مقارنة النموذج: YOLO11 مقابل PP-YOLOE+ للكشف عن الأجسام
يعد اختيار النموذج الصحيح لاكتشاف الأجسام أمرًا بالغ الأهمية لمشاريع الرؤية الحاسوبية. يُعد كل من الطرازين Ultralytics YOLO11 وPP-YOLOE+ من أحدث النماذج، ولكل منهما نقاط قوة فريدة تلبي احتياجات التطبيقات المختلفة. تقدم هذه الصفحة مقارنة تقنية مفصلة للمساعدة في اتخاذ قرار مستنير بين هذين النموذجين القويين.
Ultralytics YOLO11
إن Ultralytics YOLO11 هو أحدث تكرار في سلسلة YOLO التي طورتها شركة Ultralytics. يشتهر YOLO11 بقدراته على اكتشاف الأجسام في الوقت الحقيقي، ويعتمد على الإصدارات السابقة، مما يعزز كلاً من السرعة والدقة. وهو يحافظ على نموذج الكشف أحادي المرحلة، مع إعطاء الأولوية للاستدلال الفعال دون المساس بالدقة.
البنية والمميزات الرئيسية
يتميز YOLO11 ببنية مبسطة مُحسّنة للاستدلال السريع. وهي تتضمن تطورات في طوبولوجيا الشبكة وتقنيات التدريب لتحقيق التوازن بين عدد المعلمات والأداء. تشمل الميزات المعمارية الرئيسية ما يلي:
- عمود فقري فعال: يستخدم شبكة أساسية عالية الكفاءة لاستخراج الميزات بسرعة.
- الكشف بدون مرساة: يعمل بدون مربعات تثبيت، مما يبسّط عملية الكشف ويحسّن القدرة على التكيف عبر مختلف مقاييس الأجسام، على غرار YOLOv8.
- أحجام النماذج القابلة للتطوير: تقدم مجموعة من أحجام النماذج (n، s، m، l، x) لتناسب الموارد الحاسوبية المتنوعة، من الأجهزة المتطورة إلى الخوادم عالية الأداء، مما يضمن تعدد الاستخدامات في النشر.
مقاييس الأداء
يتفوق YOLO11 في تحقيق التوازن بين السرعة والدقة، مما يجعله مناسبًا للتطبيقات في الوقت الفعلي. فهو يُظهر أحدث ما توصل إليه متوسط الدقة (mAP) على مجموعات بيانات مثل COCO مع الحفاظ على سرعات استدلالية مذهلة. تقدم أحجام النماذج المختلفة مفاضلات متفاوتة بين السرعة والدقة، كما هو مفصل في جدول المقارنة أدناه.
حالات الاستخدام ونقاط القوة
YOLO11 مناسب بشكل مثالي للتطبيقات التي تتطلب مزيجًا من السرعة والدقة العالية:
- تحليلات الفيديو في الوقت الحقيقي: تستفيد تطبيقات مثل أنظمة الأمن ومراقبة حركة المرور وإدارة طوابير الانتظار من سرعة ودقة YOLO11.
- نشر الحافة: إن كفاءته وحجمه الصغير يجعلان YOLO11 ممتازاً للنشر على الأجهزة المتطورة مثل Raspberry Pi و NVIDIA Jetson.
- تطبيقات متعددة الاستخدامات: من الذكاء الاصطناعي في التصنيع لمراقبة الجودة إلى الرؤية الحاسوبية لمنع السرقة في البيع بالتجزئة، فإن قدرة YOLO11 على التكيف تجعلها خيارًا قويًا في مختلف المجالات.
التأليف والتاريخ:
- المؤلفان: جلين جوشر وجينغ تشيو
- المنظمة Ultralytics
- التاريخ: 2024-09-27-2024
- رابط GitHub: مستودعUltralytics YOLOv8 GitHub GitHub
- رابط التوثيق: مستنداتUltralytics YOLO11
PP-YOLOE+
تم تطوير PP-YOLOE+ (PP-YOLOE+ ( PaddlePaddle You Look Only One Level Efficient Plus) من قبل Baidu كجزء من حديقة حيوانات نموذج PaddleDetection. يركز على تحقيق دقة عالية في اكتشاف الأجسام مع الحفاظ على كفاءة معقولة. PP-YOLOE+ هو نسخة محسّنة من PP-YOLOE، يتضمن تحسينات معمارية لتحسين الأداء.
البنية والمميزات الرئيسية
PP-YOLOE+ هو نموذج للكشف عن الأجسام أحادي المرحلة وخالٍ من المرتكزات. يعمل على تبسيط عملية الكشف عن طريق التنبؤ مباشرةً بمراكز الأجسام ومعلمات المربع المحيط. تشمل الميزات الرئيسية ما يلي:
- تصميم خالٍ من المراسي: تبسيط بنية النموذج والتدريب، وتجنب تعقيدات مربعات الارتكاز.
- بنية فعالة: توظف العمود الفقري لشبكة ResNet وتركز على تقنيات التحسين لتقليل النفقات الحسابية مع الحفاظ على الدقة التنافسية.
- تكامل نظامPaddlePaddle البيئي: مُحسَّن للتكامل والنشر السلس داخل إطار عمل PaddlePaddle والاستفادة من مزايا النظام البيئي الخاص به.
مقاييس الأداء
تقدم نماذج PP-YOLOE+ مجموعة من التكوينات (t، s، m، l، x) لتحقيق التوازن بين الدقة والسرعة. في حين أن مقاييس سرعة CPU المفصلة CPU ONNX غير متوفرة بسهولة في البيانات المقدمة، تُظهر نماذج PP-YOLOE+ سرعات استدلالية تنافسية في CPU MAP وفعالة في TensorRT وهي مناسبة للتطبيقات التي تكون فيها الدقة والنشر الفعال أمرًا بالغ الأهمية.
حالات الاستخدام ونقاط القوة
يعد PP-YOLOE+ مناسبًا تمامًا للتطبيقات التي تكون فيها الدقة والكفاءة العالية أمرًا بالغ الأهمية، خاصةً داخل نظام PaddlePaddle :
- الفحص الصناعي: مثالي لفحوصات الجودة عالية السرعة في التصنيع، والاستفادة من دقته وكفاءته.
- حوسبة الحافة: نشر فعال على الأجهزة المحمولة والمضمنة بفضل بنيتها المحسّنة.
- الروبوتات: يوفر تصوراً في الوقت الحقيقي للروبوتات التي تعمل في بيئات ديناميكية، مستفيداً من سرعته ودقته.
- معالجة عالية الإنتاجية: مناسبة للسيناريوهات التي تتطلب اكتشافًا سريعًا للأجسام على كميات كبيرة من الصور أو تدفقات الفيديو.
التأليف والتاريخ:
- المؤلفون PaddlePaddle المؤلفون
- المنظمة: بايدو
- التاريخ: 2022-04-02
- رابط ArXiv: ورقة PP-YOLOE ArXiv
- رابط GitHub: مستودع GitHub PaddleDetection GitHub
- رابط التوثيق: وثائق PP-YOLOE+
جدول مقارنة النماذج
الطراز | الحجم (بكسل) |
مافال 50-95 |
السرعة CPU ONNX (مللي ثانية) |
السرعة T4 T4TensorRT10 (مللي ثانية) |
بارامز (م) |
(ب) |
---|---|---|---|---|---|---|
يولو 11 ن | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
يولو 11 م | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
يولو 11ل | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
يولو11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
PP-YOLOE+T | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
PP-YOLOE+م | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
الخاتمة
يُعدّ كل من YOLO11 وPP-YOLOE+ نموذجين قويين لاكتشاف الأجسام. يوفر YOLO11 تجربة متعددة الاستخدامات وسهلة الاستخدام داخل نظام Ultralytics حيث يوازن بين السرعة والدقة بفعالية في مختلف المهام. يتفوق PP-YOLOOE+ في الدقة والكفاءة، خاصةً للمستخدمين المدمجين في إطار عمل PaddlePaddle أو الذين يعطون الأولوية للتصميم الخالي من المثبتات للتطبيقات الصناعية.
بالنسبة للمستخدمين المهتمين بالنماذج الأخرى، تقدم Ultralytics مجموعة من النماذج المتطورة، بما في ذلك: