YOLOv5 vs. YOLOv9#

Die Computer Vision und die Objekterkennung in Echtzeit haben in den vergangenen Jahren bemerkenswerte Fortschritte gemacht. Die Wahl zwischen etablierten, praxiserprobten Modellen und neueren Forschungsarchitekturen stellt für Ingenieure im Bereich maschinelles Lernen eine häufige Herausforderung dar. Dieser Leitfaden bietet einen umfassenden technischen Vergleich zweier einflussreicher Modelle der YOLO-Familie: YOLOv5 und YOLOv9.

Ob du Modelle auf ressourcenbeschränkten Edge-Geräten bereitstellst, an einer hochpräzisen Merkmalsextraktion forschst oder komplexe Pipelines zur Objekterkennung entwickelst – es ist entscheidend, die architektonischen Feinheiten, Leistungskennzahlen und Unterschiede zwischen den Ökosystemen dieser Modelle zu verstehen.

Modellübersicht#

Bevor wir die Architekturen vergleichen, lohnt es sich, die Ursprünge und Hauptziele der einzelnen Modelle zu betrachten.

Ultralytics YOLOv5#

YOLOv5 wurde von Glenn Jocher entwickelt und am 26. Juni 2020 von Ultralytics veröffentlicht. Das Modell veränderte grundlegend, wie Entwickler mit Bildverarbeitungsmodellen arbeiten. Durch die vollständige Nutzung des PyTorch-Frameworks ersetzte YOLOv5 die aufwendigen Kompilierungsschritte früherer Darknet-basierter Modelle durch eine intuitive, auf Python ausgerichtete Nutzererfahrung.

• Autor: Glenn Jocher
• Organisation: Ultralytics
• Datum: 2020-06-26
• GitHub: YOLOv5-Repository
• Dokumentation: YOLOv5-Dokumentation

YOLOv5 ist für seine Benutzerfreundlichkeit und zuverlässige Leistung auf unterschiedlichster Hardware bekannt. Das Modell unterstützt neben der Erkennung auch die Bildklassifizierung und Instanzsegmentierung.

YOLOv9#

YOLOv9 wurde von Chien-Yao Wang und Hong-Yuan Mark Liao vom Institut für Informationswissenschaft der Academia Sinica in Taiwan vorgestellt. Der Schwerpunkt liegt auf der Architekturtheorie, um Probleme mit Informationsengpässen in tiefen neuronalen Netzen zu verringern.

• Autoren: Chien-Yao Wang und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Datum: 2024-02-21
• Arxiv: 2402.13616
• GitHub: YOLOv9-Repository
• Dokumentation: YOLOv9-Dokumentation

YOLOv9 stützt sich im Kern auf zwei wichtige theoretische Neuerungen: Programmierbare Gradienteninformationen (PGI) und das verallgemeinerte effiziente Layer-Aggregationsnetzwerk (GELAN). Diese Konzepte helfen dem Modell, wichtige räumliche Merkmale über tiefe Netzwerkschichten hinweg beizubehalten.

Mehr über YOLOv9 erfahren

Architektonische und technische Unterschiede#

Für die Optimierung von Strategien zur Modellbereitstellung ist es wichtig zu verstehen, welche Technik hinter diesen Bildverarbeitungsmodellen steckt.

Merkmalsextraktion und Informationsbewahrung#

YOLOv5 nutzt ein Cross-Stage-Partial-Netzwerk (CSPNet) als Backbone. Dieses verringert den Rechenaufwand effektiv und erhält zugleich einen präzisen Gradientenfluss während der Rückpropagierung. Das Design ist stark auf herkömmliche GPU-Operationen optimiert und benötigt beim Training weniger Speicher als umfangreiche Transformer-Alternativen.

YOLOv9 führt GELAN ein, eine allgemeine Architektur, die die Prinzipien von CSPNet erweitert. In Verbindung mit PGI, einem zusätzlichen reversiblen Zweig, sorgt YOLOv9 dafür, dass tiefe Schichten nicht die semantischen Daten verlieren, die für präzise Zielfunktionen erforderlich sind. Dadurch erzielt YOLOv9 eine hohe Genauigkeit, insbesondere bei kleineren Objekten. Die komplexen zusätzlichen Verzweigungen können jedoch den Export auf stark eingeschränkte Edge-Hardware erschweren.

Speicherbedarf und Trainingseffizienz#

Beim Training bleibt YOLOv5 äußerst robust. Das gut gepflegte Ultralytics-Ökosystem sorgt dafür, dass YOLOv5-Modelle deutlich weniger CUDA-Speicher beanspruchen, sodass Forschende die Batch-Größen auf handelsüblichen GPUs maximieren können. YOLOv9 nutzt die Parameter zwar sehr effizient und erzielt im Verhältnis zur Modellgröße eine hohe Genauigkeit, doch ohne optimierte Frameworks kann das Training mehr Ressourcen beanspruchen. Die Integration von YOLOv9 in die Ultralytics API sorgt glücklicherweise dafür, dass die effiziente Ressourcenverwaltung des Modells der von YOLOv5 näherkommt.

Leistung und Metriken#

Für einen objektiven Vergleich dieser Architekturen messen wir ihre Leistung auf Standarddatensätzen wie COCO. Die folgende Übersicht zeigt Kennzahlen wie mAP (mittlere durchschnittliche Präzision), Inferenzgeschwindigkeit und Parameterzahl.

Wie die Tabelle zeigt, erzielt YOLOv9 in vergleichbaren Größenklassen eine höhere Genauigkeit, was seine neuere Architektur widerspiegelt. YOLOv5n erreicht jedoch eine äußerst geringe TensorRT-Latenz von 1,12 ms. Das unterstreicht seine anhaltende Stärke für Edge-Computing mit geringer Latenz und lokaler Verarbeitung.

Trainingsmethoden und Benutzerfreundlichkeit#

Der entscheidende Vorteil der heutigen Computer Vision liegt in der Zugänglichkeit der Werkzeugkette.

Der Vorteil von Ultralytics#

Die ursprünglichen Forschungs-Repositories für Modelle wie YOLOv9 bilden zwar eine wichtige Grundlage, bringen jedoch oft komplexe Abhängigkeitsstrukturen und vorgefertigte Skripte mit sich. Die Ultralytics Python API nimmt dir diese Komplexität vollständig ab. Mit dem Ultralytics-Ökosystem kannst du YOLOv5 und YOLOv9 mit derselben einheitlichen Syntax trainieren, bewerten und exportieren.

from ultralytics import YOLO

# Ein vortrainiertes YOLOv5-Modell für eine schnelle Bereitstellung laden
model_v5 = YOLO("yolov5su.pt")  # YOLOv5u: ankerfreie YOLOv5-Gewichte für das ultralytics-Paket

# Oder mit einem YOLOv9-Modell eine hohe Genauigkeit erzielen
model_v9 = YOLO("yolov9c.pt")

# Nahtlos mit eigenen Daten trainieren
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)

# Das trainierte Modell nach ONNX exportieren
model_v9.export(format="onnx")

Dieser API-Ansatz bietet enorme Vielseitigkeit und unterstützt je nach gewähltem Modell neben der Erkennung auch die Posenschätzung und orientierte Begrenzungsrahmen (OBB). Darüber hinaus sind leistungsstarke Integrationen mit Tools wie Comet ML und Weights & Biases direkt in den Trainingsablauf eingebunden.

Ideale Anwendungsfälle und praktische Einsatzgebiete#

Die Wahl zwischen diesen Architekturen hängt vor allem von den Einschränkungen deiner Hardware und der für deine Anwendung erforderlichen Präzision ab.

Wann du YOLOv5 wählen solltest#

YOLOv5 ist ein praxiserprobter Klassiker, der sich besonders für Bereitstellungen eignet, bei denen Stabilität, geringer Speicherbedarf und umfassende Exportkompatibilität im Vordergrund stehen.

• Mobile Bereitstellungen: Der Export von YOLOv5 nach LiteRT oder CoreML für die geräteinterne Inferenz auf älteren Smartphones ist besonders unkompliziert.
• Ältere Edge-Hardware: Auf Geräten wie dem Raspberry Pi oder NVIDIA Jetson Nano der ersten Generation sorgen die einfachen Faltungen von YOLOv5 für gleichmäßige Bildraten in Anwendungen wie der intelligenten Parkraumbewirtschaftung.
• Schnelle Prototypenerstellung: Die große Auswahl an Tutorials aus der Community, benutzerdefinierten vortrainierten Gewichten und die umfassende Kompatibilität mit Datensätzen machen YOLOv5 zum schnellsten Weg, ein Konzept zu überprüfen.

Wann du YOLOv9 wählen solltest#

YOLOv9 eignet sich ideal für Anwendungsfälle, bei denen die Erfassung feiner Details und die Minimierung falsch negativer Ergebnisse entscheidend sind – selbst wenn dafür etwas mehr Rechenleistung benötigt wird.

• Luft- und Satellitenbilder: Das PGI-Framework kann kleine Objekte besonders gut detailgetreu abbilden. Damit eignet sich YOLOv9 hervorragend für die drohnengestützte landwirtschaftliche Überwachung.
• Medizinische Bilddiagnostik: Bei der Erkennung kleinster Anomalien oder Läsionen in hochauflösenden Scans bietet der präzise Gradientenfluss von GELAN einen entscheidenden Vorteil beim Wiederauffinden positiver Fälle.
• Analytik im gehobenen Einzelhandel: Die Nachverfolgung einander überlappender Produkte in dicht bestückten Regalen profitiert erheblich von YOLOv9s überlegener Fähigkeit, Merkmale zu bewahren.

Den Horizont erweitern#

Der Vergleich von YOLOv5 und YOLOv9 zeigt deutlich, wie sich Architekturen von 2020 bis 2024 weiterentwickelt haben. Doch die KI-Branche entwickelt sich schneller als je zuvor. Entwicklern, die die äußersten Leistungsgrenzen ausloten möchten, empfehlen wir, die neuesten YOLO26-Modelle zu erkunden. YOLO26 bietet ein natives End-to-End-Design ohne NMS (nms=False) als Alternative zur herkömmlichen Unterdrückung nicht maximaler Werte und nutzt den modernen MuSGD-Optimierer. So überbrückt YOLO26 die Lücke zwischen Genauigkeit auf Forschungsniveau und Geschwindigkeit für den Produktiveinsatz. Durch den Wegfall von DFL (Distribution Focal Loss wird entfernt, um den Export zu vereinfachen und die Kompatibilität mit Edge-Geräten und Geräten mit geringem Stromverbrauch zu verbessern) erzielt YOLO26 eine bis zu 43 % schnellere CPU-Inferenz und eignet sich damit ideal für Edge Computing. Außerdem verbessern ProgLoss + STAL die Verlustfunktionen und damit die Erkennung kleiner Objekte – besonders wichtig für IoT, Robotik und Luftbilder.

Vielleicht möchtest du diese Architekturen auch mit anderen hochmodernen Modellen wie RT-DETR oder dem leistungsstarken YOLO11 vergleichen. Mit dem einheitlichen Ultralytics-Framework bleibt deine Entwicklungspipeline unabhängig von deiner Modellwahl übersichtlich, effizient und skalierbar.