RTDETRv2 مقابل YOLOv9
تنقسم بنى الرؤية الحاسوبية إلى نهجين رئيسيين: الشبكات العصبية الالتفافية (CNNs) والنماذج القائمة على Transformer. وتتطلب مقارنة RTDETRv2 وYOLOv9 الموازنة بين الانتباه العام ومعلومات التدرج القابلة للبرمجة. ويمثل كلاهما نموذجًا قويًا لنهجه في كشف الأجسام في الزمن الفعلي.
مقدمة عن النماذج#
RTDETRv2: Transformer للاكتشاف الآني#
طوّر باحثون في Baidu نموذج RTDETRv2، مستندين إلى RT-DETR الأصلي، من خلال تقديم «حزمة المجانيات» لتعزيز خط أساس Real-Time Detection Transformer. ويعالج النموذج عنق الزجاجة التقليدي في Transformers، أي سرعة الاستدلال، ما يجعل استخدامها ممكنًا في التطبيقات الآنية.
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- روابط: arXiv، GitHub
من السمات المميزة لـ RTDETRv2 تصميمه الأصلي الشامل من البداية إلى النهاية والخالي من NMS. فمن خلال إزالة كبت غير الأقصى (NMS) من المعالجة اللاحقة، يثبّت النموذج زمن استجابة الاستدلال ويبسط مسار النشر. وتساعد آلية الانتباه العام النموذج على التعامل مع المشاهد المعقدة والحشود الكثيفة، إذ يقيّم سياق الصورة كاملًا في آن واحد.
YOLOv9: معلومات التدرج القابلة للبرمجة#
يعالج YOLOv9، وهو بنية فعالة قائمة على CNN، مشكلة عنق زجاجة المعلومات الملازمة للشبكات العصبية العميقة. ويقدم معلومات التدرج القابلة للبرمجة (PGI) وشبكة تجميع الطبقات الفعالة المعممة (GELAN).
- المؤلفون: Chien-Yao Wang وHong-Yuan Mark Liao
- المؤسسة: معهد علوم المعلومات، أكاديميا سينيكا
- التاريخ: 21 فبراير 2024
- روابط: arXiv، GitHub
يستند YOLOv9 إلى أسس الشبكات العصبية الالتفافية المثبتة، مع التركيز على كفاءة المعلمات. ومن خلال الاحتفاظ بالمعلومات الأساسية أثناء العملية الأمامية، تحافظ PGI على موثوقية التدرجات، ما ينتج نموذجًا خفيفًا ودقيقًا. لكن YOLOv9، بخلاف RTDETRv2، لا يزال يعتمد على المعالجة اللاحقة القياسية باستخدام NMS.
الأداء وكفاءة الموارد#
يقارن الجدول أدناه متوسط الدقة (mAP) والتكلفة الحاسوبية على مجموعة بيانات MS COCO. ويستخدم YOLOv9 عددًا أقل بكثير من المعلمات مع دقة مماثلة (يحقق YOLOv9m قيمة 51.4 mAP مع 20.1M معلمة، مقابل 51.9 mAP و36M في RTDETRv2-m)، كما أنه أسرع على T4 TensorRT عند جميع الأحجام باستثناء YOLOv9e. ويحقق YOLOv9e أعلى mAP (55.6)، لكنه أيضًا أبطأ نموذج في الجدول (16.77 ms).
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
متطلبات الذاكرة وكفاءة التدريب#
تستهلك Transformers مثل RTDETRv2 ذاكرة كبيرة أثناء التدريب، وغالبًا ما تتطلب سعة كبيرة من ذاكرة CUDA. أما بنى CNN مثل YOLOv9 ونماذج Ultralytics YOLO الأخرى، فتستخدم ذاكرة أقل عادةً، ما يتيح للمطورين التدريب بأحجام دفعات أكبر على أجهزة استهلاكية.
للاستفادة القصوى من أجهزتك، فكّر في استخدام منصة Ultralytics للتدريب السحابي. فهي تتولى إعداد البيئة وتحديد حجم الدفعة تلقائيًا.
ميزة Ultralytics: المنظومة وسهولة الاستخدام#
تفيد المستودعات المستقلة، مثل صفحات GitHub الرسمية لـ RTDETRv2 أو YOLOv9، في البحث، لكن بيئات الإنتاج تحتاج إلى الاستقرار وسهولة الاستخدام ومنظومة تتم صيانتها جيدًا. ويوفر استخدام هذه النماذج عبر واجهة Python البرمجية من Ultralytics تجربة تطوير متسقة.
واجهة API موحّدة وتعدد الاستخدامات#
يخفي إطار عمل Ultralytics تعقيدات تحميل البيانات وزيادتها والتدريب الموزع. علاوة على ذلك، بينما يقتصر RTDETRv2 الأصلي على الكشف، تتيح منظومة Ultralytics للمستخدمين الانتقال بين كشف الأجسام وتجزئة الكائنات وتقدير الوضعية.
from ultralytics import RTDETR, YOLO
# تدريب نموذج YOLOv9 على بيانات مخصصة
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=50, imgsz=640)
# التبديل بسهولة إلى RT-DETR لتقييم المشاهد المعقدة
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")
# التصدير إلى تنسيقات جاهزة للإنتاج مثل TensorRT
model_yolo.export(format="engine")بفضل الوثائق الشاملة والتتبع التلقائي للتجارب والتصدير إلى تنسيقات مثل ONNX وTensorRT وOpenVINO، تختصر Ultralytics المسافة من النموذج الأولي إلى الإنتاج.
حالات الاستخدام المثالية#
المجالات التي يتألق فيها RTDETRv2#
بفضل آلية الانتباه العام، يُعد RTDETRv2 ملائمًا تمامًا لـ المعالجة من جانب الخادم والبيئات التي يكون فيها السياق العام مهمًا. ويؤدي أداءً جيدًا في:
- التصوير الطبي: اكتشاف الحالات الشاذة الدقيقة التي يكون فيها السياق المحيط حاسمًا.
- المراقبة الجوية: تحليل لقطات الطائرات المسيّرة عالية الدقة، حيث يساعد السياق المكاني الواسع على تفسير المشهد.
- تحليل الحشود الكثيفة: كشف الأفراد في المشاهد المزدحمة، حيث قد يؤدي NMS إلى استبعاد اكتشافات صحيحة متداخلة.
المجالات التي يتألق فيها YOLOv9#
يلائم YOLOv9 عمليات النشر الطرفي محدودة الموارد. وتناسب كفاءته الحاسوبية ما يلي:
- الروبوتات: الملاحة الآنية وتجنب العوائق عند الحاجة إلى زمن استجابة أدنى.
- إنترنت الأشياء في المدن الذكية: النشر على الأجهزة الطرفية مثل NVIDIA Jetson لمراقبة حركة المرور.
- الفحص الصناعي: مراقبة جودة خطوط التجميع عالية السرعة التي تتطلب معدلًا مرتفعًا للإطارات في الثانية (FPS).
المستقبل: ظهور Ultralytics YOLO26#
كان كل من YOLOv9 وRTDETRv2 خطوة مهمة إلى الأمام، ولا يزال المجال يتطور. أما عمليات النشر الجديدة، فيجمع فيها Ultralytics YOLO26، الصادر في يناير 2026، أفكارًا من كلا النهجين المعماريين.
يجمع YOLO26 بين نقاط قوة Transformers وCNN:
- تصميم شامل من البداية إلى النهاية بلا NMS: مثل RTDETRv2، يدعم YOLO26 الاستدلال الأصلي الشامل من البداية إلى النهاية، ويتجاوز المعالجة اللاحقة لـ NMS باستخدام الرأس الاختياري واحد إلى واحد (
nms=False)، ما يتيح مسارات نشر أسرع وأبسط وأكثر قابلية للتوقع. - محسّن MuSGD: استلهامًا من تقنيات تدريب نماذج اللغة الكبيرة (LLM)، مثل Kimi K2 من Moonshot AI، يستخدم YOLO26 مزيجًا من SGD وMuon لتحقيق تدريب أكثر استقرارًا وتقارب أسرع.
- استدلال أسرع على CPU بنسبة تصل إلى 43%: يعمل YOLO26n على CPU بسرعة تفوق YOLO11n بنسبة تصل إلى 43%، ما يجعله مناسبًا للحوسبة الطرفية والأجهزة التي لا تحتوي على وحدات GPU، حيث تواجه Transformers الأثقل صعوبة.
- إزالة DFL: تؤدي إزالة خسارة البؤرة التوزيعية إلى تبسيط مخطط النموذج، ما يسهل تصديره إلى الأجهزة الطرفية منخفضة الطاقة ووحدات المعالجة العصبية المضمنة (NPUs).
- ProgLoss + STAL: تعمل الخسارة التدريجية وتعيين التسميات المراعي للأهداف الصغيرة (STAL) على تحسين التعرّف على الأجسام الصغيرة، وهو أمر مهم لمجموعات بيانات إنترنت الأشياء والبيانات الجوية.
نوصي الفرق التي تبدأ مشروعًا جديدًا في الرؤية الحاسوبية بتقييم YOLO26. فهو يوفر استدلالًا اختياريًا بلا NMS، على غرار Transformer، مع سرعة وكفاءة التدريب في بنية YOLO.
الملخص#
يتوقف الاختيار بين RTDETRv2 وYOLOv9 إلى حد كبير على أجهزة النشر واحتياجات الدقة المحددة. يوفر RTDETRv2 دقة عالية ووعيًا بالسياق للتطبيقات المدعومة بالخوادم، بينما يقدم YOLOv9 كفاءة قوية للأجهزة الطرفية.
تتيح منظومة Ultralytics للمطورين تجربة YOLOv9 وRT-DETR الأصلي باستخدام واجهة API نفسها. وتوفر النماذج الأحدث مثل YOLO11 وYOLO26 القادر على العمل من البداية إلى النهاية دعمًا أوسع للمهام، واستدلالًا سريعًا، واستهلاكًا منخفضًا للذاكرة.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.