RTDETRv2 مقابل YOLOv9: مقارنة فنية للكشف عن الأجسام
يُعد اختيار نموذج الكشف عن الكائنات الأمثل قرارًا بالغ الأهمية لأي مشروع رؤية حاسوبية. غالبًا ما ينطوي الاختيار على مفاضلة بين الدقة وسرعة الاستدلال والتكلفة الحسابية. تقدم هذه الصفحة مقارنة فنية مفصلة بين نموذجين قويين: RTDETRv2، وهو نموذج قائم على المحولات معروف بدقته العالية، و YOLOv9، وهو نموذج قائم على CNN ويشتهر بتوازنه الاستثنائي بين السرعة والكفاءة. سيساعدك هذا التحليل في اختيار أفضل نموذج لمتطلباتك الخاصة.
RTDETRv2: دقة عالية مدعومة بالمحولات
RTDETRv2 (محول الكشف في الوقت الحقيقي الإصدار الثاني) هو نموذج حديث للكشف عن الكائنات تم تطويره بواسطة Baidu. وهو يستفيد من بنية المحولات لتحقيق دقة استثنائية، خاصة في المشاهد المعقدة.
- المؤلفون: وينييو ليف، ييان تشاو، تشينياو تشانغ، كوي هوانغ، قوانتشونغ وانغ، ويي ليو
- المنظمة: بايدو
- التاريخ: 2023-04-17 (RT-DETR الأصلي)، 2024-07-24 (ورقة RTDETRv2)
- Arxiv: https://arxiv.org/abs/2304.08069 (الأصلي), https://arxiv.org/abs/2407.17140 (v2)
- GitHub: https://github.com/lyuwenyu/RT-DETR/tree/main/rtdetrv2_pytorch
- المستندات: https://docs.ultralytics.com/models/rtdetr/
البنية والميزات الرئيسية
تم بناء RTDETRv2 على بنية محول الرؤية (Vision Transformer (ViT)، والذي يختلف اختلافًا كبيرًا عن الشبكات العصبية الالتفافية (Convolutional Neural Networks (CNNs) التقليدية. باستخدام آليات الانتباه الذاتي (self-attention mechanisms)، يمكنه التقاط السياق العام والتبعيات طويلة المدى داخل الصورة. يتيح ذلك استخراج ميزات أكثر قوة، مما يؤدي إلى دقة أعلى، خاصة في السيناريوهات التي بها كائنات محجوبة أو عديدة. يستخدم RTDETRv2 أيضًا آلية كشف خالية من المرساة (anchor-free detection mechanism)، مما يبسط عملية الكشف.
نقاط القوة والضعف
نقاط القوة:
- دقة عالية: تتفوق بنية Transformer في التقاط التفاصيل والعلاقات المعقدة، مما يؤدي إلى نتائج عالية في mAP.
- فهم السياق الشامل: تعتبر قدرته على معالجة سياق الصورة بأكمله ميزة رئيسية في البيئات المعقدة.
- إمكانية التشغيل في الوقت الفعلي: مع تسريع كافٍ للأجهزة، مثل TensorRT، يمكنه تحقيق سرعات استدلال في الوقت الفعلي.
نقاط الضعف:
- طلب أعلى على الموارد: تحتوي نماذج RTDETRv2 على عدد أكبر من المعلمات وعمليات فاصلة عائمة في الثانية (FLOPs) أعلى، مما يتطلب قوة حسابية كبيرة.
- استخدام عالٍ للذاكرة: تُعرف النماذج القائمة على المحولات باستهلاكها العالي للذاكرة، خاصة أثناء التدريب، مما يتطلب ذاكرة CUDA عالية ويجعل تدريبها صعبًا دون وحدات معالجة رسومات (GPUs) متطورة.
- استدلال أبطأ على وحدة المعالجة المركزية (CPU): ينخفض الأداء بشكل كبير على وحدات المعالجة المركزية (CPU) أو الأجهزة ذات الموارد المحدودة مقارنة بشبكات CNN المحسّنة.
- التعقيد: قد يكون فهم البنية الأساسية وضبطها ونشرها أكثر تعقيدًا من النماذج الأكثر بساطة.
حالات الاستخدام المثالية
يُعد RTDETRv2 الأنسب للتطبيقات التي تكون فيها الدقة المتناهية هي الأولوية القصوى والموارد الحسابية ليست قيدًا كبيرًا.
- تحليل الصور الطبية: الكشف عن التشوهات الطفيفة في الفحوصات الطبية عالية الدقة.
- تحليل صور الأقمار الصناعية: تحديد الأجسام أو الميزات الصغيرة في صور الأقمار الصناعية الكبيرة.
- الفحص الصناعي المتطور: إجراء فحص تفصيلي للجودة حيث تكون الدقة ذات أهمية قصوى.
YOLOv9: أحدث ما توصلت إليه التكنولوجيا في الكفاءة والأداء
YOLOv9 هو نموذج رائد في عائلة Ultralytics YOLO، تم تطويره بواسطة باحثين في Academia Sinica، تايوان. يقدم تقنيات جديدة لتحسين الكفاءة ومعالجة فقدان المعلومات في الشبكات العميقة.
- المؤلفون: Chien-Yao Wang و Hong-Yuan Mark Liao
- المنظمة: معهد علوم المعلومات، أكاديميا سينيكا، تايوان
- التاريخ: 2024-02-21
- Arxiv: https://arxiv.org/abs/2402.13616
- GitHub: https://github.com/WongKinYiu/yolov9
- المستندات: https://docs.ultralytics.com/models/yolov9/
البنية والميزات الرئيسية
يقدم YOLOv9 ابتكارين رئيسيين: معلومات التدرج القابلة للبرمجة (PGI) و شبكة تجميع الطبقات الفعالة المعممة (GELAN). يساعد PGI في تخفيف فقدان المعلومات أثناء تدفق البيانات عبر الشبكات العصبية العميقة، مما يضمن تعلم النموذج بشكل فعال. GELAN عبارة عن بنية عالية الكفاءة تعمل على تحسين استخدام المعلمات وسرعة الحساب.
في حين أن البحث الأصلي استثنائي، فإن دمج YOLOv9 في نظام Ultralytics البيئي يطلق العنان لإمكاناته الكاملة. يوفر هذا للمستخدمين:
- سهولة الاستخدام: تعمل واجهة برمجة تطبيقات Python مبسطة وسهلة الاستخدام و وثائق شاملة على تسهيل تدريب النماذج والتحقق منها ونشرها.
- نظام بيئي مُدار بشكل جيد: يستفيد المستخدمون من التطوير النشط، ودعم مجتمعي قوي، والتكامل السلس مع أدوات مثل Ultralytics HUB للتدريب بدون تعليمات برمجية و MLOps.
- كفاءة التدريب: توفر Ultralytics أوزانًا مُدرَّبة مسبقًا متاحة بسهولة وعمليات تدريب فعالة. والأهم من ذلك، أن YOLOv9 لديها متطلبات ذاكرة أقل بشكل ملحوظ أثناء التدريب مقارنة بنماذج المحولات مثل RTDETRv2، مما يجعلها في متناول المستخدمين الذين لديهم أجهزة أقل قوة.
- تنوع الاستخدامات: على عكس RTDETRv2، الذي يُستخدم بشكل أساسي للكشف، فإن بنية YOLOv9 أكثر تنوعًا، مع تطبيقات تدعم مهامًا مثل تجزئة المثيلات وتُظهر إمكانات للمزيد.
نقاط القوة والضعف
نقاط القوة:
- كفاءة فائقة: يقدم أحدث دقة مع عدد أقل من المعلمات وتكلفة حسابية أقل من المنافسين.
- توازن أداء ممتاز: يحقق توازنًا متميزًا بين السرعة والدقة، مما يجعله مناسبًا لمجموعة واسعة من التطبيقات.
- الحفاظ على المعلومات: يعالج PGI بشكل فعال مشكلة فقدان المعلومات في الشبكات العميقة.
- قابلية التوسع: يقدم أحجام نماذج مختلفة، من YOLOv9t خفيف الوزن إلى YOLOv9e عالي الأداء، لتلبية الاحتياجات المختلفة.
نقاط الضعف:
- الجدة: كنموذج أحدث، لا يزال عدد أمثلة النشر التي ساهم بها المجتمع في ازدياد، على الرغم من أن اعتماده يتسارع بسرعة بفضل نظام Ultralytics.
حالات الاستخدام المثالية
يتفوق YOLOv9 في التطبيقات التي تتطلب دقة عالية وأداءً في الوقت الفعلي.
- الحوسبة الطرفية: كفاءته تجعله مثاليًا للنشر على الأجهزة ذات الموارد المحدودة مثل NVIDIA Jetson.
- المراقبة في الوقت الفعلي: مراقبة فعالة لتغذية الفيديو لـ أنظمة الأمان.
- الروبوتات والطائرات بدون طيار: توفير إدراك سريع ودقيق للملاحة الذاتية.
- تطبيقات الأجهزة المحمولة: دمج الكشف القوي عن الكائنات في تطبيقات الأجهزة المحمولة دون استنزاف الموارد.
مقارنة أداء مباشرة: الدقة والسرعة والكفاءة
عند مقارنة مقاييس الأداء، تصبح المقايضات بين YOLOv9 و RTDETRv2 واضحة. يُظهر YOLOv9 باستمرار توازنًا أفضل بين الأداء والكفاءة.
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.1 | 26.4 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.0 | 76.3 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.3 | 102.1 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 57.3 | 189.0 |
كما يوضح الجدول، يحقق أكبر نموذج YOLOv9، وهو YOLOv9e، درجة mAP أعلى تبلغ 55.6٪ مقارنة بـ 54.3٪ لـ RTDETRv2-x، مع استخدام عدد أقل بكثير من FLOPs (189.0B مقابل 259B). على الطرف الآخر من الطيف، تقدم النماذج الأصغر مثل YOLOv9s دقة مماثلة لـ RTDETRv2-s (46.8٪ مقابل 48.1٪) ولكن مع عدد أقل بكثير من المعلمات و FLOPs، مما يجعلها أسرع بكثير وأكثر ملاءمة لأجهزة edge AI.
الخلاصة: ما هو النموذج المناسب لك؟
في حين أن RTDETRv2 يوفر دقة عالية من خلال بنيته القائمة على المحولات، إلا أن هذا يأتي على حساب متطلبات حسابية وذاكرة عالية، مما يجعله خيارًا متخصصًا للتطبيقات المتخصصة وعالية الموارد.
بالنسبة للغالبية العظمى من المطورين والباحثين، يعد YOLOv9 هو الخيار الأفضل. فهو لا يوفر دقة متطورة فحسب، بل يفعل ذلك بكفاءة ملحوظة. إن متطلباته المنخفضة من الموارد وسرعات الاستدلال الأسرع وقابليته للتوسع تجعله عمليًا للغاية للنشر في العالم الحقيقي. والأهم من ذلك، أن نظام Ultralytics البيئي القوي يوفر تجربة مستخدم لا مثيل لها، مع أدوات سهلة الاستخدام ودعم شامل وسير عمل فعال يسرع التطوير من المفهوم إلى الإنتاج.
استكشف النماذج الحديثة الأخرى
إذا كنت تستكشف خيارات مختلفة، ففكر في نماذج أخرى ضمن نظام Ultralytics البيئي:
- Ultralytics YOLOv8: نموذج شائع ومتعدد الاستخدامات للغاية ومعروف بأدائه الممتاز عبر مجموعة واسعة من مهام الرؤية، بما في ذلك الكشف والتقسيم وتقدير الوضع والتتبع. انظر مقارنة YOLOv8 بـ RT-DETR.
- Ultralytics YOLO11: أحدث نموذج من Ultralytics، يتجاوز حدود السرعة والكفاءة بشكل أكبر. إنه مصمم لتحقيق أداء متطور في التطبيقات في الوقت الفعلي. استكشف مقارنة YOLO11 بـ YOLOv9.
