تخطي إلى المحتوى

مقارنة تقنية: YOLOX مقابل PP-YOLOE+ للكشف عن الأجسام

يعد اختيار النموذج الصحيح لاكتشاف الأجسام أمرًا بالغ الأهمية لمهام الرؤية الحاسوبية. تقدم هذه الصفحة مقارنة تقنية مفصلة بين نموذجي YOLOX وPP-YOLOE+، وهما نموذجان متطوران خاليان من الارتكاز، مع تسليط الضوء على بنيتهما وأدائهما وحالات استخدامهما للمساعدة في اتخاذ قرار مستنير.

YOLOX: كاشف عالي الأداء خالٍ من المرساة

YOLOX، الذي قدمته شركة Megvii في يوليو 2021، هو نموذج للكشف عن الأجسام الخالية من الارتكازات والمعروف ببساطته وأدائه العالي. وهو يهدف إلى سد الفجوة بين التطبيقات البحثية والصناعية من خلال توفير بنية مبسطة وفعالة في نفس الوقت.

البنية والمميزات الرئيسية

تعمل YOLOX على تبسيط سلسلة YOLO من خلال اعتماد نهج خالٍ من المرساة، مما يلغي الحاجة إلى حسابات صندوق التثبيت المعقدة. تشمل الابتكارات المعمارية الرئيسية ما يلي:

  • الكشف الخالي من المرساة: يؤدي ذلك إلى إزالة مربعات الارتكاز، مما يبسّط التصميم ويقلل من عدد المعلمات الفائقة.
  • الرأس المنفصل: يفصل YOLOX بين رأسي التصنيف والتوطين، مما يحسّن الأداء، خاصةً في الدقة.
  • تعيين التسمية SimOTA: استراتيجية تعيين التسمية المتقدمة التي تعمل على تحسين التدريب من خلال تعيين الأهداف ديناميكيًا بناءً على المربعات المحدودة المتوقعة.
  • تعزيز قوي للبيانات: يستخدم تعزيزات MixUp و Mosaic لتعزيز المتانة والتعميم.

مقاييس الأداء

تُظهر نماذج YOLOX توازنًا قويًا بين الدقة والسرعة. كما هو موضح في جدول المقارنة، يحقق YOLOX نتائج تنافسية في الدقة والسرعة مع أوقات استدلال فعالة. على سبيل المثال، يحقق YOLOX-x نسبة 51.1% من الدقة في مجموعة بيانات COCO valas.

حالات الاستخدام

  • القيادة الذاتية: يُعد اكتشاف الأجسام في الوقت الحقيقي أمراً بالغ الأهمية لأنظمة الملاحة والسلامة الذاتية.
  • الروبوتات: تمكين الروبوتات من إدراك بيئتها والتفاعل معها بفعالية.
  • الفحص الصناعي: الدقة والسرعة العاليتان ضروريتان لمراقبة الجودة في عمليات التصنيع.

نقاط القوة والضعف

نقاط القوة:

  • مفاضلة عالية الدقة والسرعة: يحقق أداءً ممتازًا في كل من الدقة وسرعة الاستدلال.
  • بنية مبسطة: يعمل التصميم الخالي من المراسي على تبسيط التنفيذ وتقليل التعقيد الحسابي.
  • أداء قوي عبر أحجام النماذج: تقدم نماذج من النانو إلى X لتناسب مختلف قيود الموارد.

نقاط الضعف:

  • سرعة الاستدلال مقارنةً بنماذج الوقت الحقيقي: على الرغم من سرعة النماذج مثل YOLOv10، إلا أنها قد تقدم سرعات استدلالية أعلى، مع إعطاء الأولوية للسرعة على الدقة المطلقة.

اعرف المزيد عن يولوكس

التفاصيل:

PP-YOLOE+: التميز الخالي من المرساة من PaddlePaddle

PP-YOLOE+، نسخة محسنة من PP-YOLOE من PaddlePaddle، مصممة لتحقيق دقة وكفاءة عالية في اكتشاف الأجسام. تم إصداره في أبريل 2022 من قبل Baidu، وهو يعتمد على النموذج الخالي من الارتكاز، مع التركيز على التطبيقات الصناعية التي تتطلب اكتشافًا قويًا ودقيقًا.

البنية والمميزات الرئيسية

يركّز PP-YOLOE+ على الدقة دون التضحية بسرعة الاستدلال، مما يجعله مناسبًا لمهام اكتشاف الأجسام الصعبة. تتضمن بنيتها ما يلي:

  • تصميم خالٍ من المراسي: يبسّط النموذج ويقلل من ضبط المعلمة الفائقة عن طريق إزالة مربعات الارتكاز.
  • الرأس المنفصل: على غرار YOLOX، يستخدم الرؤوس المنفصلة للتصنيف والتوطين لتحسين الدقة.
  • خسارة VariFocal Loss: يستخدم VariFocal Loss للتصنيف المحسّن وانحدار الصندوق المحيطي، مما يعزز دقة الكشف.
  • العمود الفقري لشبكة CSPRepResNet وعنق الشبكة: تستخدم بنيات العمود الفقري والرقبة الفعالة لاستخراج الميزات وتجميعها.

مقاييس الأداء

توفر نماذج PP-YOLOE+ توازنًا قويًا بين الدقة والسرعة. يوضّح جدول المقارنة نتائج تنافسية في mAP وأوقات استدلال TensorRT الفعالة. يحقق PP-YOLOE+x نسبة 54.7% من mAP على مجموعة بيانات COCO valas، مما يدل على دقة ممتازة.

حالات الاستخدام

  • فحص الجودة الصناعية: الدقة العالية أمر بالغ الأهمية لتحديد العيوب في التصنيع.
  • كفاءة إعادة التدوير: يعمل الكشف الدقيق عن الأشياء على تحسين الفرز الآلي في مصانع إعادة التدوير.
  • المراقبة: هناك حاجة إلى كشف قوي ودقيق للمراقبة الموثوقة في الأنظمة الأمنية.

نقاط القوة والضعف

نقاط القوة:

  • دقة عالية: يعطي الأولوية لتحقيق أعلى مستوى من الدقة في اكتشاف الأجسام.
  • تصميم فعال: يوازن بين الدقة العالية وسرعة الاستدلال المعقولة.
  • التركيز الصناعي: مناسب تمامًا للتطبيقات الصناعية التي تتطلب اكتشافًا موثوقًا ودقيقًا للأجسام.

نقاط الضعف:

  • التعقيد: على الرغم من أن التحسينات "+" خالية من الارتكاز، إلا أنها تضيف تعقيدًا مقارنةً بالنماذج الأبسط.
  • انغلاق النظام البيئي: بشكل أساسي داخل النظام البيئي PaddlePaddle وهو ما قد يكون أحد الاعتبارات للمستخدمين الذين يفضلون أطر عمل أخرى.

مستندات PP-YOLOE+ (PaddleDetection)

التفاصيل:

جدول مقارنة النماذج

الطراز الحجم
(بكسل)		 مافال
50-95		 السرعة
CPU ONNX
(مللي ثانية)		 السرعة
T4 T4TensorRT10
(مللي ثانية)		 بارامز
(م)
(ب)
يولوكسنانو 416 25.8 - - 0.91 1.08
يولوكستيني 416 32.8 - - 5.06 6.45
يولوكس 640 40.5 - 2.56 9.0 26.8
يولوكسم 640 46.9 - 5.43 25.3 73.8
يولوكسل 640 49.7 - 9.04 54.2 155.6
يولوكس 640 51.1 - 16.1 99.1 281.9
PP-YOLOE+T 640 39.9 - 2.84 4.85 19.15
PP-YOLOE+s 640 43.7 - 2.62 7.93 17.36
PP-YOLOE+م 640 49.8 - 5.56 23.43 49.91
PP-YOLOE+l 640 52.9 - 8.36 52.2 110.07
PP-YOLOE+x 640 54.7 - 14.3 98.42 206.59

موديلات أخرى

قد يجد المستخدمون المهتمون بـ YOLOX وPP-YOLOE+ أن نماذج Ultralytics YOLO مفيدة أيضًا، مثل

  • YOLOv5: معروف بكفاءته الانسيابية ومرونته، حيث يقدم مجموعة من أحجام الطرازات المناسبة لمختلف التطبيقات. اعرف المزيد عن YOLOv5.
  • YOLOv8: التكرار الأحدث في سلسلة YOLO الذي يوفر توازناً بين السرعة والدقة في مهام اكتشاف الأجسام وتجزئتها وتقدير وضعيتها. تعرف على المزيد حول YOLOv8.
  • YOLOv10: يمثل أحدث ما توصلت إليه التكنولوجيا في مجال الكشف عن الأجسام في الوقت الحقيقي، وهو مصمم لتحقيق سرعة وكفاءة استثنائية، وهو مثالي للأجهزة المتطورة. تعرف على المزيد حول YOLOv10.
  • YOLO11: أحدث طرازYOLO من Ultralytics الذي يعيد تعريف حدود ما هو ممكن في مجال الذكاء الاصطناعي مع تحسين الأداء والقدرات. اعرف المزيد عن YOLO11.
📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 1 شهر
غلين-جوتشر

التعليقات