Ultralytics YOLO27:
Get Started

RTDETRv2 مقابل YOLOv8#

يتغير مجال الرؤية الحاسوبية باستمرار، وغالبًا ما يتجلى ذلك في التنافس المستمر بين الشبكات العصبية الالتفافية (CNN) التقليدية وبنى Transformer الأحدث. في هذه المقارنة التقنية الشاملة، ندرس أداء RTDETRv2، وهو Transformer رائد للرؤية، مقارنةً بـ Ultralytics YOLOv8، أحد أكثر نماذج CNN اعتمادًا وتنوعًا في المجال. يقدم كلا النموذجين إمكانات قوية للمهندسين والباحثين، لكن اختلاف بنيتيهما الأساسيتين يؤدي إلى فروق واضحة في منهجيات التدريب وقيود النشر والأداء الإجمالي.

نظرة عامة على النموذج: RTDETRv2#

يستند RTDETRv2 (Transformer للكشف الآني، الإصدار 2) إلى النجاح التأسيسي لسلفه، من خلال تحسين بنية Transformer للرؤية لتحقيق سرعات استدلال آنية.

التفاصيل التقنية الرئيسية:

البنية ومواطن القوة#

يعتمد RTDETRv2 في جوهره على بنية هجينة تجمع بين العمود الفقري لـ CNN وبنية Transformer للمُرمِّز وفاكّ الترميز. يتيح ذلك للنموذج النظر إلى سياق الصورة بأكمله، ما يجعله بارعًا للغاية في التعامل مع المشاهد المعقدة التي تتداخل فيها الأجسام. ومن أبرز ميزاته تصميمه الأصلي الشامل من البداية إلى النهاية، الذي يتجاوز تمامًا المعالجة اللاحقة لـ كبح الحد الأقصى غير المتداخل (NMS). وهذا يقلل التعقيد الخوارزمي في المراحل النهائية من مسار الكشف. فضلًا عن ذلك، تتيح إمكانات الكشف متعددة المقاييس تحديد البنى الضخمة وعناصر الخلفية الصغيرة بفاعلية.

نقاط الضعف#

على الرغم من قدرته القوية على فهم السياق، تتطلب بنى Transformer مثل RTDETRv2 موارد حوسبة هائلة أثناء التدريب. كما تحتاج إلى قدر كبير من ذاكرة CUDA، ما يجعل تدريبها صعبًا على العتاد الاستهلاكي. إضافةً إلى ذلك، غالبًا ما يتطلب إعداد مجموعة بيانات مخصصة وضبط المعلمات الفائقة للتدريب خبرة عميقة في المجال، إذ يفتقر النموذج إلى غلاف برمجي مصقول وسهل للمبتدئين. وقد يكون النشر على الأجهزة الطرفية منخفضة الطاقة، مثل عتاد Raspberry Pi الأقدم، صعبًا أيضًا بسبب آليات الانتباه كثيفة الموارد.

تعرّف على المزيد حول RTDETRv2

نظرة عامة على النموذج: YOLOv8#

منذ إطلاقه، رسّخ Ultralytics YOLOv8 مكانته معيارًا صناعيًا لمهام الرؤية الحاسوبية الجاهزة للإنتاج، إذ يعطي الأولوية لتجربة مطور سلسة إلى جانب دقة رائدة.

التفاصيل التقنية الرئيسية:

البنية ومواطن القوة#

يستخدم YOLOv8 بنية CNN محسّنة بدرجة كبيرة وخالية من المراسي، مع رأس مفصول، ما يحسن بدرجة كبيرة دقة تحديد مواقع الأجسام وتصنيفها مقارنةً بالأجيال السابقة. وتكمن أبرز نقاط قوته في كفاءته وتنوعه الاستثنائيين. وتتطلب البنية ذاكرة أقل بكثير أثناء التدريب مقارنةً بـ Transformer للرؤية، ما يتيح للممارسين استخدام أحجام دفعات أكبر على وحدات GPU القياسية. علاوة على ذلك، توفر منظومة Ultralytics سير عمل سلسًا لا مثيل له. وتتيح واجهة Python البرمجية الموحدة ضبط المعلمات الفائقة والتدريب والتحقق والتصدير باستخدام بضعة أسطر من التعليمات البرمجية فقط.

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#

عند مقارنة الأرقام المجردة، يتضح أن كل نموذج يعطي الأولوية لجوانب مختلفة من مسار النشر. فيما يلي تحليل للأداء جنبًا إلى جنب.

النموذجالحجم
(بكسل)		mAPالتحقق
50-95		السرعة
CPU ONNX
(مللي ثانية)		السرعة
T4 TensorRT10
(ms)		المعاملات
(M)		FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.1
YOLOv8x64053.9479.114.3768.2257.8
تفسير المقاييس

على الرغم من أن RTDETRv2-x يحقق mAP قصوى أعلى قليلًا تبلغ 54.3 مقارنةً بـ 53.9 لـ YOLOv8x، تتفوق سلسلة YOLOv8 في سرعة الاستدلال وكفاءة المعلمات. فعلى سبيل المثال، يعمل YOLOv8s بسرعة تقارب الضعف على محرك TensorRT مقارنةً بـ RTDETRv2-s، مع حاجته إلى نصف عدد المعلمات تقريبًا.

متطلبات الذاكرة وكفاءة التدريب#

من أهم العوامل للمطورين المستقلين وفرق المؤسسات على حد سواء تكلفة التدريب. تتطلب نماذج Ultralytics YOLO قدرًا أقل بكثير من ذاكرة CUDA أثناء عملية التدريب مقارنةً ببنى Transformer. وقد يؤدي نموذج RTDETRv2 قياسي بسهولة إلى اختناق GPU استهلاكي، في حين يتقارب YOLOv8 بسرعة وموثوقية على عتاد مثل NVIDIA RTX 4070.

المنظومة وواجهة API وسهولة الاستخدام#

الإطار البرمجي الداعم هو العامل الحقيقي الذي يميز حلول الذكاء الاصطناعي الحديثة. وتبسّط منظومة Ultralytics العقبات الهندسية المعقدة. وبفضل التطوير النشط ودعم المجتمع القوي على منصات مثل Discord، يضمن YOLOv8 ألا يتعثر مشروعك بسبب ضعف الوثائق.

علاوة على ذلك، يتجاوز YOLOv8 كشف الأجسام القياسي. فهو شبكة حقيقية متعددة المهام، مع دعم أصلي لـتجزئة المثيلات وتقدير الوضعية وتصنيف الصور ومربعات الإحاطة الموجّهة (OBB). أما RTDETRv2 فيركز بدرجة كبيرة على الكشف وحده.

مثال برمجي: بساطة موحدة#

باستخدام واجهة Python البرمجية من Ultralytics، يمكنك تجربة كلتا عائلتي النماذج بسلاسة ضمن بيئة موحدة.

from ultralytics import RTDETR, YOLO

# ⁨تحميل نموذج RT-DETR ونموذج YOLOv8 بسلاسة⁩
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، يدعم YOLOv8 التصدير بنقرة واحدة إلى ONNX وTensorRT وOpenVINO، ما يضمن استدلالًا عالي الإنتاجية عبر مجموعة متنوعة من منصات العتاد.

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 متعدد المهام ومتعدد الاستخدامات: المشروعات التي تتطلب نموذجًا مجرّبًا لـالكشف والتقسيم والتصنيف وتقدير الوضعية 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 تعتمد على CPU فقط: الأجهزة التي لا تتضمن تسريعاً مخصصاً بواسطة GPU، حيث يمنح الاستدلال الأسرع على CPU بنسبة تصل إلى 43% في YOLO26 ميزة حاسمة.
  • اكتشاف الأجسام الصغيرة: السيناريوهات الصعبة مثل صور الطائرات المسيّرة الجوية أو تحليل مستشعرات إنترنت الأشياء، حيث يعزز ProgLoss وSTAL دقة اكتشاف الأجسام الدقيقة بدرجة كبيرة.

نظرة مستقبلية: ميزة YOLO26#

يظل YOLOv8 محطة بارزة، لكن مجال الرؤية الحاسوبية يتطور بسرعة هائلة. وبالنسبة إلى الفرق التي تسعى إلى أحدث ما توصل إليه المجال في عام 2026، يمثّل Ultralytics YOLO26 التحول التالي في النموذج السائد.

إذا كنت تفضل التصميم الخالي من NMS في RTDETRv2، فإن YOLO26 يتضمن تصميمًا شاملًا من البداية إلى النهاية وخاليًا من NMS، فيجمع بين بساطة المعالجة اللاحقة في Transformer والسرعة الفائقة لـ CNN. إضافةً إلى ذلك، يستخدم YOLO26 محسّن MuSGD الرائد، ليجلب استقرار التدريب على نمط LLM إلى نماذج الرؤية ويسرّع التقارب بدرجة كبيرة. وبفضل إزالة DFL (إزالة Distribution Focal Loss لتبسيط التصدير وتحسين التوافق مع الأجهزة الطرفية ومنخفضة الطاقة)، يحقق YOLO26 استدلالًا أسرع على CPU بنسبة تصل إلى 43%. وبالاقتران مع آليتي ProgLoss + STAL المتقدمتين لتحسين كشف الأجسام الصغيرة، يُعد YOLO26 بلا شك مسار الترقية الموصى به بدلًا من YOLOv8 وRTDETRv2.

لمزيد من القراءة عن النماذج البديلة، استكشف أدلتنا حول YOLO11 أو اقرأ التحليل المفصل لـ YOLOv10 مقابل YOLOv8 لمعرفة كيفية تطور البنية الخالية من NMS ضمن عائلة YOLO.

المساهمون
GLglenn-jocher18PDpderrenger1

التعليقات