CABiNet يبقى ضمن نقطتين من YOLO26x مع ثُمن القدرة الحاسوبية

الرقم الأكثر دلالة في مجموعة نماذج VDD الجديدة للتجزئة الدلالية ليس الرقم الموجود في أعلى لوحة الصدارة. يتصدر YOLO26x-sem المجموعة بنسبة 78.83% من متوسط IoU. وخلفه مباشرة يأتي CABiNet-Large بنسبة 77.76% mIoU، وهذا النموذج يعمل على 54.8 GFLOPs مقابل 430.9 للنموذج المتصدر. فجوة الدقة تبلغ نقطة واحدة تقريبًا. أما الفجوة الحاسوبية فتبلغ حوالي ثمانية أضعاف.

المجموعة هي مجموعة Hugging Face مفتوحة المصدر نُشرت تحت اسم المستخدم dronefreak، والهدف المعلن هو تسهيل قياس أداء التجزئة الدلالية الجوية من خلال توفير أوزان مدربة مسبقًا جاهزة للاستخدام ضمن خط أنابيب موحد. تم تدريب عائلتي النماذج على مجموعة بيانات الطائرات المتنوعة، المنشورة باسم RussRobin/VDD. يشمل الإصدار متغيرات YOLO26 للتجزئة الدلالية من Nano إلى XLarge بالإضافة إلى خط أساس CABiNet المبني على البنية الأساسية MobileNetV3-Large.

54.8 GFLOPs مقابل 430.9: الفجوة المهمة للطائرات المسيّرة

التكلفة الحسابية ليست مقياسًا مجردًا في الإدراك الجوي. تعمل الطائرات المسيّرة على البطاريات وأجهزة الاستدلال الطرفية، والخفض ثمانية أضعاف في GFLOPs يمكن أن يفصل نموذجًا يصلح للنشر عن نموذج لا يغادر المختبر أبدًا. نقطة تفتيش عند 54.8 GFLOPs تترك لمصمم النظام مساحة لتشغيل الشبكة على أجهزة متواضعة؛ بينما تدفع نقطة تفتيش عند 430.9 GFLOPs العمل نفسه نحو محطات أرضية أو حوسبة مدمجة ثقيلة. بالنسبة للمشغّل، نادرًا ما يكون الفرق بين 78.83% و77.76% mIoU بنفس أهمية الفرق بين هذين النطاقين من استهلاك الطاقة.

يبقى CABiNet-Large ضمن 1-2 نقطة من أفضل نتيجة لـ YOLO26 بجزء يسير من القدرة الحاسوبية، وهو النوع من المفاضلات الذي يحسم خيارات التجزئة في الوقت الفعلي عمليًا. GFLOPs مقياس تقريبي وليس الإجابة الكاملة: الإصدار لا يقدم أرقامًا لزمن الاستجابة أو الذاكرة، لذا تستند حجة الكفاءة إلى الحساب وحده. وفقًا لأرقام المجموعة نفسها، يتنازل النموذج خفيف الوزن عن نقطة واحدة تقريبًا من الدقة لتوفير معظم القدرة الحاسوبية.

تدريب VDD عبر الارتفاعات ووجهات النظر والمشاهد

تصميم المعيار مهم بقدر عدد النماذج. تمتزج في VDD ارتفاعات ووجهات نظر وأنواع مشاهد متنوعة تغطي البيئات الحضرية والريفية والطبيعية. يصف الإصدار هذا النطاق بأنه بيئة أكثر صعوبة وتنوعًا من لقطات الطائرات المسيّرة لرحلة واحدة، حيث لا يألف النموذج سوى زاوية رؤية واحدة. النموذج الذي يصمد أمام تغيرات الارتفاع وزوايا المشاهدة لديه ما يقوله عن عمليات الطائرات المسيّرة الحقيقية أكثر من نموذج مضبوط على ملف رحلة واحد، وهذه هي القيمة العملية لمجموعة بيانات مبنية بهذه الطريقة.

بطاقات النماذج تتحمل عبء قابلية إعادة الإنتاج

تأتي كل بطاقة نموذج مع مقاييس التقييم، وIoU لكل فئة، ومصفوفات الارتباك، ومقارنات نوعية لـ RGB والحقيقة الأرضية (Ground-Truth) والتنبؤات (Prediction)، وإعدادات التدريب المستخدمة. مقارنات RGB والحقيقة الأرضية والتنبؤات هي الجزء العملي: فهي تُظهر أين يفشل النموذج، وليس فقط أين يصل في النتيجة. بالنسبة للفرق التي تعمل على إدراك الطائرات المسيّرة، والطائرات المسيّرة المستقلة، والروبوتات، والاستشعار عن بُعد، أو التجزئة الدلالية في الوقت الفعلي، تحوّل هذه الوثائق المجموعة إلى خط أساس للمقارنة بدلاً من كونه كومة من نقاط التفتيش.

ما لا يقوله الإصدار

ثلاث فجوات تستحق الإشارة إليها. لا يتضمن المنشور تاريخ إطلاق للنماذج. ولا يذكر أي زمن استجابة للاستدلال أو بصمة ذاكرة، مما يجعل GFLOPs الرقم الحاسوبي الوحيد. ولا يوجد معيار نشر على أجهزة طائرات مسيّرة فعلية. لا يغيّر أي من ذلك المفاضلة الأساسية في الأرقام المنشورة، لكنه يعني أن الحكم العملي سيأتي من تشغيل الأوزان، وليس من قراءة صفحة المجموعة.

النماذج متاحة للعموم على صفحة المجموعة، ومجموعة البيانات مدرجة باسم RussRobin/VDD، ويدعو الإصدار إلى تقديم الملاحظات وتقارير الأخطاء والمساهمات.

المساهمة الحقيقية للمجموعة هي مجموعة مقارنة نظيفة: بنيتان، وسلّم من أحجام النماذج، وخط أنابيب مشترك واحد، ومجموعة بيانات مبنية لجعل الدقة تعمل عبر الارتفاعات والمشاهد. تتوّج لوحة الصدارة YOLO26x-sem. أما عدد FLOPs فيطرح حجة النموذج الذي يقع خلفه بنقطة واحدة.