. ويحقق إنتاجية عالية على وحدات GPU بمستوى الخوادم (مثل T4 وA100)، لكن تصميمه الموجه إلى وحدات GPU قد يكون أقل كفاءة على الأجهزة الطرفية التي تعتمد على CPU فقط.
مقارنة الأداء#
يقارن الجدول أدناه الدقة (mAP) وسرعة الاستدلال والتكلفة الحسابية (FLOPs) على مجموعة التحقق 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 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
يكون YOLOv6-3.0 أسرع على T4 باستخدام TensorRT عند كل حجم قابل للمقارنة (على سبيل المثال، 5.28 ms مقابل 7.51 ms للنموذجين متوسطي الحجم)، بينما يحقق RTDETRv2 قيمة mAP أعلى (51.9 مقابل 50.0 عند الحجم المتوسط، و53.4 مقابل 52.8 عند الحجم الكبير) ويصل إلى 54.3 mAP مع RTDETRv2-x. يركز كلا النموذجين على الاكتشاف؛ ولا يقدم أي منهما تجزئة الكائنات أو تقدير الوضعية في إصداره الرئيسي.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين RT-DETR وYOLOv6 على متطلبات مشروعك وقيود النشر وتفضيلاتك للمنظومة البرمجية.
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 YOLOv6#
يُنصح بـ YOLOv6 في الحالات التالية:
- النشر الملائم لعتاد الصناعة: الحالات التي يوفر فيها التصميم المراعي للعتاد وإعادة المعلمة الفعّالة للنموذج أداءً محسّنًا على عتاد مستهدف محدد.
- الكشف السريع أحادي المرحلة: التطبيقات التي تعطي الأولوية لسرعة الاستدلال الخام على GPU لمعالجة الفيديو في الوقت الفعلي ضمن بيئات خاضعة للتحكم.
- التكامل مع منظومة Meituan: الفرق التي تعمل بالفعل ضمن حزمة تقنيات Meituan وبنية النشر التحتية الخاصة بها.
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.
ميزة Ultralytics#
يتطلب اختيار النموذج ما هو أكثر من أرقام المعايير؛ فتجربة المطور ومرونة النشر ودعم النظام البيئي أمور مهمة أيضًا. وتوفر النماذج المدمجة في النظام البيئي لـ Ultralytics مزايا عديدة مقارنةً بمستودعات الأبحاث الثابتة.
- سهولة الاستخدام: توفر حزمة Python المسماة
ultralyticsواجهة API بسيطة. ولا يتطلب تدريب النماذج والتحقق منها وتصديرها سوى بضعة أسطر من التعليمات البرمجية. - نظام بيئي يحظى بصيانة جيدة: خلافًا للمستودعات الأكاديمية المنعزلة، تخضع حزمة
ultralyticsوUltralytics Platform لصيانة نشطة، مع دعم التصدير إلى تنسيقات مثل ONNX وOpenVINO وCoreML. - كفاءة التدريب: تستخدم نماذج Ultralytics YOLO عادةً ذاكرة GPU أقل أثناء التدريب من بُنى Transformer مثل RTDETRv2، ما يسمح بأحجام دفعات أكبر على الأجهزة المخصصة للمستهلكين.
- تعدد الاستخدامات: بخلاف تركيز YOLOv6-3.0 على الاكتشاف، يدعم YOLO26 اكتشاف الكائنات، وتجزئة الكائنات، والتجزئة الدلالية، وتقدير العمق، وتصنيف الصور، وتقدير الوضعية، ومربعات الإحاطة الموجّهة (OBB) ضمن إطار عمل واحد.
باستخدام CLI الخاص بـ Ultralytics، لا يتطلب تصدير نموذج مدرّب للنشر على الأجهزة الطرفية سوى تشغيل: yolo export model=yolo11n.pt format=tensorrt.
تعرّف على YOLO26#
لكل من RTDETRv2 وYOLOv6-3.0 نقاط قوة محددة، لكننا نوصي بـYOLO26، الذي أصدرته Ultralytics في يناير 2026، للفرق التي تبدأ مشاريع جديدة في الرؤية الحاسوبية.
يجمع YOLO26 بين نقاط قوة نماذج CNN الصناعية ونماذج Transformer الحديثة:
- تصميم شامل خالٍ من NMS: استنادًا إلى النهج الذي طُرح في YOLOv10، يوفر YOLO26 رأسًا اختياريًا خاليًا من NMS (
nms=False) يتجاوز المعالجة اللاحقة لـ NMS، ويوفر زمن استجابة متوقعًا شبيهًا بـRTDETRv2 مع استهلاك أقل للذاكرة. - محسّن MuSGD: مستوحى من تقنيات تدريب نماذج اللغة الكبيرة (LLM)، مثل Kimi K2 من Moonshot AI، ويوفر هذا المزيج الهجين من SGD وMuon تدريبًا أكثر استقرارًا وتقاربًا أسرع.
- محسّن للأجهزة الطرفية: مع إزالة خسارة البؤرة التوزيعية (DFL)، يعمل YOLO26n على CPU بسرعة أعلى بنسبة تصل إلى 43% من YOLO11n، ما يجعله مناسبًا للأجهزة المحمولة وأجهزة إنترنت الأشياء التي لا تتوفر فيها تسريع GPU.
- ProgLoss + STAL: تحسن الخسارة التدريجية وتعيين التسميات الواعي بالأهداف الصغيرة (STAL) التعرف على الكائنات الصغيرة، وهو تحدٍ مستمر لنماذج CNN، ما يفيد في الصور الجوية والروبوتات.
مثال على التدريب#
تدرّب واجهة API الخاصة بـ Ultralytics النماذج باستخدام بضعة أسطر من التعليمات البرمجية. يدرّب المثال القابل للتنفيذ أدناه نموذج YOLO26 Nano على مجموعة بيانات COCO8:
from ultralytics import YOLO
# Load the newly released YOLO26 Nano model
model = YOLO("yolo26n.pt")
# Train the model on the COCO8 dataset for 50 epochs
# The Ultralytics engine handles data caching and augmentation automatically
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Validate the model's performance
metrics = model.val()
print(f"Validation mAP50-95: {metrics.box.map}")
# Export the trained model to ONNX format for production
model.export(format="onnx")الملخص#
عند المقارنة بين RTDETRv2 وYOLOv6-3.0، يعتمد القرار إلى حد كبير على الأجهزة المستخدمة وقيود زمن الاستجابة. يتألق RTDETRv2 في بيئات الأبحاث والمعالجة على الخوادم، حيث يكون التعامل مع الأجسام المتداخلة المعقدة أمرًا بالغ الأهمية. ويظل YOLOv6-3.0 خيارًا قويًا لخطوط التصنيع عالية الإنتاجية المجهزة بوحدات NVIDIA GPU قوية.
للمطورين الذين يرغبون في استدلال خالٍ من NMS شبيه بـTransformer، إلى جانب سرعة CNN واستهلاكه المنخفض للذاكرة، فإن YOLO26 هو الخيار الموصى به. وتساعد وثائقه ومجتمعه النشط وأدوات Ultralytics مشاريع الذكاء الاصطناعي للرؤية على الانتقال من النموذج الأولي إلى الإنتاج.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.