YOLOv7 مقابل RTDETRv2#

تواصل الرؤية الحاسوبية تطورها السريع، متأثرةً بالتنافس بين الشبكات العصبية الالتفافية (CNNs) ومحوّلات الرؤية (ViTs). تتناول هذه المقارنة التقنية معماريتين بارزتين: YOLOv7، وهو كاشف أجسام قائم على CNN ومحسّن بدرجة كبيرة، وRTDETRv2، وهو محوّل متطور للكشف في الزمن الفعلي.

من خلال تحليل الاختلافات المعمارية ومقاييس الأداء وسيناريوهات النشر المثالية، يمكن للمطورين اتخاذ قرارات مدروسة عند دمج نماذج الذكاء الاصطناعي للرؤية هذه في مسارات عمل الإنتاج.

YOLOv7: بنية CNN قائمة على «الحزمة المجانية»#

قدم YOLOv7 عدة تحسينات بنيوية لعائلة YOLO التقليدية، ودفع حدود اكتشاف الأجسام في الزمن الفعلي عبر سلسلة من «المزايا المجانية القابلة للتدريب».

الخصائص الرئيسية:

• المؤلفون: Chien-Yao Wang وAlexey Bochkovskiy وHong-Yuan Mark Liao
• المؤسسة: معهد علوم المعلومات، أكاديميا سينيكا
• التاريخ: 2022-07-06
• arXiv: https://arxiv.org/abs/2207.02696
• GitHub: WongKinYiu/yolov7

البنية ومواطن القوة#

يعتمد YOLOv7 على معمارية شبكة تجميع الطبقات الفعالة الموسعة (E-ELAN). يتيح هذا التصميم البنيوي للنموذج تعلم ميزات أكثر تنوعًا من دون إفساد مسار التدرج الأصلي. كما يدمج التفافات مخططةً بإعادة المعلمات، ما يحسن سرعة الاستدلال من دون تراجع الدقة. ويتيح نهج «المزايا المجانية القابلة للتدريب» تحقيق توازن قوي بين السرعة والدقة، ما يجعله مناسبًا للغاية لمهام اكتشاف الأجسام في الزمن الفعلي على وحدات GPU بمستوى الخوادم.

يتميز YOLOv7 أيضًا بمرونة كبيرة. فإلى جانب اكتشاف الصناديق المحيطة القياسي، يوفر المستودع فروعًا لـتجزئة الكائنات وتقدير الوضعيات، ما يبرهن على قابليته للتكيف.

القيود#

مثل كثير من نماذج CNN السابقة، يعتمد YOLOv7 على قمع الحدود الأقصى (NMS) للمعالجة اللاحقة. ويتسبب NMS في تفاوت زمن الاستجابة، خاصةً في المشاهد المزدحمة، ما قد يعقد ضمانات الزمن الفعلي الصارمة على الأجهزة الطرفية.

تعرّف على المزيد عن YOLOv7

RTDETRv2: تطوير المحولات للعمل في الوقت الفعلي#

يرتكز RTDETRv2 على إطار عمل RT-DETR الأصلي، ويؤكد أكثر قدرة المحوّلات على منافسة معماريات YOLO في زمن الاستجابة الفعلي مع الحفاظ على دقة مكانية عالية.

الخصائص الرئيسية:

• المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
• الجهة: Baidu
• التاريخ: 2024-07-24
• arXiv: https://arxiv.org/abs/2407.17140
• GitHub: lyuwenyu/RT-DETR

البنية ومواطن القوة#

يمثل RTDETRv2 تقدمًا ملحوظًا في محوّلات الرؤية. فهو يستفيد من عملية مرنة لاختيار الاستعلامات ومُرمِّز هجين فعّال لمعالجة الميزات متعددة المقاييس بسرعة. ومن خلال تقديم «مزايا مجانية» جديدة مصممة خصيصًا لمحوّلات الكشف (DETRs)، يحسن الدقة من دون زيادة تكلفة الاستدلال. وبما أنه لا يستخدم NMS، فإنه يوفر أزمنة استدلال أكثر قابلية للتوقع، ما يفيد في تطبيقات المدن الذكية والقيادة الذاتية.

القيود#

على الرغم من تطوراته، يحمل RTDETRv2 أعباء معماريات المحوّلات التقليدية. فهو يتطلب ذاكرة CUDA أكبر بكثير أثناء التدريب والاستدلال مقارنةً بـ CNNs. كما أن أزمنة تقاربه في التدريب أطول بوضوح، ويتطلب كميات كبيرة من البيانات عالية الجودة والموسومة، مثل مجموعة بيانات COCO، إلى جانب موارد حاسوبية ضخمة.

تعرّف على المزيد حول RTDETRv2

مقارنة الأداء#

عند قياس أداء هذه النماذج، من المفيد النظر إلى الدقة وسرعة الاستدلال الخام والبصمة الحاسوبية معًا. فيما يلي جدول مقارنة مباشر.

ميزة Ultralytics: المنظومة والتطور#

على الرغم من أن YOLOv7 وRTDETRv2 يقدمان إمكانات قوية، فإن نشرهما في بيئات الإنتاج يكشف غالبًا عن عقبات تشغيلية. صُممت منظومة Ultralytics لتقليل هذه العقبات، إذ توفر للمطورين API موحدًا يخفي التعقيدات المعتادة لمسارات معالجة الرؤية الحاسوبية.

تعدد الاستخدامات وكفاءة الذاكرة#

على خلاف نماذج المحوّلات التي تحتاج إلى كميات كبيرة من VRAM، تتميز نماذج Ultralytics YOLO بكفاءة استهلاك الذاكرة. ويتيح ذلك إجراء تدريب النماذج بسرعة على عتاد متاح. وتدعم المنظومة بطبيعتها مهامًا متعددة للرؤية الحاسوبية من قاعدة شيفرة واحدة، منها تصنيف الصور واكتشاف الصناديق المحيطة الموجّهة (OBB)، ما يوفر مرونة يفتقر إليها RTDETRv2 حاليًا.

النشر#

يتطلب الانتقال من البحث إلى الإنتاج خيارات نشر قوية. تتولى API الخاصة بـ Ultralytics تصدير النماذج إلى التنسيقات المعتمدة في الصناعة باستدعاء واحد. سواء أكنت تستهدف ONNX للتوافق بين المنصات أم TensorRT لتحقيق أقصى تسريع لوحدة GPU، تتم عملية التحويل تلقائيًا.

الترقية إلى Ultralytics YOLO26#

للمطورين الذين يفاضلون بين YOLOv7 وRTDETRv2، الخيار الموصى به هو Ultralytics YOLO26. أُطلق YOLO26 في يناير 2026، ويجمع بين سرعة CNNs والاستدلال الشامل للمحوّلات، مع معالجة كثير من نقاط الضعف الخاصة بكل منها.

يقدم YOLO26 عدة ابتكارات للنشر على الخوادم والأجهزة الطرفية:

• تصميم شامل خالٍ من NMS: استنادًا إلى التدريب الخالي من NMS الذي أدخله YOLOv10 إلى نماذج YOLO، يوفّر YOLO26 رأسًا اختياريًا خاليًا من NMS (nms=False) يتجاوز المعالجة اللاحقة لـ NMS. ويوفّر ذلك زمن الاستجابة القابل للتوقع في RTDETRv2 من دون العبء الحسابي لـ Transformer.
• مُحسِّن MuSGD: استلهامًا من تقنيات تدريب نماذج اللغة الكبيرة، مثل Kimi K2 من Moonshot AI، يستخدم YOLO26 مزيجًا هجينًا من SGD وMuon. وهذا يحسن استقرار التدريب وسرعة التقارب مقارنةً بإعدادات AdamW القياسية التي تستخدمها كثير من نماذج ViTs.
• ProgLoss + STAL: تحسن الخسارة التدريجية وإسناد التسميات المراعي للأهداف الصغيرة التعرف على الأجسام الصغيرة، وتنافس مباشرةً مزايا الميزات متعددة المقاييس في RTDETRv2، وهو أمر بالغ الأهمية للأتمتة الروبوتية.
• تحسين الأجهزة الطرفية وإزالة DFL: بإزالة خسارة البؤرة التوزيعية (DFL)، يبسط YOLO26 رأس الإخراج، ويعمل YOLO26n بسرعة أعلى تصل إلى 43% على CPU مقارنةً بـ YOLO11n، ما يجعل نشر YOLO26 على الأجهزة الطرفية أسهل بكثير من نشر نماذج المحوّلات الثقيلة.

مثال على التدريب باستخدام Ultralytics#

تتيح بساطة Python API في Ultralytics تدريب نموذج YOLO26s باستخدام بضعة أسطر من الشيفرة فقط:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLO26 الصغير⁩
model = YOLO("yolo26s.pt")

# ⁨تدريب النموذج على مجموعة بيانات COCO8⁩
# ⁨يدير إطار العمل تلقائيًا زيادة البيانات واختيار المُحسِّن⁩
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# ⁨التصدير إلى TensorRT للنشر⁩
model.export(format="engine", dynamic=True)

حالات الاستخدام المثالية#

يعتمد اختيار البنية المناسبة بدرجة كبيرة على قيود النشر وتوافر الأجهزة:

متى تنظر في YOLOv7:

• مشروعات الأبحاث القديمة التي يُعد فيها YOLOv7 خط أساس راسخًا.
• البيئات التي يتوفر فيها تسريع قوي لوحدات GPU ويُقبل فيها تذبذب زمن استجابة NMS.

متى ينبغي التفكير في RTDETRv2:

• عمليات النشر على الخوادم عالية الأداء التي تتطلب أعلى mAP.
• السيناريوهات التي تتطلب بشدة زمن استدلال قابلًا للتوقع وخاليًا من NMS، شريطة توفر VRAM اللازمة لدعم العمود الفقري للمحوّل.

متى تختار Ultralytics YOLO26:

• معظم المشاريع الجديدة. يوفر استدلالًا اختياريًا خاليًا من NMS مثل RTDETRv2، ويتجاوز YOLOv7 في السرعة والدقة، ويستهلك VRAM أقل، كما يتكامل بالكامل مع منصة Ultralytics لإدارة مجموعات البيانات والتدريب والنشر.