YOLOv8 vs. YOLOv9#

Die Entwicklung der Objekterkennung in Echtzeit war von kontinuierlichen Bemühungen um höhere Genauigkeit, geringere Latenz und eine bessere Nutzung der Hardware geprägt. Zwei wichtige Meilensteine auf diesem Weg sind Ultralytics YOLOv8 und YOLOv9. Obwohl beide Modelle dem neuesten Stand der Technik in der Computer Vision entsprechen, sind sie auf unterschiedliche Anforderungen an die Bereitstellung, architektonische Ansätze und Entwicklerökosysteme ausgerichtet.

Dieser umfassende Leitfaden erläutert die technischen Unterschiede, architektonischen Neuerungen und praktischen Überlegungen zur Bereitstellung, damit du das richtige Modell für dein nächstes Projekt im Bereich künstliche Intelligenz auswählen kannst.

Modellabstammung und grundlegende Leitprinzipien#

Bevor du dich mit den Kennzahlen befasst, ist es wichtig, die Ursprünge und wichtigsten Designziele der beiden Modelle zu verstehen.

Ultralytics YOLOv8: Der vielseitige Ökosystemstandard#

YOLOv8 wurde vom Team von Ultralytics entwickelt und nicht nur als eigenständiger Objektdetektor konzipiert, sondern als einheitliches Framework für mehrere Aufgaben. Es legt den Schwerpunkt auf eine reibungslose Entwicklererfahrung, einen geringen Speicherbedarf und breite Hardwarekompatibilität.

• Autoren: Glenn Jocher, Ayush Chaurasia und Jing Qiu
• Organisation: Ultralytics
• Datum: 10.01.2023
• GitHub: ultralytics/ultralytics
• Dokumentation: YOLOv8-Dokumentation

YOLOv9: Programmierbare Gradienteninformationen#

YOLOv9 wurde unabhängig von Forschern an der Academia Sinica entwickelt und konzentriert sich stark auf die Architekturtheorie, insbesondere auf das Informationsengpassphänomen in tiefen neuronalen Netzen.

• 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: WongKinYiu/yolov9

Erfahre mehr über YOLOv9

Detaillierte Betrachtung der Architektur#

Die Architekturentscheidungen beim Deep Learning bestimmen, wie effizient ein Modell lernt und wie schnell es auf Zielhardware wie einem NVIDIA Jetson oder einer Intel CPU ausgeführt wird.

YOLOv8-Architektur: C2f und entkoppelte Köpfe#

YOLOv8 führte das C2f-Modul (partieller Engpass über Stufen hinweg mit zwei Faltungen) ein, das das ältere C3-Modul ersetzte. Diese Änderung verbessert den Gradientenfluss und ermöglicht es dem Netzwerk, reichhaltigere Merkmalsrepräsentationen zu erlernen, ohne den GPU-Speicher stark zu belasten.

Darüber hinaus verwendet YOLOv8 ein ankerfreies Design mit einem entkoppelten Kopf. Durch die Verarbeitung von Objektwahrscheinlichkeit, Klassifizierung und Regression über getrennte Pfade konvergiert das Modell während des Trainings schneller und generalisiert besser auf verschiedene benutzerdefinierte Datensätze.

YOLOv9-Architektur: PGI und GELAN#

YOLOv9 führt programmierbare Gradienteninformationen (PGI) und das verallgemeinerte effiziente Layer-Aggregationsnetzwerk (GELAN) ein. PGI stellt sicher, dass wichtige Daten beim Durchlaufen der Netzwerkschichten nicht verloren gehen, und liefert zuverlässige Gradienten für die Aktualisierung der Gewichte. GELAN maximiert die Parametereffizienz, sodass das Modell eine hohe Genauigkeit erreicht und gleichzeitig versucht, die FLOPs in einem praktikablen Rahmen zu halten.

Obwohl YOLOv9 mathematisch beeindruckend ist, kann die Abhängigkeit von bestimmten zusätzlichen reversiblen Verzweigungen während des Trainings dazu führen, dass der Trainingscode im Vergleich zu Standardpipelines schwieriger anzupassen ist.

Leistungskennzahlen und Benchmarks#

Die folgende Tabelle bietet einen direkten Vergleich der Modelle in verschiedenen Größen. Die Leistung wird auf dem MS-COCO-Datensatz gemessen, einem Standardbenchmark für die Objekterkennung.

Hinweis: Die besten Werte in jeder Spalte sind fett hervorgehoben.

Analyse der Zielkonflikte#

YOLOv9 erreicht eine geringfügig höhere Spitzen-Genauigkeit (mAP), insbesondere mit seiner größeren Variante e. Dies hat jedoch seinen Preis. Ultralytics YOLOv8 bietet einen deutlichen Vorteil bei der Inferenzgeschwindigkeit, insbesondere bei der Kompilierung in Formate wie TensorRT oder ONNX. Für Anwendungen, die eine hohe Anzahl von Bildern pro Sekunde (FPS) auf leistungsschwacher Edge-Hardware erfordern, etwa auf einem Raspberry Pi oder älteren mobilen Chips, bieten die Varianten n und s von YOLOv8 ein deutlich praxisnäheres Gleichgewicht zwischen Leistung und Ressourcenbedarf.

Trainingseffizienz und Integration in das Ökosystem#

Bei der Auswahl eines Modells geht es um mehr als nur den Blick auf Genauigkeitstabellen; die Entwicklererfahrung ist entscheidend.

Der Vorteil von Ultralytics: Benutzerfreundlichkeit#

Das Training von YOLOv9 erfordert häufig das Klonen komplexer GitHub-Repositorys, die sorgfältige Verwaltung von PyTorch-Umgebungen und die manuelle Konfiguration zusätzlicher Verlustgewichtungen.

Im Gegensatz dazu wird Ultralytics YOLOv8 durch eine bemerkenswert schlanke Python-API unterstützt. Die auf Benutzerfreundlichkeit ausgelegte API übernimmt nativ die Datenerweiterung, die Protokollierung in Tools wie Weights & Biases und Comet ML sowie die Verteilung auf Hardware.

from ultralytics import YOLO

# Load a pre-trained YOLOv8 small model
model = YOLO("yolov8s.pt")

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

# Export for edge deployment
model.export(format="engine", quantize=16)  # TensorRT export

Diese einheitliche API verkürzt den Weg vom Prototyp bis zur Produktion erheblich. Darüber hinaus benötigt YOLOv8 beim Training in der Regel weniger CUDA-Speicher, sodass Entwickler größere Batchgrößen auf handelsüblicher Hardware verwenden können.

Vielseitigkeit bei Aufgaben#

YOLOv9 ist zwar ein ausgezeichneter Detektor für Begrenzungsrahmen, doch Computer Vision in der Praxis erfordert oft mehr. YOLOv8 unterstützt nativ vielseitig Instanzsegmentierung, Posenschätzung, Bildklassifizierung und orientierte Begrenzungsrahmen (OBB). Die Verwendung eines einzigen Frameworks für mehrere Aufgaben reduziert den Umfang der Software und den Wartungsaufwand erheblich.

Praxisnahe Anwendungsfälle#

Wie schlagen sich diese Modelle in der Produktion?

Autonome Drohnen und Robotik#

Für Robotikanwendungen, die eine schnelle Hindernisvermeidung erfordern, ist YOLOv8 die bevorzugte Wahl. Die extrem niedrige Latenz von YOLOv8n stellt sicher, dass autonome Systeme in Echtzeit auf ihre Umgebung reagieren und Kollisionen verhindern. Dank der nativen Exportmöglichkeiten nach OpenVINO und CoreML lässt sich das Modell problemlos auf den stromsparenden Chips bereitstellen, die typischerweise in kommerziellen Drohnen eingesetzt werden.

Fehlererkennung mit hoher Auflösung#

In spezialisierten Fertigungsumgebungen, in denen die Erkennung mikroskopisch kleiner Anomalien entscheidend ist und eine Offline-Verarbeitung akzeptabel ist, kann YOLOv9 äußerst effektiv sein. Die PGI-Architektur hilft dem Netzwerk, die feinen visuellen Details zu bewahren, die zum Erkennen haarfeiner Risse oder Lötfehler auf Leiterplatten erforderlich sind.

Intelligenter Einzelhandel und Sicherheitsanalyse#

Für die Verfolgung von Kunden in Ladengängen oder die Verwaltung automatisierter Kassensysteme bietet YOLOv8 das beste Gleichgewicht. Die Fähigkeit, Erkennung und Mehrfachobjektverfolgung gleichzeitig mit Standardalgorithmen wie BoT-SORT auszuführen, macht das Modell zu einer robusten Lösung für Einzelhandelsbereitstellungen mit mehreren Kameras.

Anwendungsfälle und Empfehlungen#

Die Wahl zwischen YOLOv8 und YOLOv9 hängt von deinen spezifischen Projektanforderungen, Bereitstellungsbeschränkungen und Präferenzen hinsichtlich des Ökosystems ab.

Wann du YOLOv8 wählen solltest#

YOLOv8 ist eine gute Wahl für:

• Vielseitige Bereitstellung für mehrere Aufgaben: Projekte, die ein bewährtes Modell für Erkennung, Segmentierung, Klassifizierung und Posenschätzung innerhalb des Ultralytics-Ökosystems erfordern.
• Etablierte Produktionssysteme: Bestehende Produktionsumgebungen, die bereits auf der YOLOv8-Architektur basieren und über stabile, gründlich getestete Bereitstellungspipelines verfügen.
• Breite Unterstützung durch Community und Ökosystem: Anwendungen, die von den umfangreichen Tutorials, Integrationen von Drittanbietern und aktiven Community-Ressourcen von YOLOv8 profitieren.

Wann du YOLOv9 wählen solltest#

YOLOv9 wird empfohlen für:

• Forschung zu Informationsengpässen: Akademische Projekte zur Untersuchung der Architekturen für programmierbare Gradienteninformationen (PGI) und des generalisierten effizienten Netzwerks zur Layer-Aggregation (GELAN).
• Untersuchungen zur Optimierung des Gradientenflusses: Forschung mit Schwerpunkt auf dem Verständnis und der Verringerung von Informationsverlusten in tiefen Netzwerkschichten während des Trainings.
• Benchmarking hochgenauer Erkennung: Szenarien, in denen die starke COCO-Benchmarkleistung von YOLOv9 als Referenz für Architekturvergleiche benötigt wird.

Wann du Ultralytics (YOLO26) wählen solltest#

Für die meisten neuen Projekte bietet Ultralytics YOLO26 die beste Kombination aus Leistung und Entwicklerfreundlichkeit:

• Edge-Bereitstellungen ohne NMS: Anwendungen, die eine konsistente Inferenz mit geringer Latenz ohne die Komplexität der Nachverarbeitung zur Nichtmaximalunterdrückung erfordern.
• Umgebungen ausschließlich mit CPU: Geräte ohne dedizierte GPU-Beschleunigung, bei denen die bis zu 43 % schnellere CPU-Inferenz von YOLO26 einen entscheidenden Vorteil bietet.
• Erkennung kleiner Objekte: Anspruchsvolle Szenarien wie Luftaufnahmen mit Drohnen oder die Analyse von IoT-Sensoren, bei denen ProgLoss und STAL die Genauigkeit bei winzigen Objekten deutlich steigern.

Die nächste Entwicklungsstufe: YOLO26#

YOLOv8 und YOLOv9 sind zwar leistungsstark, doch die KI-Landschaft entwickelt sich schnell weiter. Für Teams, die die bestmögliche Leistung verlangen, baut das neu veröffentlichte YOLO26 auf den Erfolgen dieser früheren Generationen auf.

YOLO26 führt ein End-to-End-Design ohne NMS ein, das komplexe Engpässe bei der Nachverarbeitung vollständig beseitigt und dadurch die Bereitstellung vereinfacht und die Latenz vorhersehbarer macht. Angetrieben durch den neuen MuSGD-Optimierer und die verbesserten Verlustfunktionen ProgLoss + STAL sowie durch den Verzicht auf DFL (Distribution Focal Loss wurde entfernt, um den Export zu vereinfachen und die Kompatibilität mit Edge- und stromsparenden Geräten zu verbessern) erreicht das Modell eine bis zu 43 % schnellere CPU-Inferenz und verbessert gleichzeitig die Erkennung kleiner Objekte. Für Entwickler, die die Grenzen des Edge Computing ausreizen, ist eine Evaluierung von YOLO26 äußerst empfehlenswert.

Zusammenfassend lässt sich sagen: Während YOLOv9 interessante Architekturforschung und eine hervorragende Spitzen-Genauigkeit bietet, bleibt Ultralytics YOLOv8 für die große Mehrheit der Computer-Vision-Ingenieure, die schnell zuverlässige Software bereitstellen möchten, die praktischste, am besten unterstützte und vielseitigste Wahl.