ابدأ

YOLO11 مقابل RTDETRv2

يتزايد اعتماد الكشف في الزمن الحقيقي على الاختيار بين الشبكات العصبية الالتفافية (CNNs) ومحولات الرؤية (ViTs). تتناول هذه المقارنة التقنية بنيتين رائدتين لـكشف الكائنات: YOLO11، وهي شبكة CNN محسّنة بدرجة كبيرة من Ultralytics، وRTDETRv2، وهو إصدار مطور من عائلة محولات الكشف من Baidu.

يقارن هذا الدليل بين بنيتيهما ومقاييس أدائهما وسيناريوهات نشرهما، لمساعدة مهندسي التعلم الآلي على الاختيار بينهما. يحقق كلا النموذجين دقة عالية، لكن نماذج Ultralytics YOLO تقدم عادةً توازنًا أفضل بين السرعة ودعم المنظومة وسهولة الاستخدام في الإنتاج.

YOLO11: معيار التنوع في التطبيقات الواقعية#

قدمت Ultralytics نموذج YOLO11، الذي يستند إلى سنوات من أبحاث YOLO لتقديم نموذج سريع ودقيق ومتعدد الاستخدامات. ويتعامل أصليًا مع كشف الكائنات وتجزئة المثيلات وتصنيف الصور وتقدير الوضعية وكشف صناديق الإحاطة الموجّهة (OBB).

البنية ومواطن القوة#

يستخدم YOLO11 عمودًا فقريًا محسنًا من CNN وأهرامات سمات متعددة المقاييس، ما يجعله كفؤًا في استهلاك الموارد. وهو مناسب للبيئات ذات القيود الصارمة على العتاد، بفضل استهلاكه المحدود للذاكرة أثناء التدريب والاستدلال. تدعم منصة Ultralytics استخدام YOLO11 في وسم البيانات والتدريب السحابي ومراقبة النماذج دون الحاجة إلى ربط أدوات MLOps منفصلة.

في النشر الطرفي، يوفّر YOLO11 زمن استجابة منخفضًا. يعمل تصميمه الخفيف بكفاءة على أجهزة تتراوح من لوحات Raspberry Pi إلى الهواتف المحمولة المخصصة للمستهلكين، مما يجعله خيارًا شائعًا في تجارة التجزئة الذكية، ومراقبة جودة التصنيع، وإدارة حركة المرور الآلية.

RTDETRv2: المحولات الآنية من Baidu#

يمثل RTDETRv2 (الإصدار الثاني من محول الكشف الآني) مسعى Baidu لجعل البنى القائمة على Transformer صالحة للمهام الآنية. وهو يبني على RT-DETR الأصلي، مستفيدًا من نهج «حزمة التحسينات المجانية» لتحسين دقة خط الأساس دون زيادة زمن الاستدلال.

تعرّف على المزيد حول RTDETRv2

البنية ومواطن القوة#

على عكس شبكات CNN التقليدية، يستخدم RTDETRv2 بنية مُرمِّز ومُفكِّك ترميز مع آليات الانتباه الذاتي، ما يتيح له التقاط السياق العام عبر الصورة. وهذا مفيد في المشاهد المزدحمة التي يكثر فيها الحجب. ويلغي RTDETRv2 الحاجة إلى القمع غير الأقصى (NMS) في المعالجة اللاحقة، ويعتمد بدلًا من ذلك على المطابقة الهنغارية أثناء التدريب لإجراء المطابقة الثنائية أحادية المطابقة.

لكن نماذج المحولات تحتاج عادةً إلى قدر أكبر من ذاكرة VRAM وذاكرة CUDA. وغالبًا ما يتطلب تدريب RTDETRv2 من الصفر أو ضبطه الدقيق على مجموعات بيانات مخصصة وحدات GPU متطورة ذات ذاكرة كبيرة، ما قد يشكل عائقًا أمام الفرق الصغيرة مقارنةً ببصمة التدريب الأخف لنماذج Ultralytics.

تحليل الأداء والمقاييس#

عند تقييم النماذج على مجموعة بيانات COCO القياسية، تظهر مفاضلات واضحة بين المعلمات وFLOPs والدقة (mAP).

النموذجالحجم
(بكسل)
‏mAPval50-95السرعة
CPU ONNX
(مللي ثانية)
السرعة
T4 TensorRT10
(ms)
المعاملات
(M)
FLOPs
(B)
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259

تحليل النتائج#

يحقق YOLO11 دقة أعلى لكل مَعلمة. ويسجل YOLO11x قيمة mAPval50-95 أعلى (54.7) من RTDETRv2-x (54.3)، مع استخدام عدد أقل من المعلمات (56.9M مقابل 76M) وعمليات FLOPs أقل (195.3B مقابل 259B).

كما أن YOLO11 أسرع على T4 TensorRT. يعمل YOLO11s خلال 2.5 ms مقابل 5.03 ms لـRTDETRv2-s (47.0 مقابل 48.1 mAP)، كما أن YOLO11m أدق (51.5 mAP) وأسرع (4.7 ms) من RTDETRv2-s. وهذا يجعل YOLO11 مناسبًا لتحليلات الفيديو في الزمن الحقيقي، حيث يكون وقت معالجة الإطار هو عنق الزجاجة الرئيسي.

تكلفة نماذج Transformer

مع أن RTDETRv2 يحقق دقة ممتازة عبر طبقات الانتباه، فإن هذه الآليات تتوسع تربيعيًا مع دقة الصورة، ما يؤدي إلى استهلاك أكبر لذاكرة VRAM أثناء التدريب والاستدلال. ويتجنب YOLO11 هذه التكلفة باستخدام كتل التفافية فعالة.

منظومة التدريب وسهولة الاستخدام#

تكمن الميزة الأساسية لاعتماد نموذج من Ultralytics في المنظومة المحيطة به. وغالبًا ما يتطلب تدريب RTDETRv2 التعامل مع مستودعات معقدة مخصصة للأبحاث، وضبط أوزان خسارة المطابقة الثنائية المعقدة، وإدارة استهلاك كبير للذاكرة.

تركّز Ultralytics على تجربة المطوّر. تزيل واجهة Python API الموحّدة الشيفرة النمطية، وتتكامل مع أدوات مثل Weights & Biases لتتبّع التجارب، وتتولى تعزيز البيانات تلقائيًا.

إليك مدى سهولة تدريب نموذج وتصديره باستخدام حزمة ultralytics:

from ultralytics import YOLO

# ⁨تهيئة نموذج YOLO11 بأوزان مدرّبة مسبقًا⁩
model = YOLO("yolo11n.pt")

# ⁨درّب النموذج بكفاءة على GPU محلي أو مثيل سحابي⁩
train_results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
    device=0,  # ⁨استخدم GPU مع CUDA⁩
)

# ⁨صدّر النموذج المدرّب إلى ONNX لنشره على نطاق واسع⁩
export_path = model.export(format="onnx")

بعد التدريب، لا يتطلب تصدير نموذج YOLO11 إلى تنسيقات مثل ONNX أو OpenVINO أو CoreML سوى أمر واحد، ما يتيح تشغيل النموذج نفسه على خلفيات عتادية متنوعة.

قدرات متعددة المهام

بينما يركز RTDETRv2 حصريًا على كشف صناديق الإحاطة، يدعم YOLO11 أيضًا تجزئة المثيلات وتصنيف الصور وتقدير الوضعية وكشف OBB، ما يتيح لك توحيد مهام رؤية متعددة ضمن عائلة نماذج واحدة.

حالات الاستخدام والتوصيات#

يعتمد الاختيار بين YOLO11 وRT-DETR على متطلبات مشروعك المحددة وقيود النشر وتفضيلاتك المتعلقة بالمنظومة.

متى تختار YOLO11#

يُعد YOLO11 خيارًا قويًا في الحالات التالية:

  • النشر الإنتاجي على الأجهزة الطرفية: التطبيقات التجارية على أجهزة مثل Raspberry Pi أو NVIDIA Jetson، حيث تُعد الموثوقية والصيانة النشطة أمرين أساسيين.
  • تطبيقات الرؤية متعددة المهام: المشاريع التي تتطلب الكشف والتجزئة والتصنيف وتقدير الوضعية وOBB ضمن إطار عمل موحد واحد.
  • النمذجة الأولية والنشر السريعان: الفرق التي تحتاج إلى الانتقال بسرعة من جمع البيانات إلى الإنتاج باستخدام واجهة Python البرمجية المبسطة من Ultralytics.

متى تختار RT-DETR#

يوصى بـRT-DETR 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 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 تسريعًا مخصصًا لوحدات GPU، حيث تمنح سرعة الاستدلال على CPU في YOLO26، الأعلى بنسبة تصل إلى 43% (YOLO26n مقابل YOLO11n)، ميزة 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 إلى المستقبل: قوة YOLO26#

لا يزال YOLO11 خيارًا قويًا للإنتاج، لكن ينبغي أن تبدأ المشاريع الجديدة باستخدام YOLO26. صدر YOLO26 في يناير 2026، ويقلّص الفجوة المعمارية مع المحوّلات عبر رأس اختياري شامل من البداية إلى النهاية بلا NMS (nms=False)، أدخله YOLOv10 إلى نماذج YOLO، ما يزيل زمن المعالجة اللاحقة لـ NMS ويبسّط منطق النشر.

يقدم YOLO26 أيضًا عدة تغييرات أخرى:

  • مُحسِّن MuSGD: استلهامًا من تقنيات تدريب نماذج اللغة الكبيرة (LLM) المستخدمة في Kimi K2 من Moonshot AI، يوفر هذا المزيج من SGD وMuon تدريبًا أكثر استقرارًا وتقاربًا أسرع.
  • إزالة DFL: يؤدي حذف Distribution Focal Loss إلى تبسيط التصدير وتحسين التوافق مع الأجهزة الطرفية منخفضة الطاقة.
  • ProgLoss + STAL: تعمل الخسارة التقدمية وتعيين التسميات الواعي بالأهداف الصغيرة (STAL) على تحسين التعرّف على الأجسام الصغيرة، وهو مطلب أساسي لمراقبة الطائرات المسيّرة ومراقبة المحاصيل الزراعية ومستشعرات إنترنت الأشياء الطرفية.
  • استدلال أسرع على CPU بنسبة تصل إلى 43%: في عمليات النشر التي لا تستخدم GPU مخصصًا، يعمل YOLO26n على CPU بسرعة تفوق YOLO11n بنسبة تصل إلى 43%.

للاطلاع على مجموعة أوسع من البنى، راجع YOLOv8 وYOLOv5 المعتمد على نطاق واسع، ونماذج متخصصة مثل YOLO-World للكشف بمفردات مفتوحة. سواء اخترت الاستقرار المثبت لـ YOLO11 أو YOLO26 الأحدث، يوفّر نظام Ultralytics الأدوات اللازمة لنقل مشاريع الرؤية الحاسوبية إلى بيئة الإنتاج.

المساهمون

التعليقات

اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.