YOLOv7 مقابل RTDETRv2#

يواصل مجال الرؤية الحاسوبية تطوره السريع، متأثرًا بشدة بالمنافسة بين الشبكات العصبية الالتفافية (CNNs) ومحولات الرؤية (ViTs). تتناول هذه المقارنة التقنية بنيتين بارزتين: YOLOv7، وهو كاشف كائنات محسّن للغاية ويستند إلى CNN، وRTDETRv2، وهو محول متطور للاكتشاف في الوقت 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»#

قدّم YOLOv7 عدة تحسينات بنيوية أحدثت تحولًا جذريًا في عائلة YOLO التقليدية، ودفع حدود اكتشاف الكائنات في الوقت الفعلي عبر سلسلة من «الحزم 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#

يتميز YOLOv7 ببنية شبكة تجميع الطبقات الفعّالة الموسعة (E-ELAN). يتيح هذا التصميم البنيوي للنموذج تعلم سمات أكثر تنوعًا دون إتلاف مسار التدرج الأصلي. كما يدمج التفافات مخططة أُعيدت معلمتها، ما يحسّن سرعة الاستدلال دون تدهور الدقة. ويتيح نهج «الحزمة المجانية» القابلة للتدريب تحقيق مفاضلات مثيرة للإعجاب بين السرعة والدقة، ما يجعله مناسبًا للغاية لمهام اكتشاف الكائنات في الوقت الفعلي على وحدات GPU بمستوى الخوادم.

يتسم YOLOv7 أيضًا بمرونة كبيرة. فإلى جانب اكتشاف مربعات الإحاطة القياسي، يوفر المستودع فروعًا لـتقدير الوضعيات وتجزئة المثيلات، ما يبرهن على قدرته على التكيف.

القيود#

مثل العديد من نماذج CNN القديمة، يعتمد YOLOv7 على القمع غير الأقصى (NMS) للمعالجة اللاحقة. ويؤدي NMS إلى زمن استجابة متغير، لا سيما في المشاهد المزدحمة، ما قد يعقّد ضمانات الأداء الصارمة في الوقت الفعلي على الأجهزة الطرفية.

تعرّف على المزيد عن YOLOv7

RTDETRv2: تطوير المحولات للعمل في الوقت الفعلي#

يبني RTDETRv2 على إطار عمل RT-DETR الأصلي، ويؤكد مجددًا قدرة المحولات على منافسة بنى YOLO في زمن الاستجابة في الوقت 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 كبيرًا لمحولات الرؤية. فهو يستفيد من عملية مرنة لاختيار الاستعلامات ومُشفّر هجين فعّال لمعالجة السمات متعددة المقاييس بسرعة. ومن خلال تقديم «حزمة مجانية» جديدة مصممة خصيصًا لمحولات الاكتشاف (DETRs)، يدفع الاستدلال المكاني إلى أقصى حدوده. ولأنه خالٍ من NMS بطبيعته، فإنه يوفر أوقات استدلال حتمية، وهي ميزة بالغة الأهمية لـتطبيقات المدن الذكية الصارمة والقيادة الذاتية.

القيود#

على الرغم من تطوراته، يحمل RTDETRv2 أعباء البنى التقليدية القائمة على المحولات. فهو يتطلب ذاكرة CUDA أكبر بكثير أثناء التدريب والاستدلال مقارنةً بشبكات CNN. بالإضافة إلى ذلك، تستغرق عملية تقارب التدريب وقتًا أطول بوضوح، وتتطلب كميات هائلة من البيانات عالية الجودة والمشروحة (مثل مجموعة بيانات COCO) وموارد حاسوبية كبيرة.

تعرّف على المزيد حول RTDETRv2

مقارنة الأداء#

عند قياس أداء هذه النماذج، ينبغي النظر إلى الصورة الكاملة التي تشمل الدقة وسرعة الاستدلال الخام والبصمة الحاسوبية. 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 صعوبات لوجستية. وهنا تتألق منظومة Ultralytics. فقد صُمم إطار عمل Ultralytics لتحقيق تكامل سلس وشامل من البداية إلى النهاية، ويوفر للمطورين واجهة برمجة تطبيقات موحدة تخفي التعقيدات المعتادة لمسارات عمل الرؤية الحاسوبية.

مرونة وكفاءة في الذاكرة لا مثيل لهما#

على خلاف نماذج المحولات الجامدة التي تستهلك كميات هائلة من VRAM، تحافظ نماذج Ultralytics YOLO على كفاءة عالية في استخدام الذاكرة. وهذا يتيح تدريب النماذج بسرعة على أجهزة متاحة. وتدعم المنظومة بطبيعتها مهامًا متعددة للرؤية الحاسوبية من قاعدة شيفرة واحدة، بما في ذلك تصنيف الصور واكتشاف مربعات الإحاطة الموجّهة (OBB)، ما يوفر مرونة يفتقر إليها RTDETRv2 حاليًا.

نشر سلس#

يتطلب الانتقال من البحث إلى الإنتاج خيارات نشر متينة. وتتعامل واجهة برمجة التطبيقات من Ultralytics أصليًا مع تصدير النماذج بنقرة واحدة إلى تنسيقات قياسية في الصناعة. سواء كنت تستهدف ONNX للتوافق بين المنصات أو TensorRT لتحقيق أقصى تسريع لوحدات GPU، فإن مسار العمل مؤتمت بالكامل وموثوق.

الترقية المثلى: Ultralytics YOLO26#

بالنسبة للمطورين الذين يفاضلون بين YOLOv7 وRTDETRv2، فإن المسار الأمثل للمضي قدمًا هو المعيار الجديد في الذكاء الاصطناعي للرؤية: Ultralytics YOLO26. صدر YOLO26 في يناير 2026، ويسد الفجوة بين سرعة شبكات CNN والاستدلال المتطور للمحولات، مع التخلص تمامًا من نقاط ضعف كل منهما.

يقدم YOLO26 ابتكارات رائدة مصممة للنشر على الخوادم والأجهزة الطرفية على حد سواء:

• تصميم شامل من البداية إلى النهاية وخالٍ من NMS: ظهر هذا التصميم لأول مرة في YOLOv10، ويوفر YOLO26 رأسًا أصليًا خاليًا من NMS (nms=False) يلغي المعالجة اللاحقة باستخدام NMS. ويضمن ذلك حتمية زمن الاستجابة التي يوفرها RTDETRv2، من دون العبء الحاسوبي الكبير للمحوّل.
• مُحسِّن MuSGD: استلهامًا من تقنيات تدريب النماذج اللغوية الكبيرة (مثل Kimi K2 من Moonshot AI)، يستخدم YOLO26 مزيجًا من SGD وMuon. ويوفر ذلك استقرارًا غير مسبوق في التدريب وأوقات تقارب أسرع بكثير مقارنةً بتطبيقات AdamW القياسية المستخدمة في ViTs.
• ProgLoss + STAL: تحقق دوال الخسارة المتقدمة هذه تحسينات ملحوظة في التعرف على الكائنات الصغيرة، ما يضاهي مباشرةً مزايا السمات متعددة المقاييس في RTDETRv2، وهو أمر بالغ الأهمية لـالأتمتة الروبوتية.
• تحسين الأجهزة الطرفية وإزالة DFL: بإزالة خسارة البؤرة التوزيعية (DFL)، يبسّط YOLO26 رأس المخرجات، ما يؤدي إلى استدلال على CPU أسرع بنسبة تصل إلى 43%، ويجعله أسهل بكثير للنشر على الأجهزة الطرفية مقارنةً بنماذج المحولات الضخمة.

مثال على التدريب باستخدام Ultralytics#

تتيح بساطة واجهة برمجة تطبيقات Python من Ultralytics تدريب نموذج YOLO26 المتطور باستخدام بضعة أسطر من الشيفرة فقط:

from ultralytics import YOLO

# ⁨تحميل نموذج YOLO26 الصغير عالي الكفاءة⁩
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 بسهولة 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 خوادم عالية الأداء التي تتطلب أقصى mAP ممكن.
• السيناريوهات التي تتطلب بصرامة زمن استدلال حتميًا (خاليًا من NMS)، شريطة توافر VRAM الكافية لدعم العمود الفقري للمحوّل.

متى تختار Ultralytics YOLO26:

• في الغالبية العظمى من الحالات. فهو يوفر الحتمية الخالية من NMS التي يقدمها RTDETRv2، ويتفوق على YOLOv7 في السرعة والدقة، ويستخدم VRAM أقل بكثير، كما يتكامل بالكامل مع منصة Ultralytics لإدارة مجموعات البيانات والتدريب والنشر بسهولة.