YOLOv9 vs. YOLOX#

Das Gebiet der Computer Vision hat eine rasante Entwicklung von Architekturen zur Objekterkennung in Echtzeit erlebt. Dieser Leitfaden bietet einen umfassenden Vergleich zwischen YOLOv9 und YOLOX und analysiert ihre architektonischen Innovationen, Leistungskennzahlen und Trainingsmethoden. Ganz gleich, ob du intelligente Anwendungen für KI in der Fertigung entwickelst oder dich mit prädiktiver Modellierung beschäftigst – das Verständnis dieser Modelle hilft dir, fundierte Entscheidungen für deinen nächsten Einsatz zu treffen.

Architektonische Innovationen#

YOLOv9: Programmierbare Gradienteninformationen#

YOLOv9 vollzog einen Paradigmenwechsel, indem es das in tiefen neuronalen Netzen inhärente Informationsflaschenhalsproblem adressierte. Zu den zentralen Innovationen gehören Programmierbare Gradienteninformationen (PGI) und das Generalisierte effiziente Schichtaggregationsnetzwerk (GELAN).

• Autoren: Chien-Yao Wang und Hong-Yuan Mark Liao
• Organisation: Institute of Information Science, Academia Sinica, Taiwan
• Datum: 21. Februar 2024
• Arxiv: 2402.13616
• GitHub: WongKinYiu/yolov9

Durch die Beibehaltung wichtiger Merkmalsdaten während der Vorwärtsverarbeitung stellt YOLOv9 sicher, dass die zur Aktualisierung der Gewichte während der Rückpropagation verwendeten Gradienten präzise bleiben. Diese Architektur zeichnet sich bei der Merkmalsextraktion aus und ist dadurch besonders gut in der Lage, kleine Objekte in komplexen Umgebungen zu erkennen, etwa in Luftaufnahmen und detaillierten medizinischen Scans.

Mehr über YOLOv9 erfahren

YOLOX: Forschung und Industrie verbinden#

YOLOX wurde Mitte 2021 veröffentlicht und führte die YOLO-Reihe in Richtung eines anchor-freien Designs. Es führte einen entkoppelten Kopf ein, der Klassifizierungs- und Lokalisierungsaufgaben voneinander trennt, und verwendete die SimOTA-Strategie zur Zuweisung von Labels, um die Konvergenz beim Training zu verbessern.

• Autoren: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li und Jian Sun
• Organisation: Megvii
• Datum: 18. Juli 2021
• Arxiv: 2107.08430
• GitHub: Megvii-BaseDetection/YOLOX

Obwohl YOLOX für seine Zeit bahnbrechend war, eine hervorragende mittlere durchschnittliche Präzision (mAP) erzielte und die Feinabstimmung von Hyperparametern für Anchor-Boxen überflüssig machte, wurde seine zugrunde liegende Architektur inzwischen von modernen Netzwerken übertroffen, die Parameteranzahl und Merkmalserhaltung besser ausbalancieren.

Mehr über YOLOX erfahren

Leistungsanalyse#

Beim Vergleich dieser Modelle auf dem MS-COCO-Benchmark werden die Fortschritte von YOLOv9 deutlich. YOLOv9 erzielt durchgehend einen besseren Kompromiss zwischen Genauigkeit und FLOPs.

YOLOX bietet zwar leichtgewichtige Varianten wie YOLOX-Nano für extreme Edge-Szenarien, doch YOLOv9-Varianten übertreffen ähnlich große YOLOX-Modelle bei der reinen Genauigkeit durchgehend. So erreicht YOLOv9m beispielsweise 51,4 % mAP gegenüber 49,7 % bei YOLOXl, obwohl es weniger als halb so viele Parameter besitzt (20,0 Mio. gegenüber 54,2 Mio.).

Der Vorteil von Ultralytics#

Die Wahl eines Modells umfasst mehr als nur architektonische Theorie; das umgebende Ökosystem bestimmt die Entwicklungsgeschwindigkeit und den Erfolg beim Einsatz. Die Verwendung von YOLOv9 im Ultralytics-Ökosystem bietet unvergleichliche Benutzerfreundlichkeit und umfassende Unterstützung durch die Community.

Im Gegensatz zu älteren ursprünglichen Forschungs-Repositories bietet das Ultralytics-Framework eine einheitliche Python-API, die komplexe Pipelines vereinfacht. Für das Training wird deutlich weniger GPU-Speicher benötigt als bei vielen Alternativen, was eine bemerkenswerte Trainingseffizienz ermöglicht.

from ultralytics import YOLO

# Initialize the YOLOv9c model
model = YOLO("yolov9c.pt")

# Train the model on your custom dataset seamlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate the model's performance
metrics = model.val()

# Export the optimized model to TensorRT format
model.export(format="engine")

Dank der integrierten Unterstützung für mehrere Aufgaben, darunter Objekterkennung, Instanzsegmentierung und Posenschätzung, kannst du deine Computer-Vision-Lösungen schnell anpassen, ohne deine gesamte Codebasis zu ändern.

Anwendungen in der Praxis#

Die besonderen Stärken dieser Modelle machen sie für unterschiedliche Anwendungen in der Praxis geeignet:

Hochgeschwindigkeitsanalysen im Einzelhandel#

Für moderne Einzelhandelsumgebungen, in denen Produkte in Echtzeit erkannt werden müssen, ist YOLOv9 besonders leistungsfähig. Durch seine Fähigkeit, komplexe Merkmalsdetails zu erhalten, eignet es sich hervorragend für KI-Anwendungen im Einzelhandel, bei denen ähnlich aussehende Produkte in einem voll belegten Regal unterschieden werden müssen.

Legacy-Einsätze auf Edge-Geräten#

In Szenarien mit strengen Hardwarebeschränkungen oder spezialisierten NPUs, die Schwierigkeiten mit neueren Aggregationsblöcken haben, kann YOLOX-Nano gelegentlich eine Nische besetzen. Seine einfachen, reduzierten Faltungsmuster werden manchmal für extrem ressourcenbeschränkte Mikrocontroller bevorzugt.

Autonome Robotik#

Bei der Navigation von Robotern kann das Übersehen kleiner Objekte katastrophale Folgen haben. Die GELAN-Architektur in YOLOv9 stellt sicher, dass die Merkmale kleiner, weit entfernter Hindernisse nicht in den tiefen Schichten des Netzwerks verloren gehen, und übertrifft ältere Modelle in sicherheitskritischen Umgebungen wie KI-Anwendungen im Automobilbereich.

Anwendungsfälle und Empfehlungen#

Die Entscheidung zwischen YOLOv9 und YOLOX hängt von deinen spezifischen Projektanforderungen, Einsatzbeschränkungen und Präferenzen beim Ökosystem ab.

Wann du YOLOv9 wählen solltest#

YOLOv9 ist eine gute Wahl 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 YOLOX wählen solltest#

YOLOX wird empfohlen für:

• Forschung zur anchor-freien Erkennung: Akademische Forschung, bei der YOLOX' klare, anchor-freie Architektur als Ausgangsbasis für Experimente mit neuen Erkennungsköpfen oder Verlustfunktionen dient.
• Ultraleichte Edge-Geräte: Bereitstellungen auf Mikrocontrollern oder älterer mobiler Hardware, bei denen die extrem geringe Größe der YOLOX-Nano-Variante (0.91M Parameter) entscheidend ist.
• Studien zur SimOTA-Labelzuweisung: Forschungsprojekte zur Untersuchung von Strategien für die Labelzuweisung auf Basis des optimalen Transports und deren Auswirkungen auf die Konvergenz beim Training.

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 Zukunft: YOLO26 kommt#

YOLOv9 stellt zwar einen beeindruckenden Meilenstein dar, doch die Anforderungen von Produktionsumgebungen verschieben die Grenzen ständig. Das neu veröffentlichte YOLO26 stellt den maßgeblichen Standard für moderne visuelle KI dar.

YOLO26 gestaltet die Bereitstellungspipeline mit einem nativen End-to-End-NMS-freien Design grundlegend neu. Durch den Verzicht auf die komplexe Nicht-Maximum-Unterdrückung bei der Nachverarbeitung bietet es eine deutlich geringere Inferenzlatenz.

Darüber hinaus integriert YOLO26 den bahnbrechenden MuSGD-Optimierer, eine Kombination aus SGD und Muon, die Innovationen aus dem Training von LLMs übernimmt und eine äußerst stabile und schnelle Konvergenz ermöglicht. Durch den Wegfall von Distribution Focal Loss (DFL) erreicht YOLO26 im Vergleich zu seinen Vorgängern eine bis zu 43 % schnellere CPU-Inferenz und ist damit die mit Abstand beste Wahl für Edge-Geräte und Unternehmenseinsätze. Dank deutlicher Verbesserungen bei der Erkennung kleiner Objekte durch ProgLoss und STAL übertrifft YOLO26 sowohl YOLOX als auch YOLOv9 effektiv.

Für Ingenieure, die moderne Architekturen untersuchen, empfehlen wir außerdem YOLO11 und RT-DETR als leistungsstarke Alternativen innerhalb der Ultralytics-Suite. Mache dein Projekt zukunftssicher, indem du die unvergleichliche Leistung der neuesten Modelle auf der Ultralytics Platform nutzt.