YOLO . YOLOv9: Ein umfassender technischer Vergleich moderner Architekturen zur Objekterkennung

Die Landschaft der Echtzeit-Objekterkennung entwickelt sich weiterhin rasant weiter. Während Ingenieurteams und Forscher nach dem perfekten Gleichgewicht zwischen Genauigkeit, Inferenzgeschwindigkeit und Recheneffizienz streben, haben sich aus der Forschungsgemeinschaft zwei bemerkenswerte Architekturen herauskristallisiert: YOLO und YOLOv9. Beide Modelle weisen bedeutende architektonische Innovationen auf, die darauf abzielen, die Grenzen des Möglichen im Bereich der Computervision zu erweitern.

Dieser detaillierte technische Leitfaden enthält eine eingehende Analyse dieser beiden Modelle und vergleicht ihre einzigartigen architektonischen Ansätze, Trainingsmethoden und praktischen Einsatzmöglichkeiten. Wir werden auch untersuchen, wie das breitere Software-Ökosystem eine entscheidende Rolle in der modernen KI-Entwicklung spielt, und dabei die Vorteile integrierter Plattformen wie der Ultralytics und der neueren Modellgeneration wie YOLO26 hervorheben.

Zusammenfassung: Auswahl der richtigen Architektur

Beide Modelle stellen zwar bedeutende Meilensteine in der Deep-Learning-Forschung dar, sie entsprechen jedoch leicht unterschiedlichen Einsatzphilosophien.

YOLO in UmgebungenYOLO , in denen intensive neuronale Architektursuche (NAS) genutzt werden kann, um bestimmte Leistungsprofile herauszuarbeiten, was es zu einer interessanten Studie für den Einsatz in maßgeschneiderten Edge-Anwendungen macht. Umgekehrt YOLOv9 stark auf die Lösung von Deep-Learning-Informationsengpässen und bietet eine außergewöhnlich hohe Parametereffizienz.

Für produktionsreife Bereitstellungen empfehlen die Entwicklerteams jedoch durchweg die Nutzung des einheitlichen Ultralytics . Für neue Projekte empfiehlt sich die neueste Version von YOLO26 Modell das Beste aus beiden Welten: modernste Genauigkeit kombiniert mit einem nativen End-to-End-Design, das komplexe Nachbearbeitungen überflüssig macht.

Machen Sie Ihre Computer-Vision-Pipeline zukunftssicher

YOLO YOLOv9 zwar leistungsstarke akademische Modelle, doch ihre Einsatz in der Produktion erfordert oft erhebliche technische Anpassungen. Mit Ultralytics erhalten Sie Zugang zu modernster Leistung mit einer optimierten, wartungsfreundlichen API.

Technische Spezifikationen und Urheberschaft

Das Verständnis der Ursprünge und Entwicklungsschwerpunkte dieser Modelle liefert wichtige Hintergrundinformationen zu ihren jeweiligen Stärken.

DAMO-YOLO

YOLO wurde von Forschern der Alibaba Group entwickelt undYOLO stark auf die automatisierte Generierung von Architekturen und die effiziente Fusion von Funktionen.

Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
Organisation:Alibaba Group
Erscheinungsdatum: 23. November 2022
Arxiv-Artikel:YOLO -Forschungsarbeit
Offizielles GitHub:YOLO
Dokumentation:YOLO

Erfahren Sie mehr über DAMO-YOLO

YOLOv9

YOLOv9 wurde als Lösung für den Informationsverlust in tiefen Faltungsnetzwerken eingeführt und YOLOv9 die theoretischen Grenzen der Gradientenbewahrung während des Trainings.

Autoren: Chien-Yao Wang und Hong-Yuan Mark Liao
Organisation:Institute of Information Science, Academia Sinica, Taiwan
Erscheinungsdatum: 21. Februar 2024
Arxiv-Artikel:YOLOv9 -Forschungsarbeit
Offizielles GitHub:WongKinYiu/yolov9 Repository
Dokumentation:YOLOv9 Ultralytics

Erfahren Sie mehr über YOLOv9

Architektonische Innovationen

YOLO: Angetrieben durch neuronale Architektursuche

YOLO sich durch stark angepasste, maschinell generierte KomponentenYOLO . Sein Backbone wird mithilfe von Neural Architecture Search (NAS) generiert und zielt speziell auf Inferenz mit geringer Latenz auf unterschiedlicher Hardware ab.

Die Architektur verfügt über ein effizientes RepGFPN (Reparameterized Generalized Feature Pyramid Network) für die Merkmalsfusion, das die Objekterkennung in mehreren Maßstäben verbessert, ohne den Rechenaufwand übermäßig zu erhöhen. Darüber hinaus verwendet es ein ZeroHead-Design zur Vereinfachung des Erkennungskopfes und nutzt AlignedOTA für die Zuweisung von Labels, gepaart mit einem ausgeklügelten Destillationsverbesserungsprozess während des Trainings. Während diese Techniken eine schnelle Inferenz ermöglichen, erfordert der mehrstufige Destillationsprozess oft erheblichen VRAM-Speicher und längere Trainingszeiten.

YOLOv9: Lösung des Informationsengpasses

YOLOv9 einem grundlegenden Problem in tiefen Netzwerken: dem allmählichen Verlust von Eingabedateninformationen beim Durchlaufen aufeinanderfolgender Schichten.

Um dem entgegenzuwirken, haben die Autoren Programmable Gradient Information (PGI) eingeführt, ein zusätzliches Überwachungsframework, das wichtige Details für tiefe Schichten beibehält und hochzuverlässige Gradienten für Gewichtsaktualisierungen generiert. Begleitend zu PGI gibt es die GELAN-Architektur (Generalized Efficient Layer Aggregation Network). GELAN optimiert die Parametereffizienz, indem es die Stärken von CSPNet und ELAN kombiniert und den Informationsfluss maximiert, während Floating Point Operations (FLOPs) streng minimiert werden.

Leistungsanalyse und Kennzahlen

Bei der Leistungsbewertung weisen beide Modelle eine hohe mittlere durchschnittliche Genauigkeit (mAP) bei Standard-Benchmarks wie COCO auf. YOLOv9 bei gleichwertigen Modellgrößen eine höhere absolute Genauigkeit und nutzt dabei seine PGI-Architektur, um bei schwierigen Datensätzen eine hohe Genauigkeit zu gewährleisten.

Modell	Größe ^(Pixel)	mAP^val 50-95	Geschwindigkeit ^{CPU ONNX (ms)}	Geschwindigkeit ^{T4 TensorRT10 (ms)}	Parameter ^(M)	FLOPs ^(B)
DAMO-YOLOt	640	42.0	-	2.32	8.5	18.1
DAMO-YOLOs	640	46.0	-	3.45	16.3	37.8
DAMO-YOLOm	640	49.2	-	5.09	28.2	61.8
DAMO-YOLOl	640	50.8	-	7.18	42.1	97.3

YOLOv9t	640	38.3	-	2.3	2.0	7.7
YOLOv9s	640	46.8	-	3.54	7.1	26.4
YOLOv9m	640	51.4	-	6.43	20.0	76.3
YOLOv9c	640	53.0	-	7.16	25.3	102.1
YOLOv9e	640	55.6	-	16.77	57.3	189.0

Wie oben gezeigt, erzielt YOLOv9 die höchste Genauigkeit, während die kleineren YOLOv9 YOLO YOLOv9 dank TensorRT eine äußerst wettbewerbsfähige Inferenzgeschwindigkeit beibehalten.

Trainingsmethoden und Ökosystem

Die reine Architektur ist zwar wichtig, doch für die praktische Anwendung sind die Benutzerfreundlichkeit und die Trainingseffizienz, die durch das Ökosystem eines Modells bestimmt werden, von entscheidender Bedeutung.

Die AbhängigkeitYOLO von der Wissensdestillation erfordert oft das Training eines umständlichen „Lehrer”-Modells, bevor das Wissen auf das Zielmodell „Schüler” übertragen werden kann. Dieser traditionelle Forschungsansatz erhöht den Speicherbedarf und die Trainingszykluszeiten erheblich. Ebenso erfordert das ursprüngliche YOLOv9 die Navigation durch komplexe Konfigurationsdateien, was die agile Entwicklung verlangsamen kann.

Im Gegensatz dazu verändert die Integration von Modellen in die Ultralytics die Entwicklererfahrung grundlegend. DasPython abstrahiert Boilerplate-Code, sodass Teams mühelos Datenanreicherung, Hyperparameter-Optimierung und Modellexport durchführen können.

Anwendungen und Anwendungsfälle in der Praxis

Unterschiedliche Architekturen eignen sich aufgrund ihrer Ressourcenanforderungen und Genauigkeitsprofile naturgemäß besonders für bestimmte Branchen.

YOLO Edge AI: Aufgrund seiner NAS-optimierten BackbonesYOLO häufig in eingebetteten Systemen eingesetzt, in denen eine hardwarespezifische Rep-Parametrisierung unbedingt erforderlich ist, wie beispielsweise bei der Verwendung kundenspezifischer ASICs in der grundlegenden Qualitätskontrolle in der Fertigung.
YOLOv9 der Präzisionsanalyse: Mit seiner hohen Parametereffizienz und PGI-gesteuerten Gradientenbeibehaltung YOLOv9 hervorragend für Szenarien mit dichter Objekterkennung, wie beispielsweise die Analyse von Luftbildern oder die Verfolgung winziger Objekte in überfüllten Einzelhandelsumgebungen.

Anwendungsfälle und Empfehlungen

Die Wahl zwischenYOLO YOLOv9 von Ihren spezifischen Projektanforderungen, Einsatzbeschränkungen und Ökosystempräferenzen YOLOv9 .

Wann DAMO-YOLO wählen?

YOLO eine gute Wahl für:

Hochdurchsatz-Videoanalyse: Verarbeitung von Videostreams mit hoher Bildfrequenz aufGPU festenGPU , wobei der Durchsatz von Batch 1 die primäre Metrik ist.
Industrielle Fertigungslinien: Szenarien mit strengen GPU auf dedizierter Hardware, wie z. B. Echtzeit-Qualitätskontrollen an Fertigungslinien.
Forschung zur neuronalen Architektursuche: Untersuchung der Auswirkungen der automatisierten Architektursuche (MAE-NAS) und effizienter reparametrisierter Backbones auf die Erkennungsleistung.

Wann man YOLOv9 wählen sollte

YOLOv9 empfohlen für:

Forschung zu Informationsengpässen: Wissenschaftliche Projekte, die sich mit den Architekturen „Programmable Gradient Information“ (PGI) und „Generalized Efficient Layer Aggregation Network“ (GELAN) befassen.
Studien zur Optimierung des Gradientenflusses: Die Forschung konzentrierte sich auf das Verständnis und die Minderung von Informationsverlusten in tiefen Netzwerkschichten während des Trainings.
Benchmarking für hochpräzise Erkennung: Szenarien, in denen die starke COCO Leistung YOLOv9 als Referenzpunkt für Architekturvergleiche benötigt wird.

Wann sollte man sich für Ultralytics YOLO26) entscheiden?

Für die meisten neuen Projekte bietet Ultralytics die beste Kombination aus Leistung und Entwicklererfahrung:

NMS Edge-Bereitstellung: Anwendungen, die eine konsistente Inferenz mit geringer Latenz ohne die Komplexität der Nachbearbeitung mit Non-Maximum Suppression erfordern.
CPU: Geräte ohne dedizierte GPU , bei denen CPU bis zu 43 % schnellere CPU von YOLO26 einen entscheidenden Vorteil bietet.
Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Drohnenbilder oder IoT-Sensoranalysen, in denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten deutlich verbessern.

Ultralytics von Ultralytics : Weiterentwicklung zu YOLO26

Für Nutzer, die ältere Architekturen vergleichen, bietet der Übergang zum modernen Ultralytics – insbesondere zu den neuesten YOLO26-Modellen– einen unvergleichlichen Vorteil.

YOLO26 verändert die Bereitstellungslandschaft durch sein End-to-End-Design NMS grundlegend. Durch den vollständigen Verzicht auf die Nachbearbeitung mit Non-Maximum Suppression (NMS) ermöglicht es schnellere und deutlich einfachere Bereitstellungsarchitekturen. In Verbindung mit der Entfernung von Distribution Focal Loss (DFL) bietet YOLO26 eine hervorragende Kompatibilität für Edge- und Low-Power-Geräte.

Darüber hinaus verfügt YOLO26 über den revolutionären MuSGD-Optimierer, eine Mischung aus stochastischer Gradientenabstiegs- und Muon-Optimierung, die von Innovationen im Bereich des LLM-Trainings inspiriert ist. Dies führt zu einer äußerst stabilen Trainingskonvergenz bei gleichzeitig bemerkenswert geringer Speicherauslastung im Vergleich zu transformatorlastigen Alternativen.

Optimiertes Training mit YOLO26

Dank der intuitiven Ultralytics können Sie mit nur wenigen Zeilen Python ein hochmodernes YOLO26-Modell mit integrierter Experimentverfolgung trainieren.

from ultralytics import YOLO

# Load the latest NMS-free YOLO26 model
model = YOLO("yolo26n.pt")

# Train on your custom dataset efficiently
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export the trained model to ONNX format
model.export(format="onnx")

Ganz gleich, ob Sie eine fortschrittliche Instanzsegmentierung, eine hochpräzise Posenschätzung oder eine standardmäßige Begrenzungsrahmenerkennung benötigen – dank der Vielseitigkeit des Ultralytics verbringt Ihr Team weniger Zeit mit der Konfiguration von Deep-Learning-Umgebungen und hat mehr Zeit für die Bereitstellung robuster KI-Lösungen. Mit speziellen Aufgabenverbesserungen wie ProgLoss + STAL für eine verbesserte Erkennung kleiner Objekte ist YOLO26 die erste Wahl für die nächste Generation von Bildverarbeitungsanwendungen.