YOLOv5 vs. YOLOv9#

Die Landschaft der Computer Vision und der Objekterkennung in Echtzeit hat in den vergangenen Jahren bemerkenswerte Fortschritte gemacht. Die Wahl zwischen etablierten, praxiserprobten Modellen und neueren Forschungsarchitekturen ist für Machine-Learning-Ingenieure eine häufige Herausforderung. Dieser Leitfaden bietet einen umfassenden technischen Vergleich zweier äußerst einflussreicher Modelle aus der YOLO-Familie: YOLOv5 und YOLOv9.

Ob du Modelle auf ressourcenbeschränkten Edge-Geräten einsetzt, an einer detailgetreuen Merkmalsextraktion forschst oder komplexe Pipelines zur Objekterkennung entwickelst: Für fundierte Entscheidungen ist es entscheidend, die architektonischen Feinheiten, Leistungskennzahlen und Unterschiede im Ökosystem dieser Modelle zu verstehen.

Modellübersichten#

Bevor wir die Architekturen vergleichen, ist es hilfreich, die Ursprünge und Hauptziele der beiden Modelle zu verstehen.

Ultralytics YOLOv5#

YOLOv5 wurde von Glenn Jocher entwickelt und am 26. Juni 2020 von Ultralytics veröffentlicht. Das Modell markierte einen Paradigmenwechsel in der Interaktion von Entwicklern mit Bildverarbeitungsmodellen. Durch die vollständige Ausrichtung auf das PyTorch-Framework ersetzte YOLOv5 die komplexen Kompilierungsschritte früherer Darknet-basierter Modelle durch eine intuitive, auf Python ausgerichtete Benutzererfahrung.

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

YOLOv5 ist für seine Benutzerfreundlichkeit und seine stabile Leistung auf unterschiedlichster Hardware bekannt. Es unterstützt nicht nur die Erkennung, sondern auch die Bildklassifizierung und die Instanzsegmentierung.

YOLOv9#

YOLOv9 wurde von Chien-Yao Wang und Hong-Yuan Mark Liao vom Institute of Information Science der Academia Sinica in Taiwan vorgestellt und legt großen Wert auf die Architekturtheorie, um Informationsengpässe in tiefen neuronalen Netzen zu vermeiden.

• Autoren: Chien-Yao Wang und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Datum: 21.02.2024
• Arxiv: 2402.13616
• GitHub: YOLOv9-Repository
• Dokumentation: YOLOv9-Dokumentation

Das Kernstück von YOLOv9 beruht auf zwei wichtigen theoretischen Innovationen: der programmierbaren Gradienteninformation (PGI) und dem allgemeinen effizienten Layer-Aggregationsnetzwerk (GELAN). Diese Konzepte helfen dem Modell, kritische räumliche Merkmale über tiefe Netzwerkschichten hinweg zu bewahren.

Erfahre mehr über YOLOv9

Architektonische und technische Unterschiede#

Für die Optimierung von Strategien zur Modellbereitstellung ist es entscheidend zu verstehen, was diese Bildverarbeitungsmodelle im Inneren antreibt.

Merkmalsextraktion und Informationsbewahrung#

YOLOv5 verwendet als Backbone ein Netzwerk mit partieller Verarbeitung über Stufen (CSPNet), das den Rechenaufwand effektiv reduziert und gleichzeitig während der Rückpropagierung einen präzisen Gradientenfluss aufrechterhält. Dieses Design ist für herkömmliche GPU-Operationen hochoptimiert und benötigt beim Training weniger Speicher als umfangreiche Transformer-Alternativen.

YOLOv9 führt GELAN ein, eine allgemeine Architektur, die die Prinzipien von CSPNet erweitert. Zusammen mit PGI – einem zusätzlichen reversiblen Zweig – stellt YOLOv9 sicher, dass tiefe Schichten die für präzise Zielfunktionen erforderlichen semantischen Daten nicht verlieren. Dadurch erreicht YOLOv9 eine hohe Genauigkeit, insbesondere bei kleineren Objekten. Die komplexe zusätzliche Verzweigung kann jedoch manchmal Exportpipelines für 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 benötigen, sodass Forschende die Batchgrößen auf GPUs für Endverbraucher maximieren können. YOLOv9 erreicht zwar eine hervorragende Parametereffizienz – also eine hohe Genauigkeit im Verhältnis zur Modellgröße –, sein Training kann ohne optimierte Frameworks jedoch ressourcenintensiver sein. Glücklicherweise bringt die Integration von YOLOv9 in die Ultralytics API die Ressourcenverwaltung näher an die schlanke Lösung von YOLOv5 heran.

Leistung und Metriken#

Für eine objektive Bewertung dieser Architekturen vergleichen wir ihre Leistung auf Standarddatensätzen wie COCO. Im Folgenden findest du eine detaillierte Aufschlüsselung von Kennzahlen wie mAP (mittlere durchschnittliche Präzision), Inferenzgeschwindigkeit und Parameteranzahl.

Wie die Tabelle zeigt, erreicht YOLOv9 bei vergleichbaren Modellklassen eine höhere Genauigkeit, was seine neuere Architektur widerspiegelt. YOLOv5n weist jedoch mit 1,12 ms eine äußerst geringe TensorRT-Latenz auf und unterstreicht damit seine anhaltende Stärke bei Anwendungen für schnelles, lokal ausgeführtes Edge Computing.

Trainingsmethoden und Benutzerfreundlichkeit#

Der entscheidende Vorteil von Computer Vision liegt heute in der Zugänglichkeit der Werkzeugkette.

Der Vorteil von Ultralytics#

Originale Forschungs-Repositories für Modelle wie YOLOv9 bilden zwar eine wichtige Grundlage, bringen jedoch häufig komplexe Abhängigkeitsmatrizen und vorgefertigte Skripte mit. Die Ultralytics Python API abstrahiert diese Komplexität vollständig. Mit dem Ultralytics-Ökosystem kannst du YOLOv5 und YOLOv9 mit einer identischen, einheitlichen Syntax trainieren, evaluieren und exportieren.

from ultralytics import YOLO

# Load a pre-trained YOLOv5 model for fast deployment
model_v5 = YOLO("yolov5s.pt")

# Or leverage a YOLOv9 model for high-fidelity accuracy
model_v9 = YOLO("yolov9c.pt")

# Train seamlessly on custom data with automatic MLflow logging
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)

# Export the trained model to ONNX
model_v9.export(format="onnx")

Dieser Ansatz mit einer einzigen API bietet enorme Vielseitigkeit und unterstützt je nach gewähltem Modell nicht nur die Erkennung, sondern auch die Posenschätzung und orientierte Begrenzungsrahmen (OBB). Darüber hinaus sind robuste Integrationen mit Tools wie Comet ML und Weights & Biases direkt in den Trainingsablauf integriert.

Ideale Anwendungsfälle und reale Anwendungen#

Die Wahl zwischen diesen Architekturen hängt maßgeblich von den Einschränkungen deiner Hardware und der für deinen Anwendungsbereich erforderlichen Präzision ab.

Wann du YOLOv5 wählen solltest#

YOLOv5 ist ein praxiserprobter Veteran, der sich bei Bereitstellungen auszeichnet, bei denen Stabilität, ein geringer Speicherbedarf und umfassende Exportkompatibilität im Vordergrund stehen.

• Mobile Bereitstellungen: Der Export von YOLOv5 nach TFLite oder CoreML für die Inferenz direkt auf älteren Smartphones gelingt äußerst unkompliziert.
• Ältere Edge-Hardware: Auf Geräten wie dem Raspberry Pi oder NVIDIA Jetson Nanos der ersten Generation sorgen die geradlinigen Faltungen von YOLOv5 für konstante Bildraten bei Anwendungen wie der intelligenten Parkraumbewirtschaftung.
• Schnelles Prototyping: Die große Auswahl an Community-Tutorials, benutzerdefinierten vortrainierten Gewichten und die umfassende Kompatibilität mit Datensätzen machen YOLOv5 zum schnellsten Weg, einen Machbarkeitsnachweis zu validieren.

Wann du YOLOv9 wählen solltest#

YOLOv9 eignet sich ideal für Szenarien, in denen die Erfassung komplexer Details und die Minimierung von falsch-negativen Ergebnissen unbedingt erforderlich sind, selbst wenn dafür etwas mehr Rechenleistung benötigt wird.

• Luft- und Satellitenbilder: Das PGI-Framework ist besonders gut darin, die Detailtreue kleiner Objekte zu bewahren, wodurch sich YOLOv9 hervorragend für die landwirtschaftliche Überwachung per Drohne eignet.
• Medizinische Bilddiagnostik: Bei der Erkennung kleinster Anomalien oder Läsionen in hochauflösenden Aufnahmen bietet der präzise Gradientenfluss von GELAN einen entscheidenden Vorteil beim Recall.
• Analysen im hochwertigen Einzelhandel: Die Verfolgung überlappender Produkte in dicht bestückten Regalen profitiert erheblich von den überlegenen Fähigkeiten von YOLOv9 zur Bewahrung von Merkmalen.

Erweitere deinen Horizont#

Der Vergleich von YOLOv5 und YOLOv9 zeigt zwar deutlich, wie sich Architekturen von 2020 bis 2024 weiterentwickelt haben, doch das Gebiet der KI entwickelt sich schneller als je zuvor. Entwicklern, die nach der absoluten Leistungsspitze suchen, wird dringend empfohlen, die neuesten YOLO26-Modelle zu untersuchen. Durch den Ersatz der herkömmlichen Unterdrückung nicht maximaler Werte durch ein natives End-to-End-Design ohne NMS und den Einsatz des fortschrittlichen MuSGD-Optimierers schließt YOLO26 die Lücke zwischen Genauigkeit auf Forschungsniveau und Geschwindigkeit für Produktionsumgebungen. Mit der Entfernung von DFL (Distribution Focal Loss wurde entfernt, um den Export zu vereinfachen und die Kompatibilität mit Edge-Geräten und Geräten mit geringer Leistungsaufnahme zu verbessern) erreicht YOLO26 eine bis zu 43 % schnellere CPU-Inferenz und eignet sich damit ideal für Edge Computing. Zusätzlich sorgen ProgLoss + STAL für verbesserte Verlustfunktionen und deutliche Verbesserungen bei der Erkennung kleiner Objekte – ein entscheidender Faktor für IoT, Robotik und Luftaufnahmen.

Vielleicht interessiert dich auch ein Vergleich dieser Architekturen mit anderen modernen Modellen wie RT-DETR oder dem leistungsfähigen YOLO11. Das einheitliche Ultralytics-Framework stellt sicher, dass deine Entwicklungspipeline unabhängig von deiner Modellwahl übersichtlich, effizient und skalierbar bleibt.