YOLOv9 vs. YOLOv6-3.0#

Die Entwicklung der Objekterkennung in Echtzeit wurde durch kontinuierliche Innovationen bei neuronalen Netzwerkarchitekturen vorangetrieben, wobei das schwierige Gleichgewicht zwischen Inferenzgeschwindigkeit, Genauigkeit und Recheneffizienz optimiert wird. Wenn Entwickler und Forschende sich in der vielfältigen Landschaft der Frameworks für Computer Vision orientieren, ist der Vergleich führender Architekturen entscheidend für die Auswahl des richtigen Werkzeugs für die jeweilige Aufgabe.

Dieser technische Leitfaden bietet einen umfassenden Vergleich zweier besonders leistungsfähiger Modelle: YOLOv9, bekannt für seine Fähigkeit, Informationen beim tiefen Lernen zu bewahren, und YOLOv6-3.0, ein speziell für industrielle Anwendungen entwickeltes Modell.

Überblick über YOLOv9: Maximale Merkmalsbewahrung#

YOLOv9 wurde Anfang 2024 vorgestellt und bewältigt eine der hartnäckigsten Herausforderungen tiefer neuronaler Netze: den Informationsverlust während des Vorwärtsdurchlaufs. Durch zuverlässige Gradienten und Merkmalskarten, die wichtige Daten bewahren, verschiebt das Modell die Grenzen der theoretischen Genauigkeit.

• Autoren: Chien-Yao Wang und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Datum: 21. Februar 2024
• Links: ArXiv-Artikel, GitHub-Repository

Architektur und Methoden#

YOLOv9 führt das Konzept der programmierbaren Gradienteninformation (PGI) zusammen mit dem generalisierten Netzwerk zur effizienten Schichtaggregation (GELAN) ein. PGI begegnet dem Informationsengpass durch zusätzliche Überwachung und stellt sicher, dass das Hauptnetzwerk robuste und zuverlässige Merkmale erlernt, ohne den Inferenzaufwand zu erhöhen. GELAN optimiert währenddessen die Parameternutzung und ermöglicht es dem Modell, eine hochmoderne mittlere durchschnittliche Präzision (mAP) zu erreichen, während die Rechenkosten überschaubar bleiben. Dadurch eignet es sich hervorragend für die Analyse medizinischer Bilder oder die Erkennung extrem kleiner Objekte, bei denen die Merkmalsgenauigkeit entscheidend ist.

Mehr über YOLOv9 erfahren

Überblick über YOLOv6-3.0: Für industrielle Maßstäbe entwickelt#

YOLOv6-3.0 wurde von Meituan entwickelt und von Grund auf für anspruchsvolle industrielle Anwendungen konzipiert. Die Anfang 2023 veröffentlichte Version legt großen Wert auf effiziente Bereitstellung und bietet eine Reihe quantisierungsfreundlicher Modelle, die auf Edge-Hardware hervorragende Ergebnisse erzielen.

• Autoren: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu und Xiangxiang Chu
• Organisation: Meituan
• Datum: 13. Januar 2023
• Links: ArXiv-Artikel, GitHub-Repository

Architektur und Methoden#

YOLOv6-3.0 zeichnet sich durch die Strategien RepOptimizer und Training mit Ankerunterstützung (AAT) aus. Das Modell nutzt ein hardwarebewusstes neuronales Netzwerkdesign, das von RepVGG inspiriert ist. Durch das Zusammenführen von Schichten kann es während der Inferenz besonders schnell auf GPUs ausgeführt werden. Das Update auf Version 3.0 verfeinerte die Architektur weiter durch die Einführung eines bidirektionalen Verkettungsmoduls (BiC), das die Lokalisierungsgenauigkeit verbessert. Da YOLOv6-3.0 für Bereitstellungsformate wie TensorRT und OpenVINO hochgradig optimiert ist, wird es häufig in der Logistik, der Fertigungsautomatisierung und in Serverumgebungen mit hohem Durchsatz eingesetzt.

Mehr über YOLOv6-3.0 erfahren

Leistungsvergleich#

Bei der Bewertung dieser Modelle auf dem standardmäßigen COCO-Datensatz lassen sich deutliche Kompromisse zwischen Genauigkeit und roher Inferenzgeschwindigkeit beobachten.

Technische Analyse#

Während YOLOv6-3.0n auf T4-Hardware bei der reinen Geschwindigkeit (1,17 ms) den Spitzenplatz belegt, erzielt YOLOv9t eine etwas höhere mAP (38,3 %) bei weniger als halb so vielen Parametern (2,0 Mio. gegenüber 4,7 Mio.) und deutlich weniger FLOPs. Für komplexe Anforderungen mit hoher Genauigkeit steigert das umfangreiche YOLOv9e die Genauigkeit auf eine mAP von 55,6 % und veranschaulicht damit die Leistungsfähigkeit der PGI-Architektur in tiefen Netzwerken.

Der Ökosystemvorteil von Ultralytics#

Unabhängig davon, welche architektonische Philosophie des Modells dich überzeugt, bietet die native Implementierung über die Ultralytics Python API eine hervorragende Entwicklererfahrung.

Benutzerfreundlichkeit und Trainingseffizienz#

Das Training komplexer Deep-Learning-Modelle erfordert traditionell große Mengen an vorbereitendem Code. Die Ultralytics Platform abstrahiert diese Komplexität. Unabhängig davon, ob du YOLOv9 für die Fehlererkennung feinabstimmst oder YOLOv6 für mobile Anwendungen exportierst, bleibt der Workflow bemerkenswert einheitlich.

Darüber hinaus benötigen Ultralytics-Architekturen während des Trainings im Allgemeinen weniger CUDA-Speicher als umfangreiche Transformer-basierte Modelle. Dadurch können Entwickler größere Batchgrößen auf GPUs aus dem Consumer-Bereich verwenden und die Trainingseffizienz deutlich steigern.

from ultralytics import YOLO

# Easily swap architectures by changing the weights file string
# model = YOLO("yolov6n.pt")
model = YOLO("yolov9c.pt")

# Train the model with built-in data augmentation and caching
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Export to ONNX or TensorRT seamlessly
model.export(format="engine", quantize=16)

Unübertroffene Vielseitigkeit bei Vision-Aufgaben#

Während YOLOv6-3.0 stark auf die schnelle Erzeugung von BBox optimiert ist, erfordern moderne Computer-Vision-Projekte häufig einen Ansatz für mehrere Aufgaben. Ultralytics-Modelle sind für ihre außergewöhnliche Vielseitigkeit bekannt. Mit Werkzeugen wie Ultralytics YOLOv8 und dem neueren YOLO26 kann ein einziges Framework nahtlos Objekte erkennen, Instanzen segmentieren, Bilder klassifizieren, Posen schätzen und ausgerichtete Begrenzungsrahmen (OBB) verarbeiten.

YOLO26: Der neue Standard#

Für Organisationen, die sowohl Leistung als auch eine einfache Bereitstellung maximieren möchten, stellt YOLO26 die optimale Verbindung von Geschwindigkeit und Genauigkeit dar.

Aufbauend auf den Erfolgen von YOLO11 führt YOLO26 mehrere grundlegende Neuerungen ein:

• MuSGD-Optimierer: Dieser hybride Optimierer ist von Trainingstechniken für große Sprachmodelle (LLM) wie Kimi K2 von Moonshot AI inspiriert und gewährleistet ein äußerst stabiles Training sowie eine schnelle Konvergenz.
• Entfernung von DFL: Durch das Entfernen von Distribution Focal Loss vereinfacht YOLO26 den Exportgraphen und wird dadurch deutlich kompatibler mit stromsparenden Chips für Edge Computing.
• ProgLoss + STAL: Diese fortschrittlichen Verlustfunktionen verbessern die Erkennung kleiner Objekte deutlich, was für den Drohneneinsatz und IoT-Anwendungen entscheidend ist.
• Aufgabenspezifische Verbesserungen: YOLO26 umfasst natives Prototyping mit mehreren Maßstäben für die Segmentierung, die Schätzung der logarithmischen Restwahrscheinlichkeit (RLE) für die Skelettverfolgung sowie spezielle Winkelverlustalgorithmen zur Behandlung von Sonderfällen bei der OBB-Erkennung.

Ideale Einsatzszenarien#

Die Wahl der richtigen Architektur hängt letztlich von deinen Anforderungen an den Produktionseinsatz ab.

Wähle YOLOv6-3.0, wenn du über eine etablierte Pipeline in der industriellen Fertigung verfügst, stark auf Quantisierung setzt und spezielle Inferenzbeschleuniger verwendest, bei denen du die absolut niedrigste Hardware-Latenz im Submillisekundenbereich benötigst.

Wähle YOLOv9, wenn du komplexe medizinische Diagnosen oder Überwachung über große Entfernungen bearbeitest, bei denen das Übersehen subtiler Merkmale auf Pixelebene keine Option ist.

Für einen ausgewogenen Ansatz, der modernste Genauigkeit mit einer vereinfachten Bereitstellung ohne NMS verbindet, ist Ultralytics YOLO26 jedoch die maßgebliche Empfehlung für moderne Computer-Vision-Entwicklung. Der aktive Entwicklungszyklus, die umfassende Dokumentation und die lebendige Unterstützung durch die Community machen es zu einem unverzichtbaren Werkzeug für Forschende und Entwickler gleichermaßen.