ابدأ

YOLOX مقابل RTDETRv2

يتطلب اختيار البنية المثلى لـتطبيقات الرؤية الحاسوبية موازنة دقيقة بين الدقة وسرعة الاستدلال وإمكانية النشر. يستعرض هذا التحليل التقني الفروق الأساسية بين YOLOX، وهي بنية CNN شائعة الاستخدام خالية من المراسي، وRTDETRv2، وهو محوّل للكشف الآني.

على الرغم من الإسهام الكبير لكلا النموذجين في مجال كشف الكائنات، يجد المطورون الذين يبنون تطبيقات جاهزة للإنتاج غالبًا أن البدائل الأحدث مثل Ultralytics YOLO26 توفر كفاءة تدريب أفضل، ومتطلبات ذاكرة أقل، ومنظومة نشر أكثر نضجًا.

YOLOX: جسر الهوة بين البحث والصناعة#

ظهر YOLOX بوصفه تكييفًا شائعًا لسلسلة YOLO يعمل دون مراسٍ، وقدم تصميمًا مبسطًا حقق تحسينات ملحوظة في الأداء وقت إصداره.

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

ابتكارات البنية#

نقل YOLOX عائلة YOLO إلى نهج خالٍ من المراسي، إذ دمج رأسًا مفككًا واستراتيجية SimOTA لإسناد التسميات. ومن خلال إلغاء مربعات المراسي، قللت البنية عدد معلمات التصميم بدرجة كبيرة وحسّنت التعميم عبر مجموعات بيانات معيارية متنوعة. وأصبحت إصداراته خفيفة الوزن، YOLOX-Nano وYOLOX-Tiny، خيارات شائعة لنشر تطبيقات ذكاء الرؤية الاصطناعي على الأجهزة الطرفية.

اعتبارات النماذج القديمة

على الرغم من أن YOLOX قدّم تحسينات ملحوظة، فإن اعتماده على المعالجة اللاحقة التقليدية باستخدام كبح المربعات غير القصوى (NMS) قد يؤدي إلى زمن استجابة أعلى مقارنةً بالنماذج المصممة أصلًا للعمل من البداية إلى النهاية.

تعرّف على مزيد من المعلومات عن YOLOX

RTDETRv2: تطوير نماذج Transformer للرؤية في الزمن الفعلي#

استنادًا إلى النموذج السابق RT-DETR، يستخدم RTDETRv2 محوّلات الرؤية (ViTs) لتحقيق دقة تنافسية مع الحفاظ على سرعات استدلال آنية.

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

ابتكارات البنية#

يعيد RTDETRv2 تصور مسار الكشف ببنية قائمة على Transformer تتجاوز NMS بطبيعتها. ويتحقق ذلك باستخدام مُرمّز هجين واختيار للاستعلامات يراعي IoU، ما يحسّن تهيئة استعلامات الكائنات. ويتعامل النموذج بفاعلية 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. فعادةً ما يستلزم تدريب RTDETRv2 ذاكرة GPU ودورات حوسبة أكثر بكثير من البدائل القائمة على CNN، وقد يشكل ذلك عقبة أمام الفرق العاملة ضمن قيود ميزانية صارمة أو التي تحتاج إلى ضبط النماذج بوتيرة متكررة.

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.

النموذجالحجم
(بكسل)
‏mAPval50-95السرعة
CPU ONNX
(مللي ثانية)
السرعة
T4 TensorRT10
(ms)
المعاملات
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259

يحقق RTDETRv2 دقة أعلى بزمن استجابة مماثل (على سبيل المثال، 54.3 mAP خلال 15.03 ms لـ RTDETRv2-x مقابل 51.1 mAP خلال 16.1 ms لـ YOLOXx)، بينما يحتفظ YOLOX بميزة في أحجام المعلمات الخفيفة، ولا سيما في نسختيه 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)#

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.

ميزة Ultralytics: YOLO26#

على الرغم من المزايا المختلفة التي يقدمها كل من YOLOX وRTDETRv2، يعالج Ultralytics YOLO26، الذي صدر في يناير 2026، كثيرًا من 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 اختياري شامل من البداية إلى النهاية وخالٍ من NMS (nms=False). ومن خلال إزالة كبح المربعات غير القصوى كخطوة للمعالجة اللاحقة، يبسط YOLO26 مسارات النشر، ويضمن ثبات زمن الاستدلال عبر أجهزة طرفية متنوعة دون عبء الضبط المعقد للعتبات.

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

على عكس بنى Transformer مثل RTDETRv2، التي تعتمد عادةً على وحدات GPU، جرى تحسين YOLO26 ليتناسب مع بيئات الحوسبة الطرفية. وبعد إزالة Distribution Focal Loss (DFL)، يبسّط YOLO26 تصدير النماذج، ويحقق YOLO26n استدلالًا على CPU أسرع بنسبة تصل إلى 43% من YOLO11n، ما يجعله خيارًا قويًا للدمج في عتاد مثل Raspberry Pi أو الأجهزة المحمولة القياسية.

3. كفاءة التدريب باستخدام MuSGD#

غالبًا ما يؤدي تدريب نماذج Transformer إلى استهلاك مفرط لذاكرة CUDA وإطالة أوقات التدريب. ويقدم YOLO26 محسّن MuSGD، وهو مزيج من الانحدار المتدرج العشوائي ومحسّن Muon المستوحى من نماذج اللغة الكبيرة، لتحقيق تدريب مستقر وتقارب أسرع. وإلى جانب بنيته القائمة على CNN، يحافظ ذلك على متطلبات عتاد التدريب أقل من متطلبات RTDETRv2.

4. النظام البيئي وتعدد الاستخدامات#

توفر منظومة Ultralytics تجربة تطوير بديهية ومبسطة. وبفضل الوثائق الشاملة ودعم المجتمع النشط ومنصة Ultralytics المدعومة بالسحابة، تصبح إدارة دورة حياة الذكاء الاصطناعي كاملةً مباشرة وسهلة. كما يتميز YOLO26 بتعدد الاستخدامات: ففي حين يركز RTDETRv2 على كشف الكائنات، يدعم YOLO26 مهام تجزئة الكائنات الفردية وتصنيف الصور وتقدير الوضعية ومربعات الإحاطة الموجّهة (OBB) مباشرةً. وبفضل ProgLoss + STAL الجديدين (الخسارة التدريجية وإسناد التسميات المراعي للأهداف الصغيرة)، يحسّن YOLO26 أيضًا كشف الكائنات الصغيرة، وهي ميزة أساسية في الصور الجوية وكشف العيوب الصناعية.

نماذج أخرى مدعومة

يدعم إطار عمل Ultralytics أيضًا الجيل السابق YOLO11 وYOLOv8، ما يتيح للمستخدمين تقييم مسارات العمل القديمة والانتقال منها بسهولة.

التكامل 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 إلى ONNX أو TensorRT للنشر⁩
model.export(format="onnx")

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

الخلاصة#

يمثل YOLOX وRTDETRv2 محطتين بارزتين في تطور كشف الكائنات الآني. فقد أثبت YOLOX جدوى شبكات CNN الفعالة الخالية من المراسي، بينما نجح RTDETRv2 في تكييف محوّلات Transformer مع قيود الزمن الفعلي.

لكن بالنسبة إلى التطبيقات الحديثة، بدءًا من تحليلات البيع بالتجزئة الذكية وصولًا إلى الروبوتات المضمنة، يُوصى باستخدام Ultralytics YOLO26. فمن خلال الجمع بين الاستدلال الخالي من NMS وسرعات CPU العالية واستهلاك الذاكرة المنخفض ودعم منصة Ultralytics، يساعد YOLO26 المطورين على بناء أنظمة رؤية حاسوبية موثوقة وعالية الأداء.

المساهمون

التعليقات

اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.