YOLOv9 مقابل RTDETRv2#
تغير مجال اكتشاف الأجسام الآني كثيرًا في السنوات الأخيرة. ويتصدر المجال الآن نهجان معماريان مختلفان: الشبكات العصبية الالتفافية (CNNs) الفعالة ومحولات الكشف الآنية (DETRs). ويُعد YOLOv9 وRTDETRv2 مثالين رائدين على هذين النهجين.
يقارن هذا الدليل بين النموذجين، ويحلل ابتكاراتهما المعمارية ومقاييس الأداء وسيناريوهات النشر المثالية، لمساعدتك على اختيار النموذج المناسب لمسار معالجة الرؤية الحاسوبية لديك.
ملخص تنفيذي#
يحقق كلا النموذجين نتائج قوية، لكن كلًا منهما يلائم قيود نشر ومنظومات تطوير مختلفة.
- اختر YOLOv9 إذا: كنت تحتاج إلى استخدام فعّال للمعلمات واستدلال سريع على الأجهزة الطرفية. يركز YOLOv9 على كفاءة معلمات CNN، ما يجعله ملائمًا للبيئات ذات الموارد الحاسوبية المحدودة بشدة.
- اختر RTDETRv2 إذا: كنت تحتاج إلى نمذجة السياق الشامل التي توفرها نماذج Transformer، لا سيما في المشاهد ذات الحجب الشديد أو العلاقات المعقدة بين الأجسام، وكانت الأجهزة المتاحة قادرة على دعم بنية أثقل قليلًا.
- اختر YOLO26 (موصى به) إذا: كنت تريد استدلالًا خاليًا من NMS مع كفاءة CNN. وبصفته أحدث جيل متاح على منصة Ultralytics، يتميز YOLO26 بتصميم شامل اختياري خالٍ من NMS (
nms=False، على غرار نماذج DETR)، ما يلغي اختناقات المعالجة اللاحقة، ويوفر YOLO26n استدلالًا على CPU أسرع بنسبة تصل إلى 43% من YOLO11n.
المواصفات التقنية والجهة المؤلفة#
يوفر فهم أصول هذه النماذج والهدف من تصميمها سياقًا مفيدًا لخياراتها 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#
يقدم YOLOv9 ابتكارين رئيسيين لمعالجة فقدان المعلومات أثناء مرور البيانات عبر الشبكات العصبية العميقة:
- معلومات التدرج القابلة للبرمجة (PGI): يساعد إطار الإشراف المساعد هذا على توليد تدرجات موثوقة لتحديث أوزان الشبكة، مع الحفاظ على معلومات السمات المهمة حتى في طبقات الشبكة العميقة جدًا.
- شبكة تجميع الطبقات الفعّالة المعممة (GELAN): بنية تجمع نقاط القوة في 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 RT-DETR الأصلي، يستخدم RTDETRv2 بنية قائمة على Transformer تتجنب بطبيعتها الحاجة إلى القمع غير الأقصى (NMS). وتشمل تحسيناته:
- استراتيجية المزايا المجانية (Bag-of-Freebies): يدمج الإصدار v2 تقنيات تدريب إضافية وتحسينات للبيانات تحسّن الدقة من دون إضافة زمن استجابة للاستدلال.
- المشفّر الهجين الفعّال: من خلال معالجة السمات متعددة المقاييس بآلية انتباه مفصولة بين المقاييس وداخل المقياس، يتعامل RTDETRv2 مع الكلفة الحسابية المرتفعة تقليديًا لـ محولات الرؤية.
بينما يستخدم RTDETRv2 المحولات للكشف من دون NMS، تحقق بنية YOLO26 الأحدث ذلك باستخدام رأس اختياري أحادي المطابقة (nms=False) ضمن بنية CNN فعّالة، ما يوفر نشرًا مبسطًا بالمثل مع استدلال أسرع على الأجهزة الطرفية.
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) | mAPval50-95 | 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، يتمتع YOLOv9 بميزة واضحة في كفاءة المعلمات. يحقق نموذج YOLOv9c قيمة mAP تبلغ 53.0 باستخدام 25.5M معلمة فقط.
في المقابل، يقدّم RTDETRv2 منافسة قوية في فئات النماذج المتوسطة إلى الكبيرة، كما أن RTDETRv2-s أدق من YOLOv9s. لكن ذلك يأتي على حساب زيادة عدد المعلمات وعمليات FLOPs، وهو أمر شائع في نماذج المحولات. ويؤثر هذا الاختلاف المعماري أيضًا في استخدام الذاكرة: إذ تتطلب نماذج YOLO عادةً ذاكرة CUDA أقل بكثير أثناء التدريب والاستدلال مقارنةً بنظيراتها من Transformer.
ميزة Ultralytics: المنظومة وتعدد الاستخدامات#
مع أهمية المقاييس المعمارية البحتة، غالبًا ما تحدد منظومة البرمجيات نجاح مشروع الذكاء الاصطناعي. ويوفر الوصول إلى هذه النماذج عبر واجهة Python البرمجية من Ultralytics مزايا عملية.
تبسيط التدريب والنشر#
يتطلب تدريب محوّل للكشف عادةً ملفات إعداد معقدة ووحدات GPU متطورة. وباستخدام إطار عمل Ultralytics، يمكن للمطورين تدريب نماذج YOLOv9 وRT-DETR بالصياغة البسيطة نفسها، والاستفادة من مسارات تدريب فعّالة 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)
# صدّر النماذج إلى OpenVINO أو TensorRT
model_yolo.export(format="openvino")تعدد المهام#
من القيود الرئيسية للنماذج المتخصصة مثل RTDETRv2 تركيزها الضيق على كشف مربعات الإحاطة. في المقابل، تدعم منظومة Ultralytics الأوسع، التي تضم نماذج مثل YOLO11 وYOLOv8، مجموعة واسعة من مهام الرؤية الحاسوبية. وتشمل هذه تجزئة الكائنات على مستوى البكسل، وتصنيف الصور كاملةً، وتقدير الوضعية الهيكلية، وكشف مربعات الإحاطة الموجّهة (OBB) للصور الجوية.
تطبيقات واقعية#
تحليلات عالية السرعة على الأجهزة الطرفية#
في بيئات البيع بالتجزئة أو خطوط التصنيع التي تتطلب التعرف على المنتجات في الوقت الفعلي على الأجهزة الطرفية، يُعد YOLOv9 الخيار الأقوى. توفر بنية GELAN إنتاجية عالية على العتاد محدود الموارد، مثل سلسلة NVIDIA Jetson، ما يتيح مراقبة الجودة آليًا من 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)#
يوفر Ultralytics YOLO26 أفضل مزيج من الأداء وتجربة المطورين لمعظم المشاريع الجديدة:
- النشر الطرفي دون NMS: التطبيقات التي تتطلب استدلالاً ثابتاً بزمن استجابة منخفض، من دون تعقيد المعالجة اللاحقة للكبت غير الأقصى.
- البيئات التي لا تستخدم إلا CPU: الأجهزة التي لا تتضمن تسريعًا مخصصًا لوحدة GPU، حيث تمنح سرعة استدلال YOLO26n الأعلى بنسبة تصل إلى 43% على CPU مقارنةً بـYOLO11n أفضلية حاسمة.
- 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.
المستقبل: ظهور YOLO26#
على الرغم من أن YOLOv9 وRTDETRv2 إنجازان مهمان، فإن مجال الرؤية الحاسوبية يتطور بسرعة. ويوصى باستخدام YOLO26 للمشاريع الجديدة.
صدر YOLO26 في يناير 2026، ويجمع بين كفاءة الشبكات العصبية الالتفافية والاستدلال الشامل من البداية إلى النهاية على نمط DETR. ويتضمن تصميمًا شاملًا من البداية إلى النهاية بلا NMS اختياريًا (nms=False) يلغي المعالجة اللاحقة باستخدام NMS، وهو نهج أدخله YOLOv10 إلى نماذج YOLO. كما يزيل YOLO26 خسارة التركيز التوزيعي (DFL) لتحسين التوافق مع الأجهزة الطرفية، ويقدم مُحسِّن MuSGD. وهذا المزيج من SGD وMuon، المستوحى من تدريب النماذج اللغوية الكبيرة (وتحديدًا Kimi K2 من Moonshot AI)، يحسّن استقرار التدريب وسرعة التقارب.
إلى جانب ProgLoss وSTAL (الخسارة التدريجية وتعيين التسميات الواعي بالأهداف الصغيرة) لتحسين كشف الأجسام الصغيرة، تجعل هذه التغييرات YOLO26 خيارًا قويًا لعمليات نشر الذكاء الاصطناعي الحديثة، إذ يعمل YOLO26n بسرعة أعلى تصل إلى 43% على CPU مقارنةً بـ YOLO11n.
التعليقات
اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.