YOLOv5 vs. YOLOv9
Die Entwicklung im Bereich Computer Vision und Echtzeit-Objekterkennung ist in den vergangenen Jahren erheblich vorangeschritten. Für Machine-Learning-Ingenieure ist es oft eine Herausforderung, zwischen bewährten Modellen und neueren Forschungsarchitekturen zu wählen. Dieser Leitfaden bietet einen umfassenden technischen Vergleich zweier einflussreicher Modelle der YOLO-Familie: YOLOv5 und YOLOv9.
Ob du Modelle auf ressourcenbeschränkten Edge-Geräten einsetzt, hochpräzise Merkmalsextraktion erforschst oder komplexe Pipelines zur Objekterkennung entwickelst: Es ist wichtig, die Architekturunterschiede, Leistungskennzahlen und die Unterstützung durch das jeweilige Ökosystem 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 die Art, wie Entwickler mit Bildverarbeitungsmodellen arbeiteten. Durch die vollständige Nutzung des PyTorch-Frameworks ersetzte YOLOv5 die komplexen Kompilierungsschritte älterer 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 stabile Leistung auf verschiedenen Hardwareumgebungen bekannt. Das Modell unterstützt nicht nur die Erkennung, sondern auch die Instanzsegmentierung und Bildklassifizierung.
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.
YOLOv5 und YOLOv9 sind leistungsstark, doch das neuere YOLO26 bietet eine starke Balance aus Geschwindigkeit und Genauigkeit. Mit optionaler End-to-End-NMS-freier Inferenz und bis zu 43 % schnellerer CPU-Inferenz (YOLO26n im Vergleich zu YOLO11n) empfiehlt sich YOLO26 für modernes Edge Computing und den produktiven Einsatz.
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 CSPNet-Prinzipien erweitert. Zusammen mit PGI – einem zusätzlichen reversiblen Zweig – sorgt YOLOv9 dafür, dass tiefe Schichten die semantischen Informationen behalten, die für die Berechnung zuverlässiger Gradienten erforderlich sind. Dadurch erreicht YOLOv9 eine hohe Genauigkeit, insbesondere bei kleineren Objekten.
Speicherbedarf und Trainingseffizienz#
Beim Training ist YOLOv5 weiterhin effizient. Das gut gepflegte Ultralytics-Ökosystem sorgt dafür, dass YOLOv5-Modelle deutlich weniger CUDA-Speicher benötigen. So können Forschende die Batchgrößen auf GPUs für Endverbraucher maximieren. YOLOv9 nutzt Parameter zwar sehr effizient und erzielt für seine Größe eine hohe Genauigkeit, doch das Training kann ressourcenintensiver sein, wenn keine optimierten Frameworks zum Einsatz kommen. Durch die Einbindung von YOLOv9 in die Ultralytics API lässt sich die effiziente Ressourcenverwaltung von YOLOv5 jedoch besser erreichen.
Leistung und Metriken#
Die folgende Tabelle vergleicht die Leistung der Modelle auf dem COCO-Datensatz, einschließlich mAP (mittlerer Average Precision), Inferenzgeschwindigkeit und Parameteranzahl.
| Modell | Größe (Pixel) | mAPval50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Wie die Tabelle zeigt, erzielt YOLOv9 bei vergleichbarer Modellgröße eine höhere Genauigkeit, was seine neuere Architektur widerspiegelt. YOLOv5n erreicht jedoch weiterhin eine niedrige T4-TensorRT-Latenz von 1,12 ms und beweist damit seine anhaltende Stärke bei Hochgeschwindigkeitsanwendungen für Edge Computing.
Trainingsmethoden und Benutzerfreundlichkeit#
Ein großer Teil des praktischen Nutzens von Computer Vision beruht heute auf der Zugänglichkeit der Toolchain.
Der Vorteil von Ultralytics#
Die ursprünglichen Forschungs-Repositories für Modelle wie YOLOv9 bilden zwar eine wichtige Grundlage, bringen aber oft komplexe Abhängigkeitsmatrizen und umfangreiche Vorlagenskripte mit sich. Die Ultralytics-Python-API nimmt dir den Großteil dieser Komplexität ab. Im Ultralytics-Ökosystem kannst du YOLOv5 und YOLOv9 mit einer einheitlichen Syntax trainieren, evaluieren 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")
# Mit dem COCO8-Beispieldatensatz trainieren
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)
# Das trainierte Modell nach ONNX exportieren
model_v9.export(format="onnx")Dieser Ansatz mit einer einzigen API bietet große Vielseitigkeit: Je nach gewähltem Modell unterstützt er nicht nur die Erkennung, sondern auch die Instanzsegmentierung, Posenschätzung und orientierte Begrenzungsrahmen (OBB). Integrationen mit Tools wie Comet und Weights & Biases sind ebenfalls 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 ausgereiftes Modell für Bereitstellungen, bei denen Stabilität, geringer Speicherbedarf und umfassende Exportkompatibilität im Vordergrund stehen.
- Mobile Bereitstellungen: YOLOv5 für die Inferenz auf älteren Smartphones nach LiteRT oder CoreML zu exportieren, ist unkompliziert.
- Ältere Edge-Hardware: Auf Geräten wie Raspberry Pi oder NVIDIA Jetson Nano der ersten Generation sorgen die unkomplizierten Faltungen von YOLOv5 für gleichmäßige Bildraten bei Anwendungen wie der intelligenten Parkplatzverwaltung.
- Schnelles Prototyping: Dank der zahlreichen Tutorials aus der Community, benutzerdefinierten vortrainierten Gewichte und breiten Kompatibilität mit Datensätzen ist das Modell der schnellste Weg, einen Machbarkeitsnachweis zu validieren.
Wann du YOLOv9 wählen solltest#
YOLOv9 eignet sich ideal für Szenarien, in denen es entscheidend ist, feine Details zu erfassen und falsch negative Ergebnisse zu minimieren – auch wenn dafür etwas mehr Rechenleistung erforderlich ist.
- Luft- und Satellitenbilder: Das PGI-Framework trägt dazu bei, die Detailtreue kleiner Objekte zu bewahren. Dadurch eignet sich YOLOv9 hervorragend für die drohnengestützte Überwachung landwirtschaftlicher Flächen.
- 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.
- Analysen im gehobenen Einzelhandel: Bei der Erfassung überlappender Produkte in dicht bestückten Regalen kommt YOLOv9s stärkere Merkmalserhaltung zum Tragen.
Den Horizont erweitern#
Der Vergleich von YOLOv5 und YOLOv9 zeigt deutlich, wie sich Architekturen von 2020 bis 2024 weiterentwickelt haben. Das Feld schreitet jedoch weiterhin schnell voran. Für Entwickler, die die neueste Leistung wünschen, sind die YOLO26-Modelle die empfohlene Wahl. YOLO26 bietet als Alternative zur herkömmlichen Non-Maximum Suppression ein natives End-to-End-Design ohne NMS (nms=False) und nutzt den fortschrittlichen MuSGD-Optimierer. Damit schließt YOLO26 die Lücke zwischen Genauigkeit auf Forschungsniveau und Geschwindigkeit für den produktiven Einsatz. Durch das Entfernen 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) erreicht YOLO26n eine bis zu 43 % schnellere CPU-Inferenz als YOLO11n und eignet sich damit gut für Edge Computing. Außerdem kombiniert ProgLoss + STAL einen progressiven Verlust mit einer label assignment, die kleine Objekte berücksichtigt. Das verbessert die Erkennung kleiner Objekte deutlich – ein entscheidender Vorteil für IoT, Robotik und Luftbilder.
Vielleicht interessiert dich auch der Vergleich dieser Architekturen mit anderen Modellen, etwa YOLOv5 vs RT-DETR oder YOLOv5 vs YOLO11. Das einheitliche Ultralytics-Framework sorgt unabhängig von deiner Modellwahl für einen konsistenten Entwicklungsablauf.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.