YOLOv9 im Vergleich zu PP-YOLOE+#
Die Entwicklung der Echtzeit-Objekterkennung schreitet rasch voran und bietet Computer-Vision-Entwicklern eine große Auswahl an Möglichkeiten, hochpräzise Modelle auf Edge-Geräten und in Cloud-Infrastrukturen einzusetzen. Zwei bedeutende Modelle in diesem Bereich sind YOLOv9 und PP-YOLOE+. Beide erweitern die Grenzen von Genauigkeit und Geschwindigkeit, stammen jedoch aus unterschiedlichen Forschungsrichtungen und Softwareökosystemen.
Dieser umfassende technische Vergleich beleuchtet ihre Architekturen, Trainingsmethoden, Leistungskennzahlen und idealen praktischen Anwendungsbereiche. Außerdem zeigen wir, wie das umfassendere Ultralytics-Ökosystem Entwicklern, denen Benutzerfreundlichkeit, geringer Speicherbedarf und vielseitige Bereitstellung wichtig sind, entscheidende Vorteile bietet.
Ursprung und technische Daten der Modelle#
Der Hintergrund dieser Modelle hilft dabei, ihre Architekturentscheidungen und Abhängigkeiten von bestimmten Frameworks einzuordnen.
YOLOv9: Den Informationsengpass beheben#
YOLOv9 wurde Anfang 2024 vorgestellt und begegnet dem Datenverlust, der beim Durchfluss von Informationen durch tiefe neuronale Netze entsteht. Es ist ein hochgradig optimiertes neuronales Faltungsnetz, das die Parametereffizienz maximiert.
- Autoren: Chien-Yao Wang, Hong-Yuan Mark Liao
- Organisation: Institute of Information Science, Academia Sinica, Taiwan
- Datum: 21. Februar 2024
- Arxiv: 2402.13616
- GitHub: WongKinYiu/yolov9
- Dokumentation: Ultralytics-Dokumentation zu YOLOv9
PP-YOLOE+: Weiterentwicklung des Paddle-Ökosystems#
PP-YOLOE+ wurde 2022 von Baidu veröffentlicht und ist eine schrittweise Verbesserung von PP-YOLOv2. Es nutzt einen ankerfreien Ansatz und führt eine dynamische Strategie zur Labelzuweisung ein, um die Konvergenz und Genauigkeit im PaddlePaddle-Framework zu verbessern.
- Autoren: PaddlePaddle-Autoren
- Organisation: Baidu
- Datum: 2. April 2022
- ArXiv: 2203.16250
- GitHub: PaddleDetection
- Dokumentation: PP-YOLOE+-Konfiguration
Architekturvergleich#
Programmierbare Gradienteninformation im Vergleich zu CSPRepResStage#
Die zentrale Neuerung von YOLOv9 ist die programmierbare Gradienteninformation (PGI). PGI dient als Framework für zusätzliche Supervision und stellt sicher, dass wichtige Gradienteninformationen erhalten bleiben und während des Trainings präzise an die flachen Schichten zurückgeleitet werden. Ergänzt wird dies durch das verallgemeinerte Netzwerk zur effizienten Layer-Aggregation (GELAN), das die Stärken von CSPNet und ELAN vereint. So erreicht es hohe Genauigkeit bei deutlich geringerem Rechenaufwand (FLOPs).
PP-YOLOE+ setzt auf ein spezialisiertes Backbone namens CSPRepResStage. Es nutzt Reparametrisierungstechniken (ähnlich denen von RepVGG), um die Inferenz zu beschleunigen, indem beim Bereitstellen Faltungsschichten zusammengeführt werden. Außerdem verwendet es den Efficient Task-aligned Head (ET-head), um Klassifizierungs- und Regressionsaufgaben auszubalancieren.
PP-YOLOE+ ist zwar robust, doch die GELAN-Architektur von YOLOv9 benötigt beim Training und bei der Inferenz in der Regel weniger Speicher, wodurch sie sich besonders für KI-Geräte am Netzwerkrand eignet.
Leistungsvergleich#
Bei der Bewertung von Modellen für den Produktiveinsatz ist der Kompromiss zwischen mAP (mittlere durchschnittliche Präzision), Inferenzgeschwindigkeit und Modellgröße entscheidend.
| Modell | Größe (Pixel) | mAPval 50-95 | Geschwindigkeit CPU ONNX (ms) | Geschwindigkeit T4 TensorRT10 (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
Analyse#
- Parametereffizienz: YOLOv9 ist bemerkenswert effizienter. So erreicht YOLOv9c mit nur 25,5 Mio. Parametern eine mAP von 53,0 %, während PP-YOLOE+l mit 52,2 Mio. Parametern mehr als doppelt so viele benötigt, um eine etwas niedrigere mAP von 52,9 % zu erzielen. Dadurch sinkt der Speicherbedarf von YOLOv9 deutlich.
- Inferenzgeschwindigkeit: YOLOv9-Modelle sind hervorragend für Hardwarebeschleuniger wie TensorRT optimiert und erzielen auf NVIDIA-T4-GPUs konkurrenzfähige Inferenzgeschwindigkeiten, die für die Echtzeitinferenz entscheidend sind.
Trainingsmethoden und Ökosystem#
Die Wahl zwischen diesen Modellen hängt oft vom Softwareökosystem ab.
PP-YOLOE+ und PaddlePaddle#
PP-YOLOE+ ist eng an die PaddleDetection-Suite gebunden. Das System ist leistungsstark, erfordert von den Nutzern jedoch, sich in einer stark konfigurationsbasierten, kommandozeilengesteuerten Umgebung zurechtzufinden. Für Teams, die tief in den PyTorch- oder TensorFlow-Ökosystemen verwurzelt sind, bedeutet der Umstieg auf PaddlePaddle einen erheblichen Mehraufwand und eine steilere Lernkurve.
Der Vorteil von Ultralytics: optimierte Arbeitsabläufe#
Im Gegensatz dazu ist YOLOv9 Teil des ausgereiften Ultralytics-Ökosystems. Ultralytics richtet sich an Entwickler und Forschende und legt besonderen Wert auf Benutzerfreundlichkeit. Die Python API nimmt dir den komplexen Boilerplate-Code vollständig ab.
from ultralytics import YOLO
# Ein vortrainiertes YOLOv9-Modell laden
model = YOLO("yolov9c.pt")
# Trainiere mühelos mit einem benutzerdefinierten Datensatz
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Inferenz ausführen und Ergebnisse visualisieren
results = model("https://ultralytics.com/images/bus.jpg")
# Für die Bereitstellung in der Produktion nach ONNX exportieren
model.export(format="onnx")Dieser Arbeitsablauf zeigt die überlegene Trainingseffizienz von Ultralytics-Modellen. Die native Unterstützung für Datenerweiterung, verteiltes Training und automatische Protokollierung auf Plattformen wie Weights & Biases oder MLflow ist standardmäßig enthalten.
YOLOv9 bietet zwar eine herausragende Leistung, für neue Projekte empfehlen wir jedoch ausdrücklich das kürzlich veröffentlichte Ultralytics YOLO26. YOLO26 bietet ein natives End-to-End-Design ohne NMS (optional über nms=False), das die Bereitstellung deutlich vereinfacht. Durch den Verzicht auf DFL (Distribution Focal Loss entfällt, was den Export vereinfacht und die Kompatibilität mit Edge-Geräten und Geräten mit geringem Stromverbrauch verbessert) ermöglicht das Modell beim Edge Computing eine bis zu 43 % schnellere CPU-Inferenz. Der MuSGD-Optimierer sorgt für stabiles Training und schnelle Konvergenz. Darüber hinaus verbessert ProgLoss + STAL die Verlustfunktionen und insbesondere die Erkennung kleiner Objekte, was für IoT, Robotik und Luftaufnahmen entscheidend ist.
Vielseitigkeit und Unterstützung verschiedener Aufgaben#
Moderne Computer-Vision-Projekte beschränken sich selten auf einfache Begrenzungsrahmen.
PP-YOLOE+ wurde in erster Linie für die standardmäßige Objekterkennung entwickelt. Die Anpassung seiner Architektur an andere Aufgaben erfordert umfangreiche individuelle Entwicklungsarbeit.
Im Gegensatz dazu ist das Ultralytics-Framework ein leistungsstarkes System für mehrere Aufgaben. Dank einer einheitlichen API können Entwickler mühelos von der standardmäßigen Objekterkennung zur komplexen Instanzsegmentierung, zur hochpräzisen Posenschätzung, zur Erkennung orientierter Begrenzungsrahmen (OBB) in Luftaufnahmen und zur Bildklassifizierung wechseln. Diese unübertroffene Vielseitigkeit ist der Grund, warum Unternehmensteams regelmäßig auf von Ultralytics unterstützte Modelle wie YOLOv9, YOLO11 und YOLO26 setzen.
Ideale Anwendungsfälle und Einsatzgebiete#
- Analysen für Smart Cities und Verkehrsmanagement: Dank ihrer hohen Parametereffizienz und niedrigen Latenz eignen sich YOLOv9 und das spätere YOLO26 ideal für den Einsatz auf leistungsschwacher Edge-Hardware wie NVIDIA-Jetson-Geräten, um den Verkehrsfluss und die Sicherheit in Städten zu überwachen.
- Lagerverwaltung im Einzelhandel: Bei der Erkennung dicht angeordneter kleiner Artikel in Regalen bewahrt die PGI von YOLOv9 feine räumliche Details besonders gut und ist PP-YOLOE+ bei der Erkennung kleiner Objekte überlegen.
- Bestehende Systeme: PP-YOLOE+ bleibt ausschließlich für Teams eine geeignete Option, die aufgrund ihrer bestehenden Altinfrastruktur ausdrücklich den Software-Stack von Baidu/PaddlePaddle verwenden müssen.
Für Forschende, die Transformer-basierte Architekturen untersuchen, unterstützt Ultralytics auch RT-DETR nativ über dieselbe benutzerfreundliche API. So hast du immer Zugriff auf das optimale Modell für deine konkreten Bereitstellungsanforderungen.