YOLOv9 im Vergleich zu PP-YOLOE+
Die Echtzeit-Objekterkennung entwickelt sich rasant weiter. Dadurch steht Computer-Vision-Ingenieuren eine große Auswahl zur Verfügung, um hochgenaue Modelle auf Edge- und Cloud-Infrastrukturen bereitzustellen. Zwei wichtige Modelle in diesem Bereich sind YOLOv9 und PP-YOLOE+. Beide bieten hohe Genauigkeit und Geschwindigkeit, stammen jedoch aus unterschiedlichen Forschungstraditionen und Softwareökosystemen.
Dieser technische Vergleich beleuchtet ihre Architekturen, Trainingsmethoden, Leistungskennzahlen und idealen Anwendungen in der Praxis. Außerdem wird erläutert, wie das umfassendere Ultralytics-Ökosystem Entwicklern hilft, denen Benutzerfreundlichkeit, Speichereffizienz und vielseitige Bereitstellung wichtig sind.
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 wirkt dem Datenverlust entgegen, der beim Informationsfluss durch tiefe neuronale Netze entsteht. Das effiziente konvolutionale neuronale Netzwerk wurde darauf ausgelegt, die Parametereffizienz zu maximieren.
- 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. Das Modell verwendet ein anchorfreies Design und führt eine dynamische Labelzuweisungsstrategie ein, um die Konvergenz und Genauigkeit innerhalb des PaddlePaddle-Frameworks 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 wichtigste Neuerung in YOLOv9 ist Programmierbare Gradienteninformationen (PGI). PGI dient als Hilfsgerüst für die Überwachung und stellt sicher, dass wichtige Gradienteninformationen während des Trainings erhalten bleiben und korrekt an die flachen Schichten weitergegeben werden. Ergänzt wird dies durch das generalisierte effiziente Schichtaggregationsnetzwerk (GELAN), das die Stärken von CSPNet und ELAN vereint und so hohe Genauigkeit bei geringeren Rechenkosten (FLOPs) ermöglicht.
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 leistungsfähig, doch die GELAN-Architektur von YOLOv9 kommt bei jeder Modellgröße mit weniger Parametern aus. Dadurch benötigt das Modell bei der Inferenz weniger Speicher und eignet sich gut für KI-Geräte am Netzwerkrand.
Leistungsvergleich#
Bei der Bewertung von Modellen für den Produktiveinsatz ist der Kompromiss zwischen mAP (mittlere durchschnittliche Präzision), Inferenzgeschwindigkeit und Modellgröße entscheidend.
| Modell | Größe (Pixel) | mAPval50-95 | 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 nutzt Parameter effizienter. So erreicht YOLOv9c mit nur 25,5M Parametern eine mAP von 53,0 %, während PP-YOLOE+l mit 52,2M Parametern mehr als doppelt so viele Parameter benötigt, um eine etwas niedrigere mAP von 52,9 % zu erzielen. Dadurch ist der Speicherbedarf von YOLOv9 geringer. PP-YOLOE+ benötigt bei den Größen s und m allerdings weniger FLOPs.
- Inferenzgeschwindigkeit: YOLOv9 erreicht mit TensorRT auf NVIDIA T4-GPUs konkurrenzfähige Geschwindigkeiten; YOLOv9t ist hier das schnellste Modell. PP-YOLOE+ ist hingegen bei den Größen s, m und x schneller. Beide Modellfamilien eignen sich für die Echtzeitinferenz.
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#
YOLOv9 wird dagegen im Ultralytics-Ökosystem unterstützt, das für Entwickler und Forscher konzipiert ist und besonderen Wert auf Benutzerfreundlichkeit legt. Die Python API erspart einen Großteil des wiederkehrenden Codes.
from ultralytics import YOLO
# Ein vortrainiertes YOLOv9-Modell laden
model = YOLO("yolov9c.pt")
# Mit einem eigenen Datensatz trainieren
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 Trainingseffizienz von Ultralytics-Modellen. Die Unterstützung für Datenerweiterung und verteiltes Training sowie die automatische Protokollierung auf Plattformen wie Weights & Biases oder MLflow gehören standardmäßig dazu.
YOLOv9 ist leistungsfähig, doch Ultralytics empfiehlt für neue Projekte Ultralytics YOLO26. YOLO26 bietet ein natives End-to-End-Design ohne NMS (optional über nms=False), das die Nachverarbeitung mit Nicht-maximaler Unterdrückung (NMS) überflüssig macht und die Bereitstellung vereinfacht. Durch den Verzicht auf DFL (Distribution Focal Loss) wird der Export vereinfacht und die Kompatibilität mit Edge-Geräten und Geräten mit geringem Stromverbrauch verbessert. YOLO26n ermöglicht beim Edge Computing eine um bis zu 43 % schnellere CPU-Inferenz als YOLO11n. Der MuSGD-Optimierer sorgt für stabiles Training und schnelle Konvergenz, während ProgLoss + STAL (progressiver Verlust und eine zielgrößenbewusste Labelzuweisung) die Erkennung kleiner Objekte verbessern – wichtig für IoT, Robotik und Luftaufnahmen.
Vielseitigkeit und Unterstützung verschiedener Aufgaben#
Moderne Computer-Vision-Projekte beschränken sich selten auf einfache Begrenzungsrahmen.
PP-YOLOE+ ist hauptsächlich für die herkömmliche Objekterkennung ausgelegt. Die Anpassung seiner Architektur an andere Aufgaben erfordert umfangreiche Entwicklungsarbeit.
Das Ultralytics-Framework unterstützt dagegen mehrere Aufgaben. Über eine einheitliche API können Entwickler von der herkömmlichen Objekterkennung zur Instanzsegmentierung, Bildklassifizierung, Posenschätzung und Erkennung orientierter Begrenzungsrahmen (OBB) für Luftaufnahmen wechseln. Diese Vielseitigkeit ist ein wichtiger Grund, warum Teams unterstützte Ultralytics-Modelle wie YOLOv9, YOLO11 und YOLO26 wählen.
Ideale Anwendungsfälle und Einsatzgebiete#
- Analysen für Smart Cities und Verkehrsmanagement: Die hohe Parametereffizienz und geringe Latenz von YOLOv9 und seinem Nachfolger YOLO26 machen beide Modelle für den Einsatz auf Edge-Hardware mit begrenzten Ressourcen geeignet, etwa auf NVIDIA-Jetson-Geräten, um den Verkehrsfluss und die Sicherheit in Städten zu überwachen.
- Lagerverwaltung im Einzelhandel: Bei der Erkennung vieler kleiner Artikel in Regalen hilft das PGI von YOLOv9 dabei, feine räumliche Details zu bewahren, was die Erkennung kleiner Objekte verbessert.
- Bestehende Installationen: PP-YOLOE+ bleibt eine praktische Option für Teams, die in ihrer vorhandenen Infrastruktur den Software-Stack von Baidu und PaddlePaddle verwenden müssen.
Für Forscher, die Transformer-basierte Architekturen untersuchen, unterstützt Ultralytics auch RT-DETR nativ über dieselbe API. So kannst du das Modell auswählen, das am besten zu deinen Anforderungen an die Bereitstellung passt.
Kommentare
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.