YOLOv6-3.0 مقابل RTDETRv2
يتطلب اختيار البنية المثلى لتطبيقات الرؤية الحاسوبية تحقيق توازن بين السرعة والدقة وقيود النشر. تحلل هذه المقارنة التقنية YOLOv6-3.0، وهي شبكة عصبية التفافية (CNN) بمستوى صناعي صُممت لبيئات GPU ذات معدل نقل مرتفع، مقابل RTDETRv2، وهو نموذج قائم على Transformer يوظف آليات الانتباه لاكتشاف الأجسام في الوقت الفعلي.
على الرغم من أن كلا النموذجين يمثلان محطتين مهمتين في أبحاث الذكاء الاصطناعي، يلجأ المطورون الباحثون عن مسار عمل أكثر تنوعًا وكفاءة غالبًا إلى منصة Ultralytics.
YOLOv6-3.0: إنتاجية صناعية#
طوّره قسم Vision AI في Meituan، ويركز YOLOv6-3.0 بدرجة كبيرة على تعظيم سرعة المعالجة الخام على مسرّعات العتاد مثل وحدات GPU من NVIDIA، ما أكسبه شعبية في التطبيقات الصناعية.
- المؤلفون: Chuyi Li وLulu Li وYifei Geng وآخرون.
- المؤسسة: Meituan
- التاريخ: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
أبرز سمات البنية#
يعتمد YOLOv6-3.0 على العمود الفقري EfficientRep الملائم للأجهزة، والمصمم خصيصًا للاستدلال عالي السرعة باستخدام GPU. وتدمج البنية وحدة BiC للوصل ثنائي الاتجاه في عنق النموذج لإثراء دمج السمات عبر دقات مكانية مختلفة. أثناء التدريب، يستفيد النموذج من استراتيجية التدريب بمساعدة المراسي (AAT) لتوظيف مزايا التدريب القائم على المراسي مع الحفاظ على مسار استدلال خالٍ من المراسي.
نقاط القوة والضعف#
نقاط القوة:
- معدل نقل مرتفع على عتاد بمستوى الخوادم، مثل وحدات GPU من طرازي T4 وA100.
- يوفر شروحات متخصصة للتكميم للنشر بدقة INT8 باستخدام RepOpt.
- نسبة ملائمة بين عدد المعاملات والسرعة لتحليلات الفيديو على نطاق واسع.
نقاط الضعف:
- كاشف لصناديق الإحاطة بالدرجة الأولى؛ ويفتقر إلى تنوع المهام المتعددة الجاهز للاستخدام (مثل تقدير الوضعية وOBB) المتوفر في نماذج مثل Ultralytics YOLO11.
- يعتمد على المعالجة اللاحقة بكبت الصناديق المتداخلة (NMS)، ما يزيد تفاوت زمن الاستجابة.
- منظومة أقل نشاطًا مقارنة بأطر العمل الشائعة، مما يجعل التحديثات ودعم المجتمع أقل قابلية للتنبؤ.
RTDETRv2: المحولات الآنية#
قاد باحثون في Baidu تطوير RTDETRv2، الذي يبني على RT-DETR الأصلي عبر تحسين إطار عمل Transformer للاكتشاف باستخدام نهج «مجموعة من المزايا المجانية»، ما يحسن الدقة مع الحفاظ على السرعة في الوقت الفعلي.
- المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
- الجهة: Baidu
- التاريخ: 2024-07-24
- arXiv: 2407.17140
- GitHub: lyuwenyu/RT-DETR
أبرز سمات البنية#
على خلاف شبكات CNN التقليدية، يعمل RTDETRv2 بأسلوب شامل بطبيعته. ومن خلال الاستفادة من طبقات انتباه Transformer مع المطابقة واحدًا لواحد، تلغي البنية الحاجة إلى المعالجة اللاحقة بكبت الصناديق المتداخلة (NMS). ويتيح ذلك مسار استدلال مبسطًا. ويستخدم RTDETRv2 دمجًا محسّنًا للميزات عبر المقاييس ومُرمّزًا هجينًا فعالًا، محققًا دقة عالية على مجموعة بيانات COCO.
نقاط القوة والضعف#
نقاط القوة:
- تحقق آليات الانتباه القائمة على Transformer متوسط دقة (mAP) مرتفعًا، ولا سيما في المشاهد المعقدة أو الكثيفة.
- يُوحّد التصميم الخالي من NMS زمن الاستدلال ويبسط دمج النموذج في بيئات الإنتاج.
- مناسب تمامًا للسيناريوهات التي تتطلب أقصى دقة مع قيود عتاد محدودة.
نقاط الضعف:
- تتطلب طبقات Transformer قدرًا كبيرًا من ذاكرة CUDA أثناء التدريب، ما يشكل عائقًا للفرق التي لا تمتلك وحدات GPU متطورة.
- سرعات الاستدلال على CPU أبطأ بوضوح من الشبكات العصبية الالتفافية الطرفية المتخصصة، مما يحد من استخدامه على الأجهزة المحمولة وأجهزة إنترنت الأشياء.
- قد يكون الإعداد والضبط معقدين للفرق المعتادة على عمليات تعلم الآلة (MLOps) التقليدية.
مقارنة مفصلة للأداء#
يقارن الجدول التالي أداء YOLOv6-3.0 وRTDETRv2 عبر مؤشرات الأداء الرئيسية. لاحظ الفرق بين كفاءة YOLOv6 في عدد المعاملات والدقة الخام لـ RTDETRv2.
| النموذج | الحجم (بكسل) | mAPval50-95 | السرعة CPU ONNX (مللي ثانية) | السرعة T4 TensorRT10 (ms) | المعاملات (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
| 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 |
إذا كنت تنشر على عتاد يعتمد حصريًا على CPU، مثل Raspberry Pi، فإن النماذج القائمة على CNN تتفوق عمومًا على بنيات المحوّلات من حيث معدل الإطارات في الثانية (FPS). ولتحقيق أفضل أداء على الأجهزة الطرفية، فكّر في استخدام OpenVINO لتسريع الاستدلال.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين YOLOv6 وRT-DETR على متطلبات مشروعك المحددة وقيود النشر وتفضيلات المنظومة.
متى تختار YOLOv6#
يُعد YOLOv6 خيارًا قويًا لـ:
- النشر الملائم لعتاد الصناعة: الحالات التي يوفر فيها التصميم المراعي للعتاد وإعادة المعلمة الفعّالة للنموذج أداءً محسّنًا على عتاد مستهدف محدد.
- الكشف السريع أحادي المرحلة: التطبيقات التي تعطي الأولوية لسرعة الاستدلال الخام على GPU لمعالجة الفيديو في الوقت الفعلي ضمن بيئات خاضعة للتحكم.
- التكامل مع منظومة Meituan: الفرق التي تعمل بالفعل ضمن حزمة تقنيات Meituan وبنية النشر التحتية الخاصة بها.
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 بواسطة GPU، حيث يعمل YOLO26n أسرع على CPU بنسبة تصل إلى 43% من YOLO11n.
- اكتشاف الأجسام الصغيرة: سيناريوهات صعبة مثل الصور الجوية الملتقطة بالطائرات المسيّرة أو تحليل مستشعرات إنترنت الأشياء، حيث تحسّن ProgLoss وSTAL الدقة عند اكتشاف الأجسام الصغيرة جدًا.
ميزة Ultralytics: ظهور YOLO26#
على الرغم من تفوق YOLOv6-3.0 وRTDETRv2 في مجالاتهما الخاصة، يتطلب مشهد التعلم الآلي الحديث نماذج تجمع بين السرعة والدقة وتجربة المطورين. وتلبي منظومة Ultralytics هذه الاحتياجات، ولا سيما مع إصدار YOLO26.
صدر Ultralytics YOLO26 في يناير 2026، وهو نموذج Ultralytics الموصى به، إذ يحسن الدقة وسرعة CPU مقارنةً بالنماذج السابقة مثل YOLOv8 وYOLO12.
لماذا يتفوق YOLO26 على المنافسين#
- تصميم شامل خالٍ من NMS: استنادًا إلى التدريب الخالي من NMS الذي أدخله YOLOv10 إلى نماذج YOLO، يوفّر YOLO26 رأسًا اختياريًا أحادي المطابقة خاليًا من NMS (
nms=False) يتجاوز المعالجة اللاحقة لـ NMS. وهذا يوفّر بساطة النشر في RTDETRv2 مع الحفاظ على سرعة CNN محسّن. - مُحسِّن MuSGD: استُلهم YOLO26 من تدريب نماذج اللغة الكبيرة (LLM)، مثل Kimi K2 من Moonshot AI، ويستخدم مزيجًا من SGD وMuon. ويوفر ذلك ديناميكيات تدريب مستقرة وتقاربًا أسرع، ما يقلل الوقت وموارد الحوسبة اللازمة لمجموعات البيانات المخصصة.
- الأداء على الأجهزة الطرفية: تؤدي إزالة خسارة البؤرة التوزيعية (DFL) إلى تبسيط التصدير. وبالاقتران مع الرأس الأخف، يحقق YOLO26n استدلالًا أسرع على CPU بنسبة تصل إلى 43% مقارنةً بـ YOLO11n، ما يجعل YOLO26 مناسبًا تمامًا للذكاء الاصطناعي الطرفي وأجهزة إنترنت الأشياء.
- تحسين اكتشاف الأجسام الصغيرة: تعمل دالة الهدف ProgLoss واستراتيجية الإسناد STAL على تحسين اكتشاف الأجسام الصغيرة، وهو مطلب أساسي لتحليلات الطائرات المسيّرة والصور الجوية.
- تعدد المهام: على خلاف YOLOv6 الذي يركز حصرًا على الاكتشاف، يدعم YOLO26 مسارات عمل متعددة المهام تشمل تجزئة الكائنات، والتجزئة الدلالية، وتقدير العمق، وتصنيف الصور، وتقدير الوضعية، والصناديق المحيطة الموجّهة (OBB)، كل ذلك عبر واجهة API موحدة واحدة.
كفاءة التدريب وسهولة الاستخدام#
صُممت واجهة Python API من Ultralytics لتعزيز إنتاجية المطورين إلى أقصى حد. ويمكنك الانتقال من التدريب إلى النشر ببضعة أسطر من الشيفرة فقط، دون إعداد البيئة المعقد الذي تتطلبه مستودعات الأبحاث المستقلة.
فيما يلي مثال كامل قابل للتشغيل لتدريب نموذج YOLO26 والتحقق من صحته باستخدام حزمة Ultralytics:
from ultralytics import YOLO
# Load the YOLO26 Nano model
model = YOLO("yolo26n.pt")
# Train the model on a custom dataset (e.g., COCO8) for 50 epochs
# The API automatically handles dataset download and environment config
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Validate the model's accuracy on the validation split
val_metrics = model.val()
print(f"Validation mAP50-95: {val_metrics.box.map:.4f}")
# Export the trained model to ONNX for production deployment
model.export(format="onnx")الخلاصة#
يُعد YOLOv6-3.0 وRTDETRv2 إسهامين مميزين لمجتمع الذكاء الاصطناعي. يظل YOLOv6-3.0 أداة قوية للأتمتة الصناعية المعتمدة على GPU الخام، بينما يثبت RTDETRv2 قدرة بنى Transformer على تحقيق زمن استجابة آني مع زيادة الدقة إلى أقصى حد.
لكن للفرق التي تحتاج إلى إطار عمل موثوق وجاهز للإنتاج يحظى بدعم مجتمعي نشط، تُعد نماذج Ultralytics YOLO خيارًا قويًا. تجعل عمليات التكامل مع أدوات مثل Hugging Face وTensorRT، إلى جانب انخفاض استهلاك الذاكرة أثناء التدريب، النماذج عالية الأداء عملية الاستخدام على عتاد متواضع. وبالترقية إلى YOLO26، يستطيع المطورون استخدام مُحسِّن MuSGD والرأس الاختياري الخالي من NMS لبناء مسارات عمل للرؤية الحاسوبية أسرع وأذكى وأكثر قابلية للتوسع.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.