YOLOv9 مقابل RTDETRv2#
شهد مجال اكتشاف الأجسام في الزمن الحقيقي تحولًا جذريًا في السنوات الأخيرة. وبرزت فلسفتان معماريتان مختلفتان للهيمنة على المجال: الشبكات العصبية الالتفافية المحسّنة (CNNs) ومحوّلات اكتشاف الأجسام الآنية (DETRs). ويمثل YOLOv9 وRTDETRv2 قمة هذين النهجين.
يقارن هذا الدليل الشامل بين هذين النموذجين القويين، محللًا ابتكاراتهما المعمارية ومقاييس الأداء وسيناريوهات النشر المثالية، لمساعدتك في اختيار النموذج المناسب لخط معالجة الرؤية الحاسوبية لديك.
ملخص تنفيذي#
يحقق كلا النموذجين نتائج متقدمة، لكنهما يلبيان قيود نشر ومنظومات تطوير مختلفة قليلًا.
- اختر YOLOv9 إذا: كنت بحاجة إلى استخدام فعال للغاية للمعلمات واستدلال سريع على الأجهزة الطرفية. إذ يدفع YOLOv9 الحدود النظرية لكفاءة CNN، مما يجعله مثاليًا للبيئات ذات الموارد الحسابية المحدودة بشدة.
- اختر RTDETRv2 إذا: كنت بحاجة إلى فهم السياق الدقيق الذي توفره المحوّلات، لا سيما في المشاهد التي تشهد حجبًا شديدًا أو علاقات معقدة بين الأجسام، وكانت لديك الأجهزة اللازمة لدعم بنية أثقل قليلًا.
- اختر YOLO26 (موصى به) إذا: كنت تريد الأفضل على الإطلاق من كلا النهجين. يتميز YOLO26، أحدث جيل متاح على منصة Ultralytics، بـتصميم شامل وخالٍ من NMS اختياري (
nms=False، مشابه لنماذج DETR لكنه أسرع بكثير)، مما يزيل اختناقات المعالجة اللاحقة ويوفر استدلالًا على CPU أسرع بنسبة تصل إلى 43% مقارنة بالأجيال السابقة.
المواصفات التقنية والجهة المؤلفة#
يوفر فهم أصول هذه النماذج والغاية من تصميمها سياقًا أساسيًا لقراراتها المعمارية.
YOLOv9#
- المؤلفون: Chien-Yao Wang وHong-Yuan Mark Liao
- المؤسسة: معهد علوم المعلومات، أكاديميا سينيكا
- التاريخ: 2024-02-21
- Arxiv: https://arxiv.org/abs/2402.13616
- GitHub: WongKinYiu/yolov9
RTDETRv2#
- 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
ابتكارات البنية#
YOLOv9: معالجة اختناق المعلومات#
يقدّم YOLOv9 ابتكارين رئيسيين صُمّما لمعالجة فقدان المعلومات أثناء مرور البيانات عبر الشبكات العصبية العميقة:
- معلومات التدرّج القابلة للبرمجة (PGI): يضمن إطار الإشراف المساعد هذا توليد تدرّجات موثوقة لتحديث أوزان الشبكة، مع الحفاظ على معلومات السمات الأساسية حتى في طبقات الشبكة العميقة جدًا.
- شبكة تجميع الطبقات الفعّالة المعمّمة (GELAN): بنية مبتكرة تجمع بين نقاط قوة CSPNet وELAN. تحسّن GELAN كفاءة المعلمات، ما يتيح لـ YOLOv9 تحقيق دقة أعلى باستخدام عدد أقل من عمليات FLOPs مقارنةً بشبكات CNN التقليدية.
RTDETRv2: تعزيز المحوّلات الآنية#
استنادًا إلى نجاح RT-DETR الأصلي، تستخدم RTDETRv2 بنية قائمة على Transformer تتجنب بطبيعتها الحاجة إلى الكبت غير الأقصى (NMS). وتشمل تحسيناتها ما يلي:
- استراتيجية المزايا المجانية (Bag-of-Freebies): يدمج الإصدار v2 تقنيات تدريب متقدمة وتحسينات للبيانات تعزّز الدقة بدرجة كبيرة دون إضافة أي عبء إلى زمن استدلال النموذج.
- المُرمّز الهجين الفعّال: من خلال معالجة السمات متعددة المقاييس عبر آلية انتباه منفصلة داخل المقاييس وعبرها، تدير RTDETRv2 بكفاءة التكلفة الحاسوبية المرتفعة تقليديًا لمحوّلات الرؤية.
في حين تستفيد RTDETRv2 من المحوّلات للكشف دون NMS، تحقق بنية YOLO26 الجديدة ذلك باستخدام رأس اختياري واحد لواحد (nms=False) ضمن بنية CNN محسّنة للغاية، ما يوفّر النشر المبسّط نفسه مع سرعات استدلال على الأجهزة الطرفية أعلى بكثير.
مقارنة الأداء#
عند تقييم النماذج للاستخدام الإنتاجي، تُعد المفاضلة بين الدقة والمتطلبات الحاسوبية أمرًا بالغ الأهمية. يوضّح الجدول أدناه أداء أحجام النماذج المختلفة في المعايير القياسية.
| النموذج | الحجم (بكسل) | mAPالتحقق 50-95 | السرعة CPU ONNX (مللي ثانية) | السرعة T4 TensorRT10 (ms) | المعاملات (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
| 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 |
التحليل#
كما تُظهر البيانات، تحافظ YOLOv9 على تفوق واضح في كفاءة المعلمات. يحقق نموذج YOLOv9c قيمة mAP مذهلة تبلغ 53.0 باستخدام 25.5M معلمة فقط، ما يجعله خفيف الوزن للغاية.
في المقابل، تقدّم RTDETRv2 منافسة قوية ضمن فئات النماذج المتوسطة والكبيرة. لكن ذلك يأتي على حساب زيادة عدد المعلمات وارتفاع كبير في عمليات FLOPs، وهي سمة معتادة في نماذج Transformer. وينعكس هذا الاختلاف المعماري أيضًا على استخدام الذاكرة: إذ تتطلب نماذج YOLO عادةً قدرًا أقل بكثير من ذاكرة CUDA أثناء التدريب والاستدلال مقارنةً بنظيراتها القائمة على Transformer.
ميزة Ultralytics: المنظومة وتعدد الاستخدامات#
مع أهمية المقاييس المعمارية البحتة، كثيرًا ما تحدد منظومة البرمجيات نجاح مشروع الذكاء الاصطناعي. يوفّر الوصول إلى هذه النماذج المتقدمة عبر واجهة Python البرمجية من Ultralytics مزايا لا مثيل لها.
تبسيط التدريب والنشر#
يتطلب تدريب محوّل للكشف عادةً ملفات إعداد معقدة ووحدات GPU عالية الأداء. وباستخدام إطار عمل Ultralytics، يستطيع المطورون تدريب نماذج YOLOv9 وRT-DETR باستخدام الصياغة البسيطة نفسها، والاستفادة من مسارات تدريب عالية الكفاءة وأوزان مدرّبة مسبقًا ومتاحة بسهولة.
from ultralytics import RTDETR, YOLO
# تدريب نموذج YOLOv9
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)
# تدريب نموذج RTDETR باستخدام واجهة API نفسها تمامًا
model_rtdetr = RTDETR("rtdetr-l.pt")
model_rtdetr.train(data="coco8.yaml", epochs=100, imgsz=640)
# تصدير النماذج بسلاسة إلى OpenVINO أو TensorRT
model_yolo.export(format="openvino")تعدد استخدامات المهام بلا مثيل#
من القيود الرئيسية للنماذج المتخصصة مثل RTDETRv2 تركيزها الضيق على اكتشاف مربعات الإحاطة. وعلى النقيض من ذلك، تدعم منظومة Ultralytics الأوسع، التي تضم نماذج مثل YOLO11 وYOLOv8، مجموعة واسعة من مهام الرؤية الحاسوبية. وتشمل هذه المهام تجزئة الكائنات بدقة على مستوى البكسل، وتقدير الوضعية الهيكلية، وتصنيف الصورة بأكملها، واكتشاف مربعات الإحاطة الموجّهة (OBB) للصور الجوية.
تطبيقات واقعية#
تحليلات عالية السرعة على الأجهزة الطرفية#
في بيئات البيع بالتجزئة أو خطوط التصنيع التي تتطلب التعرّف على المنتجات آنيًا على الأجهزة الطرفية، تُعد YOLOv9 الخيار الأفضل. تضمن بنية GELAN إنتاجية عالية على الأجهزة محدودة الموارد مثل سلسلة NVIDIA Jetson، ما يتيح مراقبة الجودة آليًا دون تأخير ملحوظ.
تحليل المشاهد المعقدة#
في حالات مثل مراقبة الحشود الكثيفة أو تقاطعات المرور المعقدة، حيث تحجب الكائنات بعضها بعضًا باستمرار، تتألق آليات الانتباه الشامل في RTDETRv2. وتتيح قدرة النموذج على تحليل سياق الصورة بأكملها بصورة أصلية الحفاظ على تتبّع واكتشاف موثوقين حتى عندما تكون الكائنات محجوبة جزئيًا.
حالات الاستخدام والتوصيات#
يعتمد الاختيار بين YOLOv9 وRT-DETR على متطلبات مشروعك المحددة وقيود النشر وتفضيلات المنظومة.
متى تختار YOLOv9#
يُعد YOLOv9 خيارًا قويًا لما يلي:
- أبحاث عنق زجاجة المعلومات: المشاريع الأكاديمية التي تدرس معلومات التدرج القابلة للبرمجة (PGI) وبنى شبكة تجميع الطبقات الفعالة المعمّمة (GELAN).
- دراسات تحسين تدفق التدرجات: الأبحاث التي تركز على فهم فقدان المعلومات في طبقات الشبكات العميقة أثناء التدريب والحد منه.
- اختبارات معيارية للكشف عالي الدقة: السيناريوهات التي يلزم فيها أداء YOLOv9 القوي في اختبارات COCO المعيارية ليكون مرجعاً للمقارنة بين البنى.
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.
المستقبل: ظهور YOLO26#
على الرغم من أن YOLOv9 وRTDETRv2 يمثّلان إنجازين كبيرين، فإن مجال الرؤية الحاسوبية يتطور بسرعة. وبالنسبة إلى المطورين الراغبين في بدء مشاريع جديدة، يُوصى باستخدام YOLO26 بوصفه أحدث الحلول المتقدمة.
صدر YOLO26 في عام 2026، ويجمع أفضل مزايا شبكات CNN وDETR. ويتضمن تصميمًا اختياريًا شاملًا من البداية إلى النهاية دون NMS (nms=False) يلغي المعالجة اللاحقة باستخدام NMS، وهي تقنية ابتكرتها YOLOv10 أولًا. وإضافةً إلى ذلك، يزيل YOLO26 خسارة البؤرة التوزيعية (DFL) لتحسين التوافق مع الأجهزة الطرفية، ويقدّم محسّن MuSGD الثوري. ويستند هذا المحسّن الهجين إلى تدريب نماذج اللغة الكبيرة، وتحديدًا Kimi K2 من Moonshot AI، ويضمن استقرارًا غير مسبوق في التدريب وتقاربًا أسرع.
وبالاقتران مع ProgLoss وSTAL (الخسارة التدريجية وتعيين التسميات المراعي للأهداف الصغيرة) لتحقيق تمييز استثنائي للكائنات الصغيرة، يوفّر YOLO26 استدلالًا على CPU أسرع بنسبة تصل إلى 43%، ما يعزز مكانته بوصفه النموذج الأمثل لعمليات نشر الذكاء الاصطناعي الحديثة.