YOLOX مقابل RTDETRv2#

يتطلب اختيار البنية المثلى لـتطبيقات الرؤية الحاسوبية موازنة دقيقة بين الدقة وسرعة الاستدلال وإمكانية النشر. نستعرض في هذا التحليل التقني الشامل الاختلافات الجوهرية بين YOLOX، وهي بنية CNN ناجحة للغاية وخالية من المراسي، وRTDETRv2، وهو نموذج Transformer متطور للكشف في الزمن الفعلي.

على الرغم من الإسهامات المهمة لكلا النموذجين في مجال كشف الكائنات، غالبًا ما يجد المطورون الذين يبنون تطبيقات جاهزة للإنتاج أن البدائل الحديثة مثل Ultralytics YOLO26 توفر كفاءة تدريب أعلى، ومتطلبات ذاكرة أقل، وبيئة نشر أكثر متانة.

YOLOX: جسر الهوة بين البحث والصناعة#

ظهر YOLOX بوصفه تكييفًا شائعًا للغاية لسلسلة YOLO خاليًا من المراسي، مقدمًا تصميمًا مبسطًا حقق تحسينات مبهرة في الأداء وقت صدوره.

• المؤلفون: Zheng Ge وSongtao Liu وFeng Wang وZeming Li وJian Sun
• المؤسسة: Megvii
• التاريخ: 18 يوليو 2021
• الروابط: Arxiv، GitHub، الوثائق

ابتكارات البنية#

نقل YOLOX عائلة YOLO إلى نموذج خالٍ من المراسي، ودمج رأسًا مفككًا واستراتيجية SimOTA المتقدمة لإسناد التسميات. وبإزالة صناديق المراسي، خفضت البنية عدد معلمات التصميم بدرجة كبيرة وحسنت التعميم على مجموعات بيانات معيارية متنوعة. وأصبحت إصداراته خفيفة الوزن، YOLOX-Nano وYOLOX-Tiny، خيارين شائعين لنشر تطبيقات الذكاء الاصطناعي للرؤية على الأجهزة الطرفية.

تعرّف على مزيد من المعلومات عن YOLOX

RTDETRv2: تطوير نماذج Transformer للرؤية في الزمن الفعلي#

استنادًا إلى الأساس الذي وضعه النموذج السابق، يستفيد RTDETRv2 من قدرات نماذج Transformer للرؤية (ViT) لتحقيق دقة تنافسية للغاية دون التضحية بسرعات الاستدلال في الزمن الفعلي.

• المؤلفون: Wenyu Lv وYian Zhao وQinyao Chang وKui Huang وGuanzhong Wang وYi Liu
• الجهة: Baidu
• التاريخ: 2024-07-24
• الروابط: Arxiv، GitHub

ابتكارات البنية#

يعيد RTDETRv2 تصور مسار الكشف جذريًا، مستخدمًا بنية قائمة على Transformer تتجاوز بطبيعتها كبت غير الأعظم (NMS). ويتحقق ذلك عبر مُرمِّز هجين واختيار استعلامات واعٍ بـ IoU، ما يحسن تهيئة استعلامات الكائنات. ويتعامل النموذج بكفاءة مع السمات متعددة المقاييس، ما يتيح له التقاط التفاصيل الدقيقة في البيئات المعقدة، مثل كشف حركة المرور في مقاطع الفيديو الليلية.

لكن نماذج Transformer تتطلب موارد كبيرة بطبيعتها. ويتطلب تدريب RTDETRv2 عادةً ذاكرة GPU ودورات حوسبة أكثر بكثير من البدائل القائمة على CNN، ما قد يشكل عائقًا للفرق التي تعمل ضمن قيود ميزانية صارمة أو تحتاج إلى ضبط النماذج باستمرار.

تعرّف على المزيد حول RTDETRv2

جدول مقارنة الأداء#

لتقييم هذه البنى بموضوعية، نفحص أداءها على مجموعة بيانات COCO. يوضح الجدول أدناه المفاضلات بين الدقة (mAP) وعدد المعلمات والتعقيد الحسابي.

مع أن RTDETRv2 يحقق دقة مبهرة، يحافظ YOLOX على أفضلية في أحجام المعلمات الخفيفة، ولا سيما في إصداري Nano وTiny.

حالات الاستخدام والتوصيات#

يعتمد الاختيار بين YOLOX وRT-DETR على متطلبات مشروعك المحددة وقيود النشر وتفضيلات البيئة البرمجية.

متى تختار YOLOX#

يُعد YOLOX خيارًا قويًا لـ:

• أبحاث الاكتشاف دون مراسي: الأبحاث الأكاديمية التي تستخدم بنية YOLOX النظيفة والخالية من المراسي أساسًا لتجربة رؤوس اكتشاف أو دوال خسارة جديدة.
• الأجهزة الطرفية فائقة الخفة: النشر على المتحكمات الدقيقة أو الأجهزة المحمولة القديمة، حيث يكون الحجم الصغير للغاية لإصدار YOLOX-Nano (0.91M معلمة) أمرًا بالغ الأهمية.
• دراسات إسناد التسميات باستخدام SimOTA: مشاريع بحثية تدرس استراتيجيات إسناد التسميات القائمة على النقل الأمثل وتأثيرها في تقارب التدريب.

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: YOLO26#

على الرغم من المزايا المميزة التي يقدمها كل من YOLOX وRTDETRv2، يعيد Ultralytics YOLO26 الصادر حديثًا تعريف أحدث ما توصل إليه الذكاء الاصطناعي للرؤية، ويحل المفاضلات التاريخية بين السرعة والدقة وسهولة النشر.

1. بنية شاملة خالية من NMS#

استلهامًا من نماذج Transformer مع الحفاظ على كفاءة CNN، يتميز YOLO26 بتصميم شامل اختياري خالٍ من NMS (nms=False). ومن خلال إلغاء كبت غير الأعظم بوصفه خطوة معالجة لاحقة، يبسط YOLO26 مسارات النشر بدرجة كبيرة، ويضمن زمن استدلال ثابتًا عبر أجهزة طرفية متنوعة دون عبء ضبط العتبات المعقد.

2. استدلال على CPU أسرع بنسبة تصل إلى 43%#

على خلاف بنيات Transformer مثل RTDETRv2 التي تعتمد اعتمادًا كبيرًا على وحدات GPU عالية الأداء، صُمم YOLO26 خصيصًا ليتوافق مع بيئات الحوسبة الطرفية. ومن خلال إزالة Distribution Focal Loss (DFL)، يبسط YOLO26 تصدير النماذج ويحقق استدلالًا على CPU أسرع بنسبة تصل إلى 43%، ما يجعله الخيار المثالي للدمج في أجهزة مثل Raspberry Pi أو الأجهزة المحمولة العادية.

3. كفاءة التدريب باستخدام MuSGD#

غالبًا ما يؤدي تدريب نماذج Transformer إلى استهلاك مفرط لذاكرة CUDA وإطالة أوقات التدريب. يقدم YOLO26 محسّن MuSGD المبتكر، وهو مزيج من الانحدار المتدرج العشوائي ومحسّن Muon المستوحى من نماذج LLM. يوفر هذا الابتكار تدريبًا مستقرًا للغاية وتقاربًا أسرع، مع خفض متطلبات العتاد بدرجة كبيرة مقارنةً بـ RTDETRv2.

4. بيئة متكاملة وتعدد استخدامات لا مثيل لهما#

توفر بيئة Ultralytics تجربة مطورين بديهية وسلسة. وبفضل الوثائق الشاملة والدعم النشط من المجتمع ومنصة Ultralytics المدعومة بالسحابة، لم يسبق أن كانت إدارة دورة حياة الذكاء الاصطناعي الكاملة بهذه السهولة. علاوة على ذلك، يتمتع YOLO26 بتعدد كبير في الاستخدامات. فبينما يركز RTDETRv2 على كشف الكائنات، يدعم YOLO26 بسلاسة مهام تجزئة الكائنات وتصنيف الصور وتقدير الوضعية وصناديق الإحاطة الموجّهة (OBB) دعمًا أصليًا. كما يتفوق YOLO26 في التعرف على الأجسام الصغيرة بفضل ProgLoss + STAL الجديدين (الخسارة التدريجية وإسناد التسميات الواعي بالأهداف الصغيرة)، وهي ميزة مهمة في الصور الجوية وكشف العيوب الصناعية.

تكامل سلس مع Ultralytics#

ينبغي ألا يتطلب نشر النماذج التعامل مع قواعد شيفرة معقدة ومجزأة. تتيح واجهة Ultralytics البرمجية لـ Python تحميل النماذج المتطورة وتدريبها وتصديرها باستخدام بضعة أسطر من الشيفرة فحسب.

from ultralytics import YOLO

# ⁨حمّل أحدث نموذج YOLO26 nano لتحقيق أفضل أداء على الأجهزة الطرفية⁩
model = YOLO("yolo26n.pt")

# ⁨درّب النموذج على مجموعة بياناتك المخصصة بأقل استهلاك للذاكرة⁩
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# ⁨التحقق من أداء النموذج⁩
metrics = model.val()

# ⁨صدّر النموذج بسهولة إلى ONNX أو TensorRT لنشره⁩
model.export(format="onnx")

باستخدام Ultralytics، تتجنب إعدادات البيئة المعقدة المرتبطة عادةً بمستودعات الأبحاث، ما يسرّع وصولك إلى السوق.

الخلاصة#

يمثل YOLOX وRTDETRv2 محطتين مهمتين في تطور كشف الكائنات في الزمن الفعلي. فقد أثبت YOLOX جدوى شبكات CNN الخالية من المراسي وعالية الكفاءة، بينما نجح RTDETRv2 في تكييف نماذج Transformer لتلبية قيود الزمن الفعلي.

لكن في التطبيقات الحديثة، بدءًا من تحليلات تجارة التجزئة الذكية وصولًا إلى الروبوتات المضمنة، يقدم Ultralytics YOLO26 الحل الأمثل. ومن خلال الجمع بين الاستدلال الخالي من NMS وسرعات CPU الفائقة وتقليل استهلاك الذاكرة والدعم المتين من منصة Ultralytics، يمكّن YOLO26 المطورين من بناء الجيل التالي من أنظمة الرؤية الحاسوبية الموثوقة وعالية الأداء.