أفضل نماذج كشف الكائنات

في وقت سابق من هذا العام، قدم أندرو نج، أحد رواد الذكاء الاصطناعي وتعلم الآلة، مفهوم اكتشاف الكائنات الوكيل (agentic object detection). يستخدم هذا النهج وكيلاً استدلالياً لاكتشاف الكائنات بناءً على نص إرشادي دون الحاجة إلى كميات هائلة من بيانات التدريب.

القدرة على تحديد الكائنات في الصور والفيديوهات دون الحاجة إلى مجموعات بيانات ضخمة مصنفة تمثل خطوة نحو أنظمة computer vision أكثر ذكاءً والمرونة. ومع ذلك، لا تزال رؤية الذكاء الاصطناعي الوكيل في مراحلها المبكرة.

بينما يمكنه التعامل مع المهام العامة، مثل اكتشاف الأشخاص أو لافتات الشوارع في صورة ما، لا تزال تطبيقات الرؤية الحاسوبية الأكثر دقة تعتمد على نماذج اكتشاف الكائنات التقليدية. يتم تدريب هذه النماذج على مجموعات بيانات كبيرة ومصنفة بعناية لتعلم ما يجب البحث عنه بالضبط وأين تقع الكائنات.

الشكل 1. مثال على الكشف عن الكائنات. (Source)

يُعد object detection التقليدي أمرًا أساسيًا لأنه يوفر كلاً من التعرف، وتحديد ما هو الكائن، وتحديد الموقع، ومعرفة مكانه بدقة في الصورة. هذا الدمج يمكن الآلات من تنفيذ مهام معقدة في العالم الحقيقي بشكل موثوق، بدءًا من المركبات ذاتية القيادة وصولاً إلى الأتمتة الصناعية وتشخيصات الرعاية الصحية.

بفضل التقدم التكنولوجي، تستمر نماذج اكتشاف الكائنات في التحسن، وتصبح أسرع وأكثر دقة وأنسب للبيئات الواقعية. في هذا المقال، سنستعرض بعضاً من أفضل نماذج اكتشاف الكائنات المتاحة اليوم. لنبدأ!

الحاجة إلى اكتشاف الكائنات#

يمكن استخدام Computer vision tasks مثل تصنيف الصور لمعرفة ما إذا كانت الصورة تحتوي على سيارة أو شخص أو كائن آخر. ومع ذلك، لا يمكنها تحديد مكان الكائن داخل الصورة.

هنا تكمن أهمية اكتشاف الكائنات. يمكن لنماذج اكتشاف الكائنات تحديد الكائنات الموجودة وتحديد مواقعها بدقة. تسمح هذه العملية، المعروفة باسم التوطين، للآلات بفهم المشاهد بشكل أدق والاستجابة بشكل مناسب، سواء كان ذلك إيقاف سيارة ذاتية القيادة، أو توجيه ذراع روبوت، أو تمييز منطقة في التصوير الطبي.

لقد أحدث صعود التعلم العميق تحولاً في اكتشاف الكائنات. فبدلاً من الاعتماد على قواعد مشفرة يدوياً، تتعلم النماذج الحديثة الأنماط مباشرة من التعليقات التوضيحية والبيانات المرئية. تُعلّم مجموعات البيانات هذه النماذج كيف تبدو الكائنات، وأين تظهر عادةً، وكيفية التعامل مع التحديات مثل الكائنات الصغيرة، أو المشاهد المزدحمة، أو ظروف الإضاءة المتغيرة.

في الواقع، يمكن لأنظمة اكتشاف الكائنات الحديثة اكتشاف كائنات متعددة في وقت واحد بدقة. وهذا يجعل من اكتشاف الكائنات تقنية حاسمة في تطبيقات مثل القيادة الذاتية، والروبوتات، والرعاية الصحية، والأتمتة الصناعية.

كيف تعمل مهام اكتشاف الكائنات#

مدخلات نموذج اكتشاف الكائنات هي صورة، والتي قد تأتي من كاميرا، أو إطار فيديو، أو حتى مسح طبي. تتم معالجة الصورة المدخلة من خلال شبكة عصبية، عادةً ما تكون شبكة عصبية تلافيفية (CNN)، والتي يتم تدريبها على التعرف على الأنماط في البيانات المرئية.

داخل الشبكة، يتم تحليل الصورة على مراحل. وبناءً على الميزات التي تكتشفها، يتوقع النموذج الكائنات الموجودة وأماكن ظهورها.

يتم تمثيل هذه التوقعات باستخدام مربعات الإحاطة، وهي مستطيلات مرسومة حول كل كائن تم اكتشافه. لكل مربع إحاطة، يعين النموذج تسمية فئة (على سبيل المثال، سيارة، أو شخص، أو كلب) ودرجة ثقة تشير إلى مدى تأكده من التوقع (يمكن اعتبار هذا أيضاً احتمالية).

الشكل 2. يمكن تصور توقعات اكتشاف الكائنات باستخدام مربعات الإحاطة.

تعتمد العملية برمتها بشكل كبير على استخراج الميزات. يتعلم النموذج تحديد الأنماط المرئية المفيدة، مثل الحواف، والأشكال، والقوام، وغيرها من الخصائص المميزة. يتم ترميز هذه الأنماط في خرائط ميزات، والتي تساعد الشبكة على فهم الصورة بمستويات متعددة من التفاصيل.

اكتشاف الكائنات: مرحلتان ومرحلة واحدة#

اعتماداً على بنية النموذج، تستخدم كواشف الكائنات استراتيجيات مختلفة لتحديد مواقع الكائنات، مما يوازن بين السرعة والدقة والتعقيد.

تركز العديد من نماذج اكتشاف الكائنات، وخاصة كواشف المرحلتين مثل Faster R-CNN، على أجزاء محددة من الصورة تسمى مناطق الاهتمام (ROIs). من خلال التركيز على هذه المناطق، يعطي النموذج الأولوية للمناطق الأكثر احتمالاً لاحتواء كائنات بدلاً من تحليل كل بكسل بالتساوي.

من ناحية أخرى، لا تختار نماذج المرحلة الواحدة مثل نماذج YOLO المبكرة مناطق اهتمام محددة كما تفعل نماذج المرحلتين. بدلاً من ذلك، تقوم بتقسيم الصورة إلى شبكة واستخدام مربعات محددة مسبقاً، تسمى مربعات الارتساء (anchor boxes)، جنباً إلى جنب مع خرائط الميزات للتنبؤ بالكائنات عبر الصورة بأكملها في تمريرة واحدة.

في الوقت الحاضر، تستكشف نماذج اكتشاف الكائنات المتطورة مناهج خالية من الارتساء. على عكس نماذج المرحلة الواحدة التقليدية التي تعتمد على مربعات ارتساء محددة مسبقاً، تتنبأ النماذج الخالية من الارتساء بمواقع الكائنات وأحجامها مباشرة من خرائط الميزات. يمكن أن يؤدي هذا إلى تبسيط البنية، وتقليل العبء الحسابي، وتحسين الأداء، خاصة لاكتشاف الكائنات ذات الأشكال والأحجام المتغيرة.

نظرة على أفضل نماذج اكتشاف الكائنات#

اليوم، هناك العديد من نماذج اكتشاف الكائنات، وكل منها مصمم مع وضع أهداف محددة في الاعتبار. تم تحسين بعضها للأداء في الوقت الفعلي، بينما يركز البعض الآخر على تحقيق أعلى دقة. غالباً ما يعتمد اختيار النموذج المناسب لحل رؤية حاسوبية على حالة الاستخدام الخاصة بك ومتطلبات الأداء.

بعد ذلك، دعنا نستكشف بعضاً من أفضل نماذج كشف الكائنات لعام 2026.

نماذج Ultralytics YOLO#

تعد عائلة نماذج Ultralytics YOLO واحدة من أكثر عائلات نماذج اكتشاف الكائنات استخداماً على نطاق واسع اليوم. تشتهر YOLO، والتي تعني "أنت تنظر مرة واحدة فقط" (You Only Look Once)، في مختلف الصناعات لأنها تقدم أداء اكتشاف قوياً مع كونها سريعة وموثوقة وسهلة العمل بها.

تتضمن عائلة Ultralytics YOLO كل من Ultralytics YOLOv5، وUltralytics YOLOv8، وUltralytics YOLO11، وUltralytics YOLO26 القادم، مما يوفر مجموعة واسعة من الخيارات لمتطلبات الأداء وحالات الاستخدام المختلفة. بفضل تصميمها خفيف الوزن وتحسين السرعة، تعتبر نماذج Ultralytics YOLO مثالية للكشف في الوقت الفعلي ويمكن نشرها على أجهزة الحافة ذات القدرة الحاسوبية والذاكرة المحدودتين.

الشكل 3. استخدام Ultralytics YOLO11 للكشف عن الكائنات (Source)

إلى جانب اكتشاف الكائنات الأساسي، تتميز هذه النماذج بتعدد استخداماتها العالي. فهي تدعم أيضاً مهام مثل تجزئة الكائنات (instance segmentation)، التي تحدد ملامح الكائنات على مستوى البكسل، وتقدير الوضع (pose estimation)، الذي يحدد النقاط الرئيسية على الأشخاص أو الكائنات. تجعل هذه المرونة من نماذج Ultralytics YOLO خياراً مفضلاً لمجموعة واسعة من التطبيقات، من الزراعة والخدمات اللوجستية إلى البيع بالتجزئة والتصنيع.

سبب رئيسي آخر لشعبية نماذج Ultralytics YOLO هو Ultralytics Python package، والذي يوفر واجهة بسيطة وسهلة الاستخدام لتدريب النماذج، وضبطها بدقة، ونشرها. يمكن للمطورين البدء بالأوزان المدربة مسبقًا، وتخصيص النماذج لمجموعات بياناتهم الخاصة، ونشرها ببعض أسطر البرمجة فقط.

RT-DETR و RT-DETRv2#

RT‑DETR (كاشف المحولات في الوقت الفعلي) والنموذج الأحدث RT‑DETRv2 هما نموذجا اكتشاف كائنات مصممان للاستخدام في الوقت الفعلي. على عكس العديد من النماذج التقليدية، يمكنهما أخذ صورة وإعطاء الاكتشافات النهائية مباشرة دون استخدام كبت غير الأعظمية (NMS).

NMS هي خطوة تزيل المربعات الإضافية المتداخلة عندما يتوقع النموذج نفس الكائن أكثر من مرة. تجعل خطوة تجاوز NMS عملية الاكتشاف أبسط وأسرع.

تجمع هذه النماذج بين CNNs والمحولات (transformers). تجد CNN التفاصيل المرئية مثل الحواف والأشكال، بينما المحول هو نوع من الشبكات العصبية التي يمكنها النظر إلى الصورة بأكملها في وقت واحد وفهم كيفية ارتباط الأجزاء المختلفة ببعضها البعض. يتيح هذا الفهم الشامل للنموذج اكتشاف الكائنات القريبة من بعضها أو المتداخلة.

يعمل RT‑DETRv2 على تحسين النموذج الأصلي بميزات مثل الاكتشاف متعدد المقاييس، مما يساعد في العثور على الكائنات الصغيرة والكبيرة، وتحسين التعامل مع المشاهد المعقدة. تحافظ هذه التغييرات على سرعة النموذج مع تحسين الدقة.

RF-DETR#

RF‑DETR هو نموذج قائم على المحولات في الوقت الفعلي مصمم للجمع بين دقة بنيات المحولات والسرعة اللازمة للتطبيقات الواقعية. مثل RT‑DETR و RT‑DETRv2، يستخدم محولاً لتحليل الصورة بأكملها وCNN لاستخراج الميزات المرئية الدقيقة مثل الحواف والأشكال والقوام.

يتوقع النموذج الكائنات مباشرة من الصورة المدخلة، متجاوزاً مربعات الارتساء وكبت غير الأعظمية، مما يبسط عملية الاكتشاف ويحافظ على سرعة الاستدلال. يدعم RF‑DETR أيضاً تجزئة الكائنات، مما يسمح له بتحديد ملامح الكائنات على مستوى البكسل بالإضافة إلى التنبؤ بمربعات الإحاطة.

EfficientDet#

تم إصدار EfficientDet في أواخر عام 2019، وهو نموذج اكتشاف كائنات مصمم للقياس الفعال والأداء العالي. ما يميز EfficientDet هو القياس المركب، وهو طريقة تقيس دقة المدخلات، وعمق الشبكة، وعرض الشبكة في وقت واحد بدلاً من تعديل عامل واحد فقط. يساعد هذا النهج النموذج في الحفاظ على دقة مستقرة سواء تم توسيع نطاقه لمهام الأداء العالي أو تصغيره لعمليات النشر خفيفة الوزن.

مكون رئيسي آخر لـ EfficientDet هو شبكة هرم الميزات الفعالة (FPN)، والتي تسمح للنموذج بتحليل الصور بمقاييس متعددة. هذا التحليل متعدد المقاييس ضروري لاكتشاف الكائنات ذات الأحجام المختلفة، مما يمكن EfficientDet من تحديد كل من الكائنات الصغيرة والكبيرة بشكل موثوق داخل نفس الصورة.

PP-YOLOE+#

تم إصدار PP-YOLOE+ في عام 2022، وهو نموذج اكتشاف كائنات على طراز YOLO، مما يعني أنه يكتشف الكائنات ويصنفها في تمريرة واحدة فوق الصورة. هذا النهج يجعله سريعاً ومناسباً للتطبيقات في الوقت الفعلي، مع الحفاظ على دقة عالية.

أحد التحسينات الرئيسية في PP-YOLOE+ هو التعلم المتوافق مع المهام، والذي يساعد درجات ثقة النموذج على عكس مدى دقة تحديد مواقع الكائنات. هذا مفيد بشكل خاص لاكتشاف الكائنات الصغيرة أو المتداخلة.

الشكل 4. الكشف عن الكائنات باستخدام PP-YOLOE+ (Source)

يستخدم النموذج أيضاً بنية رأس مفككة، والتي تفصل بين مهام التنبؤ بمواقع الكائنات وتسميات الفئات. يسمح هذا له برسم مربعات الإحاطة بدقة أكبر مع تصنيف الكائنات بشكل صحيح.

GroundingDINO#

GroundingDINO هو نموذج اكتشاف كائنات قائم على المحولات يجمع بين الرؤية واللغة. بدلاً من الاعتماد على مجموعة ثابتة من الفئات، فإنه يسمح للمستخدمين باكتشاف الكائنات باستخدام نصوص إرشادية بلغة طبيعية.

من خلال مواءمة الميزات المرئية من صورة مع أوصاف نصية، يمكن للنموذج تحديد موقع الكائنات حتى لو لم تكن تلك التسميات الدقيقة في بيانات التدريب الخاصة به. هذا يعني أنه يمكنك مطالبة النموذج بأوصاف مثل "شخص يرتدي خوذة" أو "سيارة حمراء بالقرب من مبنى"، وسيقوم بإنشاء مربعات إحاطة دقيقة حول الكائنات المطابقة.

أيضاً، من خلال دعم الاكتشاف بدون تدريب مسبق (zero-shot)، يقلل GroundingDINO من الحاجة إلى إعادة تدريب النموذج أو ضبطه لكل حالة استخدام جديدة، مما يجعله مرناً للغاية عبر مجموعة واسعة من التطبيقات. يفتح هذا المزيج من فهم اللغة والتعرف المرئي إمكانيات جديدة لأنظمة الذكاء الاصطناعي التفاعلية والقابلة للتكيف.

المقاييس الشائعة المستخدمة لتقييم كواشف الكائنات#

بينما تقارن بين نماذج اكتشاف كائنات مختلفة، قد تتساءل عن كيفية معرفة أيهما يؤدي الأفضل حقاً. إنه سؤال جيد، لأنه بخلاف بنية النموذج وجودة بياناتك، يمكن أن تؤثر العديد من العوامل على الأداء.

غالباً ما يعتمد الباحثون على معايير مشتركة ومقاييس أداء قياسية لتقييم النماذج بشكل متسق، ومقارنة النتائج، وفهم المقايضات بين السرعة والدقة. المعايير القياسية مهمة بشكل خاص لأن العديد من نماذج اكتشاف الكائنات يتم تقييمها على نفس مجموعات البيانات، مثل مجموعة بيانات COCO.

قياس دقة الاكتشاف والسرعة#

إليك نظرة فاحصة على بعض المقاييس الشائعة المستخدمة لتقييم نماذج اكتشاف الكائنات:

• التقاطع فوق الاتحاد (IoU): يقيس هذا المقياس مقدار تداخل مربع الإحاطة المتوقع مع الكائن الفعلي في الصورة. وهو يقارن المربع الذي رسمه النموذج مع مربع الحقيقة الأرضية، وهو موقع الكائن كما هو مصنف في مجموعة البيانات. يتم حساب IoU كمساحة التداخل مقسومة على مساحة اتحاد المربعين. يشير IoU الأعلى إلى أن النموذج يضع المربع بدقة أكبر، بينما يعني IoU الأقل أن التوقع أقل دقة. بعبارات بسيطة، يُظهر IoU مدى مطابقة توقعات النموذج لمواقع الكائنات الحقيقية.
• Mean average precision (mAP): هو المقياس الأساسي المستخدم لتقييم الأداء العام للكشف عن الكائنات. وهو يأخذ في الاعتبار عدد الكائنات التي يكتشفها النموذج بشكل صحيح ودقة تلك الاكتشافات عبر مستويات الثقة المختلفة وفئات الكائنات.
• Frames per second (FPS) و زمن الوصول: يوضح FPS عدد الصور أو إطارات الفيديو التي يمكن للنموذج معالجتها في ثانية واحدة. على سبيل المثال، يمكن لنموذج يعمل بمعدل 30 FPS معالجة 30 إطارًا كل ثانية. تعني معدلات FPS الأعلى أن النظام يمكنه الاستجابة بشكل أسرع، وهو أمر مهم لحالات الاستخدام مثل الفيديو المباشر، أو مراقبة المرور، أو الروبوتات. من ناحية أخرى، يقيس زمن الوصول المدة التي يستغرقها النموذج لمعالجة صورة واحدة أو إطار واحد من لحظة استلامه وحتى يكون الجاهز للنتيجة.

إيجابيات وسلبيات استخدام خوارزميات اكتشاف الكائنات#

فيما يلي بعض المزايا الرئيسية لاستخدام نماذج اكتشاف الكائنات في التطبيقات الواقعية:

• التوسع عبر الصناعات: يمكن تطبيق اكتشاف الكائنات على مجموعة واسعة من حالات الاستخدام، من مراقبة حركة المرور وتحليلات البيع بالتجزئة إلى الرعاية الصحية والزراعة والتصنيع.
• تقليل الجهد اليدوي: تؤدي أتمتة مهام الفحص والمراقبة المرئية إلى تقليل الحاجة إلى الإشراف البشري المستمر وتساعد الفرق على التركيز على عمل ذي قيمة أعلى.
• الاستفادة من الأنظمة البيئية مفتوحة المصدر: تجعل المجتمعات والموارد النشطة مفتوحة المصدر على GitHub من الأسهل الوصول إلى النماذج المدربة مسبقاً، والتجربة، وتخصيص الحلول.

على الرغم من هذه الإيجابيات، هناك قيود عملية يمكن أن تؤثر على كيفية أداء نماذج اكتشاف الكائنات. فيما يلي بعض العوامل الحيوية التي يجب مراعاتها:

• متطلبات البيانات عالية الجودة: تعتمد نماذج اكتشاف الكائنات على مجموعات بيانات كبيرة ومصنفة جيداً للتدريب. يمكن أن يكون إنشاء هذه البيانات وصيانتها مستهلكاً للوقت ومكلفاً وصعب التوسع.
• المتطلبات الحسابية: غالباً ما تتطلب النماذج التي تقدم دقة اكتشاف أعلى قوة معالجة كبيرة، سواء أثناء التدريب أو النشر في الوقت الفعلي. وهذا يعني عادةً استخدام وحدات معالجة رسومات (GPUs) عالية الأداء، مما قد يزيد من تكاليف البنية التحتية.
• الحساسية للظروف الواقعية: يمكن أن تؤثر الاختلافات في الإضاءة، وزوايا الكاميرا، والطقس، والمشاهد المزدحمة على أداء الاكتشاف، مما يجعل الاختبار والتعديل المستمرين أمراً ضرورياً.

أبرز النقاط#

يعتمد أفضل نموذج لاكتشاف الكائنات لمشروع الرؤية الحاسوبية الخاص بك على حالة الاستخدام، وإعداد البيانات، ومتطلبات الأداء، وقيود الأجهزة. تم تحسين بعض النماذج للسرعة، بينما يركز البعض الآخر على الدقة، وتحتاج معظم التطبيقات الواقعية إلى توازن بين كليهما. بفضل الأطر مفتوحة المصدر والمجتمعات النشطة على GitHub، أصبحت هذه النماذج أسهل في التقييم والتكيف والنشر للاستخدام العملي.

لمعرفة المزيد، استكشف GitHub repository الخاص بنا. انضم إلى community الخاص بنا واطلع على صفحة الحلول الخاصة بنا للقراءة عن التطبيقات مثل AI in healthcare وcomputer vision in the automotive في صناعة السيارات. اكتشف licensing options الخاصة بنا للبدء في استخدام رؤية الذكاء الاصطناعي اليوم.