RTDETRv2 مقابل YOLOv8
تندرج نماذج الرؤية الحاسوبية المخصصة لكشف الأجسام بشكل متزايد ضمن فئتين: الشبكات العصبية الالتفافية (CNNs) والبنى الأحدث القائمة على Transformer. وتتناول هذه المقارنة التقنية كيفية موازنة RTDETRv2، وهو Transformer للكشف في الزمن الفعلي، مع Ultralytics YOLOv8، أحد أكثر نماذج CNN اعتمادًا. وكلا النموذجين قادر، لكن اختلاف بنيتهما يؤدي إلى فروق واضحة في التدريب وقيود النشر والأداء.
نظرة عامة على النموذج: RTDETRv2#
يستند RTDETRv2 (الإصدار الثاني من Real-Time Detection Transformer) إلى RT-DETR الأصلي، عبر تحسين بنية Transformer للاستدلال في الزمن الفعلي.
التفاصيل التقنية الرئيسية:
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- الروابط: منشور arXiv | مستودع GitHub
البنية ومواطن القوة#
يستخدم RTDETRv2 بنية هجينة تجمع بين عمود فقري قائم على CNN ومشفّر ومفكّك Transformer. ويتيح ذلك للنموذج النظر إلى الصورة كاملة في آن واحد، ما يساعده على معالجة المشاهد المعقدة التي تتداخل فيها الأجسام. وتتمثل ميزته المحددة في تصميمه الأصلي الشامل من البداية إلى النهاية، الذي يتجاوز المعالجة اللاحقة لـكبت غير الأقصى (NMS). وهذا يقلل التعقيد الخوارزمي في المراحل النهائية من مسار الكشف. كما تساعده ميزاته متعددة المقاييس على كشف البنى الكبيرة والعناصر الصغيرة في الخلفية.
نقاط الضعف#
على الرغم من الفهم السياقي القوي، تتطلب البنى القائمة على Transformer مثل RTDETRv2 موارد حاسوبية كبيرة أثناء التدريب. فهي تحتاج إلى ذاكرة CUDA أكبر، ما يصعّب تدريبها على الأجهزة الاستهلاكية. كما يتطلب إعداد مجموعة بيانات مخصصة وضبط المعلمات الفائقة للتدريب في المستودع الرسمي خبرةً بالمجال في كثير من الأحيان، نظرًا إلى افتقاره إلى غلاف برمجي ملائم للمبتدئين. وقد يمثل النشر على الأجهزة الطرفية منخفضة الطاقة مثل أجهزة Raspberry Pi القديمة تحديًا أيضًا، لأن طبقات الانتباه مكلفة حاسوبيًا.
نظرة عامة على النموذج: YOLOv8#
منذ إصداره، أصبح Ultralytics YOLOv8 معيارًا شائعًا للرؤية الحاسوبية في الإنتاج، إذ يجمع تجربة تطوير بسيطة مع دقة قوية.
التفاصيل التقنية الرئيسية:
- المؤلفون: Glenn Jocher وAyush Chaurasia وJing Qiu
- الجهة: Ultralytics
- التاريخ: 10 يناير 2023
- الروابط: الوثائق الرسمية | مستودع GitHub
البنية ومواطن القوة#
يستخدم YOLOv8 بنية CNN خالية من المراسي ذات رأس مفصول، ما يحسن دقة تحديد مواقع الأجسام وتصنيفها مقارنةً بأجيال YOLO السابقة. وتتمثل أبرز نقاط قوته في الكفاءة وتعدد الاستخدامات. وتتطلب البنية ذاكرة أقل أثناء التدريب من محولات الرؤية، ما يتيح للممارسين استخدام أحجام دفعات أكبر على وحدات GPU القياسية. كما توفر منظومة Ultralytics سير عمل مبسطًا: إذ تتولى واجهة Python API الموحدة ضبط المعلمات الفائقة والتدريب والتحقق والتصدير عبر بضعة أسطر من الشيفرة.
نقاط الضعف#
يعتمد YOLOv8 بالفعل على NMS التقليدي في مرحلة المعالجة اللاحقة. وعلى الرغم من أن محرك Ultralytics يتولى ذلك بكفاءة في الخلفية، فإنه يضيف تقنيًا قدرًا طفيفًا من زمن استجابة المعالجة اللاحقة مقارنةً بالبنى الخالية من NMS أصليًا.
مقارنة الأداء والمقاييس#
يقارن الجدول أدناه دقة التحقق على COCO (mAP) والسرعة على CPU وT4 TensorRT وعدد المعلمات وFLOPs. وتعطي كل عائلة من النموذجين الأولوية لجوانب مختلفة من مسار النشر.
| 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 |
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
يحقق RTDETRv2-x قيمة mAP قصوى أعلى قليلًا (54.3) من YOLOv8x (53.9)، كما أن RTDETRv2 أدق عند كل حجم قابل للمقارنة. ويتفوق YOLOv8 في السرعة عند الأحجام الصغيرة: يعمل YOLOv8s على TensorRT بسرعة تقارب ضعف سرعة RTDETRv2-s (2.66 ms مقابل 5.03 ms)، وبنحو نصف عدد المعلمات، لكنه أقل بـ 3.2 نقطة في mAP. وعند الأحجام الكبيرة، تتقارب سرعة وحجم YOLOv8l وRTDETRv2-l. ولا تُعرض هنا سرعات CPU مع ONNX إلا لـ YOLOv8.
متطلبات الذاكرة وكفاءة التدريب#
تهم تكلفة التدريب المطورين المستقلين وفرق المؤسسات على حد سواء. وعادةً ما تتطلب نماذج Ultralytics YOLO ذاكرة CUDA أقل أثناء عملية التدريب مقارنةً ببنى Transformer. وقد يتسبب نموذج RTDETRv2 قياسي في اختناق وحدة GPU استهلاكية، بينما يتدرب YOLOv8 بموثوقية على أجهزة مثل NVIDIA RTX 4070.
المنظومة وواجهة API وسهولة الاستخدام#
يمثل إطار العمل البرمجي الداعم عاملًا فارقًا أساسيًا آخر. وتتولى منظومة Ultralytics جانبًا كبيرًا من العمل الهندسي، كما يساعد التطوير النشط والوثائق الشاملة ودعم المجتمع على Discord في استمرار تقدم المشاريع.
يتجاوز YOLOv8 كشف الأجسام أيضًا، مع دعم أصلي لـتجزئة الكائنات، وتصنيف الصور، وتقدير الوضعية، ومربعات الإحاطة الموجّهة (OBB). أما RTDETRv2 فيركز على الكشف فقط.
مثال برمجي: بساطة موحدة#
تشغّل واجهة Python API من Ultralytics عائلتي النموذجين عبر الواجهة نفسها.
from ultralytics import RTDETR, YOLO
# حمّل نموذج RT-DETR ونموذج YOLOv8
model_transformer = RTDETR("rtdetr-l.pt")
model_cnn = YOLO("yolov8l.pt")
# إجراء تنبؤ على صورة عيّنة باستخدام واجهة API نفسها تمامًا
results_transformer = model_transformer("https://ultralytics.com/images/bus.jpg")
results_cnn = model_cnn("https://ultralytics.com/images/bus.jpg")
# تصدير YOLOv8 إلى ONNX للنشر السريع على الأجهزة الطرفية
model_cnn.export(format="onnx")بعد التدريب، يمكن تصدير YOLOv8 في سطر واحد إلى ONNX وTensorRT وOpenVINO لإجراء استدلال فعال عبر منصات الأجهزة المختلفة.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين RT-DETR وYOLOv8 على متطلبات مشروعك المحددة وقيود النشر وتفضيلاتك للمنظومة.
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 YOLOv8#
يوصى بـYOLOv8 في الحالات التالية:
- نشر مرن متعدد المهام: مشاريع تتطلب نموذجًا مثبتًا لـالكشف والتجزئة والتصنيف وتقدير الوضعيات ضمن منظومة Ultralytics.
- أنظمة إنتاجية راسخة: بيئات الإنتاج الحالية المبنية بالفعل على بنية YOLOv8، والتي تستخدم خطوط نشر مستقرة ومختبرة جيدًا.
- دعم واسع من المجتمع والمنظومة: التطبيقات التي تستفيد من دروس YOLOv8 الشاملة وتكاملاته مع جهات خارجية وموارد مجتمعه النشط.
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.
نظرة مستقبلية: ميزة YOLO26#
لا يزال YOLOv8 نموذجًا بارزًا، لكن مجال الرؤية الحاسوبية يتطور بسرعة. وبالنسبة إلى الفرق التي تبدأ مشاريع جديدة في عام 2026، فإن Ultralytics YOLO26 هو البديل الموصى به.
إذا كنت تفضل تصميم RTDETRv2 الخالي من NMS، فإن YOLO26 يوفر تصميمًا شاملًا من البداية إلى النهاية بلا NMS اختياريًا (nms=False)، جامعًا بين بساطة المعالجة اللاحقة في Transformers وسرعة CNN. كما يستخدم YOLO26 محسّن MuSGD، الذي ينقل تقنيات تدريب نماذج اللغة الكبيرة (LLM) إلى نماذج الرؤية لتحقيق تدريب أكثر استقرارًا وتقارب أسرع. وبفضل إزالة DFL (إزالة خسارة البؤرة التوزيعية لتبسيط التصدير وتحسين التوافق مع الأجهزة الطرفية ومنخفضة الطاقة)، يحقق YOLO26n استدلالًا أسرع على CPU بنسبة تصل إلى 43% مقارنةً بـ YOLO11n. وبالاقتران مع ProgLoss + STAL (الخسارة التدريجية وتعيين التسميات المراعي للأهداف الصغيرة) لتحسين كشف الأجسام الصغيرة، يصبح YOLO26 مسار الترقية الموصى به لكل من YOLOv8 وRTDETRv2.
للاطلاع على نماذج بديلة، راجع YOLO11 أو اقرأ التحليل المفصل لـYOLOv10 مقابل YOLOv8 لمعرفة كيفية تطور البنية الخالية من NMS ضمن عائلة YOLO.
التعليقات1
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.
CathyFisher(تم التعديل)
Excellent technical comparison! RTDETRv2’s transformer-based architecture brings impressive accuracy and end-to-end detection without the need for NMS, which is quite innovative. However, this YOLOv8 comparison shows that v8 still excels in real-time performance, lighter deployment, and ease of customization. It’s clear that RTDETRv2 is pushing boundaries, but YOLOv8 remains a go-to for many practical applications due to its balance of speed and flexibility.