YOLOv8 مقابل RTDETRv2#

يتطور مجال الرؤية الحاسوبية باستمرار، إذ تدفع البنى الجديدة حدود الممكن في كشف الأجسام في الزمن الفعلي. ومن بين النموذجين البارزين اللذين حظيا باهتمام كبير Ultralytics YOLOv8 وRTDETRv2 من Baidu. يقدم هذا الدليل مقارنة تقنية شاملة بين هذين النموذجين القويين، مستكشفًا بنيتيهما ومقاييس أدائهما وسيناريوهات النشر المثالية.

نظرة عامة على YOLOv8#

يمثل Ultralytics YOLOv8 محطة مهمة في عائلة نماذج YOLO (أنت ترى مرة واحدة فقط). وهو يستند إلى سنوات من الأبحاث التأسيسية لتقديم سرعة ودقة وسهولة استخدام استثنائية لمجموعة واسعة من المهام.

الخصائص الرئيسية:

• المؤلفون: Glenn Jocher وAyush Chaurasia وJing Qiu
• الجهة: Ultralytics
• التاريخ: 10 يناير 2023
• GitHub: مستودع Ultralytics
• الوثائق: وثائق YOLOv8

البنية ومواطن القوة#

يقدم YOLOv8 بنية مبسطة تحسّن استخلاص السمات وانحدار مربعات الإحاطة معًا. وهو كاشف خالٍ من المراسي، ما يبسط رأس التنبؤ ويقلل عدد تعديلات المعلمات الفائقة المطلوبة أثناء التدريب. وتضمن هذه البنية توازن أداء ممتازًا بين سرعة الاستدلال ومتوسط الدقة (mAP)، ما يجعلها ملائمة جدًا للنشر في العالم الفعلي على الأجهزة الطرفية والخوادم السحابية على حد سواء.

إضافة إلى ذلك، يتطلب YOLOv8 ذاكرة أقل بكثير أثناء التدريب مقارنةً بالبنى القائمة على Transformer. ويتيح هذا للمطورين تدريب النماذج على وحدات GPU الاستهلاكية القياسية دون مواجهة أخطاء نفاد الذاكرة.

تعدد الاستخدامات#

تتمثل إحدى نقاط قوة YOLOv8 الأساسية في تعدد استخداماته المتأصل. وبينما تركز نماذج كثيرة على مربعات الإحاطة وحدها، يوفر YOLOv8 دعمًا جاهزًا لـكشف الأجسام وتجزئة الكائنات وتصنيف الصور وتقدير الوضعيات وكشف مربعات الإحاطة الموجّهة (OBB).

نظرة عامة على RTDETRv2#

يستند RTDETRv2 (الإصدار 2 من Transformer للكشف في الزمن الفعلي) إلى RT-DETR الأصلي، بهدف توظيف آليات الانتباه القوية في Vision Transformers ضمن تطبيقات كشف الأجسام في الزمن الفعلي.

الخصائص الرئيسية:

• المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
• الجهة: Baidu
• التاريخ: 2024-07-24
• Arxiv: 2407.17140
• GitHub: مستودع RT-DETR
• الوثائق: ملف README الخاص بـRTDETRv2

البنية ومواطن القوة#

يستفيد RTDETRv2 من بنية هجينة تجمع بين عمود فقري للشبكة العصبية الالتفافية (CNN) وبنية Transformer للمُرمِّز وفاك الترميز. وهذا يمكّن النموذج من استيعاب العلاقات المكانية المعقدة والسياق الشامل عبر آليات الانتباه الذاتي. وباستخدام مجموعة من استراتيجيات التدريب المعروفة باسم «مجموعة من المزايا المجانية»، يحقق RTDETRv2 درجات mAP تنافسية على مجموعات البيانات المعيارية الشائعة مثل مجموعة بيانات COCO.

نقاط الضعف#

على الرغم من دقته العالية، تؤدي طبيعة RTDETRv2 القائمة على Transformer إلى استهلاك أكبر للذاكرة وأوقات تدريب أبطأ مقارنةً بالبنى القائمة بالكامل على CNN. وتتطلب نماذج Transformer بطبيعتها قدرًا أكبر من VRAM، ما يصعّب تدريبها على العتاد محدود الموارد. كذلك، رغم قوة RTDETRv2 في الكشف، فإنه يفتقر إلى تعدد المهام المتاح في منظومة Ultralytics، مثل الوضعيات والتجزئة.

تعرّف على المزيد حول RTDETRv2

مقارنة الأداء#

عند تقييم النماذج للإنتاج، تُعد المفاضلة بين حجم النموذج وسرعة الاستدلال والدقة أمرًا بالغ الأهمية. ويقدم الجدول أدناه مقارنة مباشرة بين إصدارات YOLOv8 وRTDETRv2.

حالات الاستخدام والتوصيات#

يعتمد الاختيار بين YOLOv8 وRT-DETR على متطلبات مشروعك المحددة وقيود النشر وتفضيلات النظام البيئي.

متى تختار YOLOv8#

يُعد YOLOv8 خيارًا قويًا لـ:

• نشر متعدد المهام ومتعدد الاستخدامات: المشروعات التي تتطلب نموذجًا مجرّبًا لـالكشف والتقسيم والتصنيف وتقدير الوضعية ضمن منظومة Ultralytics.
• أنظمة إنتاجية راسخة: بيئات الإنتاج الحالية المبنية بالفعل على بنية YOLOv8، والتي تستخدم خطوط نشر مستقرة ومختبرة جيدًا.
• دعم واسع من المجتمع والمنظومة: التطبيقات التي تستفيد من دروس YOLOv8 الشاملة وتكاملاته مع جهات خارجية وموارد مجتمعه النشط.

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 تسريعاً مخصصاً بواسطة GPU، حيث يمنح الاستدلال الأسرع على CPU بنسبة تصل إلى 43% في YOLO26 ميزة حاسمة.
• اكتشاف الأجسام الصغيرة: السيناريوهات الصعبة مثل صور الطائرات المسيّرة الجوية أو تحليل مستشعرات إنترنت الأشياء، حيث يعزز ProgLoss وSTAL دقة اكتشاف الأجسام الدقيقة بدرجة كبيرة.

ميزة Ultralytics#

يتجاوز اختيار النموذج المقاييس الخام؛ إذ يُعد النظام البيئي البرمجي المحيط به عاملًا حاسمًا في إنتاجية المطورين. تشتهر منظومة Ultralytics بسهولة استخدامها، إذ توفر واجهة Python موحدة تبسّط دورة حياة تعلّم الآلة بأكملها.

من إدارة مجموعات البيانات إلى التدريب الموزع، تُخفي Ultralytics تعقيدات الشيفرات النمطية. ويستفيد المطورون من الأوزان المدرّبة مسبقًا والمتاحة بسهولة والتكامل السلس مع منصات مثل Hugging Face وأدوات المراقبة. تضمن هذه المنظومة التي تحظى بصيانة جيدة تطويرًا نشطًا وتحديثات متكررة ودعمًا قويًا من المجتمع.

علاوة على ذلك، تُعد كفاءة التدريب سمة بارزة في نماذج Ultralytics YOLO. فهي محسّنة للغاية لتحقيق تقارب سريع واستهلاك أقل للذاكرة أثناء عملية التدريب، ما يسرّع دورات التجريب بدرجة كبيرة مقارنة بكواشف الأجسام القائمة على Transformer مثل RTDETRv2.

نظرة إلى المستقبل: قوة YOLO26#

مع أن YOLOv8 لا يزال نموذجًا قويًا، ينبغي للمطورين الساعين إلى أحدث التقنيات التفكير في الترقية إلى YOLO26، الذي صدر في يناير 2026. يعيد YOLO26 تعريف أحدث ما توصلت إليه التقنية عبر ابتكارات رائدة عدة:

• تصميم شامل من دون NMS: تلغي وحدة الكشف الاختيارية واحد لواحد في YOLO26 (nms=False) المعالجة اللاحقة لقمع الحد الأقصى غير الجوار (NMS)، ما يؤدي إلى سير عمل نشر أسرع وأكثر قابلية للتنبؤ.
• إزالة DFL: تؤدي إزالة خسارة بؤرية التوزيع إلى تبسيط النموذج وتحسين توافقه مع الأجهزة الطرفية ومنخفضة الطاقة.
• محسّن MuSGD: يدمج محسّن MuSGD ابتكارات تدريب نماذج اللغة الكبيرة (LLM)، ويضمن عمليات تدريب أكثر استقرارًا وتقاربًا أسرع.
• استدلال أسرع على CPU بنسبة تصل إلى 43%: محسّن بشدة للبيئات التي تفتقر إلى وحدات GPU مخصصة.
• ProgLoss + STAL: تحقق الخسارة التقدمية وإسناد التسميات الواعي بالأهداف الصغيرة تحسينات ملحوظة في التعرّف على الأجسام الصغيرة، وهو أمر بالغ الأهمية للصور الجوية والروبوتات.

تشمل البدائل الحديثة الأخرى التي تستحق الاستكشاف ضمن مجموعة Ultralytics YOLO11، الذي يقدم أداءً قويًا للمشروعات القديمة، مع التوصية بـ YOLO26 لجميع عمليات النشر الجديدة.

مثال برمجي: التدريب والاستدلال#

تتيح بساطة واجهة Ultralytics API تحميل النماذج وتدريبها ونشرها باستخدام بضعة أسطر فقط من شيفرة Python. تأكد من تثبيت PyTorch قبل تشغيل المثال التالي.

from ultralytics import YOLO

# ⁨تحميل نموذج YOLOv8 صغير مدرّب مسبقًا⁩
model = YOLO("yolov8s.pt")

# ⁨درّب النموذج على مجموعة البيانات المخصصة⁩
# ⁨يتيح التدريب الموفر للذاكرة استخدام أحجام دفعات أكبر⁩
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640, batch=16)

# ⁨تنفيذ الاستدلال على صورة اختبار⁩
results = model("https://ultralytics.com/images/bus.jpg")

# ⁨اعرض النتائج⁩
results[0].show()

# ⁨تصدير سلس للنشر على الأجهزة الطرفية⁩
export_path = model.export(format="onnx")

الخلاصة#

يقدم كل من YOLOv8 وRTDETRv2 إمكانات واعدة لكشف الأجسام في الوقت الفعلي. ويُظهر RTDETRv2 قوة نماذج Transformer في استخلاص السياق العام، ما يجعله مناسبًا لمهام الاستدلال المكاني المعقدة التي لا تكون فيها سرعة الاستدلال واستهلاك الذاكرة من القيود الأساسية.

مع ذلك، تظل نماذج Ultralytics YOLO الخيار الأفضل للمطورين الذين يعطون الأولوية للتوازن الاستثنائي بين السرعة والدقة وكفاءة الموارد. فالطبيعة خفيفة الوزن لـ YOLOv8، إلى جانب سهولة استخدامه الفائقة وتعدد استخداماته في مهام الرؤية المتعددة ومنظومته المزدهرة مفتوحة المصدر، تجعله الحل المفضل لبيئات الإنتاج القابلة للتوسع. ولمن يسعون إلى أقصى أداء على الأجهزة الطرفية، يقدم YOLO26 الذي صدر حديثًا كفاءة لا تضاهى من دون NMS، ويواصل ريادة المجال.