Zum Inhalt springen

YOLOv9: Ein Sprung nach vorn in der Objekterkennungstechnologie

YOLOv9 stellt einen bedeutenden Fortschritt in der Echtzeit-Objekterkennung dar und fĂŒhrt bahnbrechende Techniken wie Programmable Gradient Information (PGI) und das Generalized Efficient Layer Aggregation Network (GELAN) ein. Dieses Modell zeigt bemerkenswerte Verbesserungen in Bezug auf Effizienz, Genauigkeit und AnpassungsfĂ€higkeit und setzt mit dem MS COCO-Datensatz neue MaßstĂ€be. Das YOLOv9-Projekt wird zwar von einem eigenen Open-Source-Team entwickelt, baut aber auf der robusten Codebasis auf, die von Ultralytics YOLOv5und zeigt den kollaborativen Geist der KI-Forschungsgemeinschaft.

YOLOv9 Leistungsvergleich

EinfĂŒhrung in YOLOv9

Auf der Suche nach einer optimalen Objekterkennung in Echtzeit sticht YOLOv9 mit seinem innovativen Ansatz zur Überwindung von Informationsverlusten hervor, die bei tiefen neuronalen Netzen auftreten. Durch die Integration von PGI und der vielseitigen GELAN-Architektur verbessert YOLOv9 nicht nur die LernfĂ€higkeit des Modells, sondern sorgt auch dafĂŒr, dass wichtige Informationen wĂ€hrend des gesamten Erkennungsprozesses erhalten bleiben, wodurch eine außergewöhnliche Genauigkeit und Leistung erreicht wird.

Die wichtigsten Innovationen von YOLOv9

Die Fortschritte von YOLOv9 sind tief verwurzelt in der BewĂ€ltigung der Herausforderungen, die der Informationsverlust in tiefen neuronalen Netzen mit sich bringt. Das Prinzip des Informationsengpasses und die innovative Verwendung von umkehrbaren Funktionen stehen im Mittelpunkt des Designs und sorgen dafĂŒr, dass YOLOv9 eine hohe Effizienz und Genauigkeit beibehĂ€lt.

Prinzip des Informationsengpasses

Das Prinzip des Informationsengpasses offenbart eine grundlegende Herausforderung beim Deep Learning: Je mehr Daten die aufeinanderfolgenden Schichten eines Netzwerks durchlaufen, desto grĂ¶ĂŸer ist das Potenzial fĂŒr Informationsverluste. Dieses PhĂ€nomen lĂ€sst sich mathematisch wie folgt darstellen:

I(X, X) >= I(X, f_theta(X)) >= I(X, g_phi(f_theta(X)))

wo I bezeichnet die gegenseitige Information, und f und g Transformationsfunktionen mit Parametern darstellen theta und phi. YOLOv9 begegnet dieser Herausforderung, indem es programmierbare Gradienteninformationen (PGI) implementiert, die dazu beitragen, wichtige Daten ĂŒber die Tiefe des Netzes hinweg zu erhalten, was eine zuverlĂ€ssigere Gradientengenerierung und folglich eine bessere Modellkonvergenz und Leistung gewĂ€hrleistet.

Umkehrbare Funktionen

Das Konzept der umkehrbaren Funktionen ist ein weiterer Eckpfeiler des Designs von YOLOv9. Eine Funktion gilt als umkehrbar, wenn sie ohne Informationsverlust invertiert werden kann, wie es durch ausgedrĂŒckt wird:

X = v_zeta(r_psi(X))

mit psi und zeta als Parameter fĂŒr die reversible bzw. die inverse Funktion. Diese Eigenschaft ist fĂŒr Deep-Learning-Architekturen von entscheidender Bedeutung, da sie es dem Netzwerk ermöglicht, einen vollstĂ€ndigen Informationsfluss aufrechtzuerhalten und dadurch genauere Aktualisierungen der Modellparameter zu ermöglichen. YOLOv9 integriert reversible Funktionen in seine Architektur, um das Risiko einer Informationsverschlechterung vor allem in den tieferen Schichten zu mindern und sicherzustellen, dass die fĂŒr die Objekterkennung wichtigen Daten erhalten bleiben.

Auswirkungen auf Lightweight-Modelle

Die Vermeidung von Informationsverlusten ist besonders wichtig fĂŒr leichtgewichtige Modelle, die oft unterparametrisiert sind und dazu neigen, wĂ€hrend des Feedforward-Prozesses wichtige Informationen zu verlieren. Die Architektur von YOLOv9 stellt durch den Einsatz von PGI und reversiblen Funktionen sicher, dass auch bei einem abgespeckten Modell die wesentlichen Informationen, die fĂŒr eine genaue Objekterkennung erforderlich sind, erhalten bleiben und effektiv genutzt werden.

Programmierbare Gradienteninformation (PGI)

PGI ist ein neuartiges Konzept, das in YOLOv9 eingefĂŒhrt wurde, um das Problem des Informationsengpasses zu bekĂ€mpfen und sicherzustellen, dass wichtige Daten ĂŒber tiefe Netzwerkschichten hinweg erhalten bleiben. Dies ermöglicht die Generierung zuverlĂ€ssiger Gradienten, was genaue Modellaktualisierungen erleichtert und die Erkennungsleistung insgesamt verbessert.

Generalized Efficient Layer Aggregation Network (GELAN)

GELAN ist ein strategischer architektonischer Fortschritt, der es YOLOv9 ermöglicht, die Parameter besser zu nutzen und effizienter zu rechnen. Sein Design ermöglicht die flexible Integration verschiedener Rechenblöcke, wodurch YOLOv9 an eine Vielzahl von Anwendungen angepasst werden kann, ohne an Geschwindigkeit oder Genauigkeit einzubĂŒĂŸen.

Vergleich der YOLOv9-Architektur

Leistung im MS COCO-Datensatz

Die Leistung von YOLOv9 auf dem COCO-Datensatz verdeutlicht seine bedeutenden Fortschritte bei der Echtzeit-Objekterkennung und setzt neue MaßstĂ€be fĂŒr verschiedene ModellgrĂ¶ĂŸen. Tabelle 1 zeigt einen umfassenden Vergleich der modernsten Echtzeit-Objektdetektoren und verdeutlicht die ĂŒberlegene Effizienz und Genauigkeit von YOLOv9.

Tabelle 1. Vergleich von Echtzeit-Objektdetektoren auf dem neuesten Stand der Technik

Wann werden andere ModellmaßstĂ€be verfĂŒgbar sein?

Trotz aller Metriken, die in der Tabelle unten fĂŒr die verschiedenen Modellskalen angegeben sind, nur die Konfigurationen fĂŒr YOLOv9c und YOLOv9e wurden veröffentlicht. Das Ultralytics Team wird zĂŒgig daran arbeiten, weitere Konfigurationen hinzuzufĂŒgen, sobald sie verfĂŒgbar sind.

Leistung

Modell GrĂ¶ĂŸe
(Pixel)
mAPval
50-95
mAPval
50
params
(M)
FLOPs
(B)
YOLOv9t 640 38.3 53.1 2.0 7.7
YOLOv9s 640 46.8 63.4 7.2 26.7
YOLOv9m 640 51.4 68.1 20.1 76.8
YOLOv9c 640 53.0 70.2 25.5 102.8
YOLOv9e 640 55.6 72.8 58.1 192.5
Modell GrĂ¶ĂŸe
(Pixel)
mAPbox
50-95
mAPmask
50-95
params
(M)
FLOPs
(B)
YOLOv9c-seg 640 52.4 42.2 27.9 159.4
YOLOv9e-seg 640 55.1 44.3 60.5 248.4

YOLOv9s Iterationen, die von der kleinen t Variante zur umfangreichen e Modells zeigen nicht nur Verbesserungen bei der Genauigkeit (mAP-Metriken), sondern auch bei der Effizienz mit einer geringeren Anzahl von Parametern und Rechenaufwand (FLOPs). Diese Tabelle unterstreicht die FĂ€higkeit von YOLOv9, eine hohe Genauigkeit zu liefern und gleichzeitig den Rechenaufwand im Vergleich zu frĂŒheren Versionen und konkurrierenden Modellen beizubehalten oder zu reduzieren.

Im Vergleich dazu weist YOLOv9 bemerkenswerte Gewinne auf:

  • Leichte Modelle: YOLOv9s ĂŒbertrifft die YOLO MS-S in Bezug auf Parametereffizienz und Rechenlast und erreicht eine Verbesserung von 0,4∌0,6% in AP.
  • Mittlere bis große Modelle: YOLOv9m und YOLOv9e zeigen bemerkenswerte Fortschritte bei der AbwĂ€gung zwischen ModellkomplexitĂ€t und Erkennungsleistung und bieten eine erhebliche Reduzierung der Parameter und Berechnungen vor dem Hintergrund einer verbesserten Genauigkeit.

Vor allem das YOLOv9c-Modell zeigt, wie effektiv die Optimierungen der Architektur sind. Es arbeitet mit 42 % weniger Parametern und 21 % weniger Rechenaufwand als YOLOv7 AF und erreicht dennoch eine vergleichbare Genauigkeit, was die erheblichen Effizienzsteigerungen von YOLOv9 zeigt. DarĂŒber hinaus setzt das Modell YOLOv9e einen neuen Standard fĂŒr große Modelle, mit 15% weniger Parametern und 25% weniger Rechenaufwand als YOLOv8xund einer zusĂ€tzlichen Verbesserung der AP um 1,7 %.

Diese Ergebnisse zeigen die strategischen Fortschritte von YOLOv9 bei der Modellentwicklung und unterstreichen die verbesserte Effizienz, ohne die fĂŒr die Echtzeit-Objekterkennung notwendige PrĂ€zision zu beeintrĂ€chtigen. Das Modell verschiebt nicht nur die Grenzen der Leistungskennzahlen, sondern unterstreicht auch die Bedeutung der Recheneffizienz, was es zu einer entscheidenden Entwicklung auf dem Gebiet der Computer Vision macht.

Fazit

YOLOv9 stellt eine entscheidende Entwicklung in der Echtzeit-Objekterkennung dar und bietet erhebliche Verbesserungen in Bezug auf Effizienz, Genauigkeit und AnpassungsfĂ€higkeit. Durch die BewĂ€ltigung kritischer Herausforderungen mit innovativen Lösungen wie PGI und GELAN setzt YOLOv9 einen neuen PrĂ€zedenzfall fĂŒr zukĂŒnftige Forschung und Anwendung in diesem Bereich. WĂ€hrend sich die KI-Gemeinschaft weiterentwickelt, ist YOLOv9 ein Beweis fĂŒr die Kraft von Zusammenarbeit und Innovation, die den technologischen Fortschritt vorantreiben.

Verwendungsbeispiele

Dieses Beispiel zeigt einfache YOLOv9-Trainings- und Inferenzbeispiele. Die vollstÀndige Dokumentation zu diesen und anderen Modi findest du auf den Seiten Predict, Train, Val und Export docs.

Beispiel

PyTorch vorgebildet *.pt Modelle als auch die Konfiguration *.yaml Dateien können an den YOLO() Klasse, um eine Modellinstanz in python zu erstellen:

from ultralytics import YOLO

# Build a YOLOv9c model from scratch
model = YOLO('yolov9c.yaml')

# Build a YOLOv9c model from pretrained weight
model = YOLO('yolov9c.pt')

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data='coco8.yaml', epochs=100, imgsz=640)

# Run inference with the YOLOv9c model on the 'bus.jpg' image
results = model('path/to/bus.jpg')

CLI Befehle sind verfĂŒgbar, um die Modelle direkt auszufĂŒhren:

# Build a YOLOv9c model from scratch and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolov9c.yaml data=coco8.yaml epochs=100 imgsz=640

# Build a YOLOv9c model from scratch and run inference on the 'bus.jpg' image
yolo predict model=yolov9c.yaml source=path/to/bus.jpg

UnterstĂŒtzte Aufgaben und Modi

Die YOLOv9-Serie bietet eine Reihe von Modellen, die jeweils fĂŒr eine leistungsstarke Objekterkennung optimiert sind. Diese Modelle erfĂŒllen unterschiedliche Anforderungen an die Rechenleistung und die Genauigkeit, was sie fĂŒr eine Vielzahl von Anwendungen geeignet macht.

Modell Dateinamen Aufgaben Inferenz Validierung Ausbildung exportieren
YOLOv9 yolov9c.pt yolov9e.pt Objekt-Erkennung ✅ ✅ ✅ ✅
YOLOv9-seg yolov9c-seg.pt yolov9e-seg.pt Instanz-Segmentierung ✅ ✅ ✅ ✅

Diese Tabelle gibt einen detaillierten Überblick ĂŒber die YOLOv9-Modellvarianten und hebt ihre FĂ€higkeiten bei der Objekterkennung sowie ihre KompatibilitĂ€t mit verschiedenen Betriebsmodi wie Inferenz, Validierung, Training und Export hervor. Diese umfassende UnterstĂŒtzung stellt sicher, dass die Nutzer/innen die FĂ€higkeiten der YOLOv9-Modelle in einem breiten Spektrum von Objekterkennungsszenarien voll ausschöpfen können.

Hinweis

Die Ausbildung von YOLOv9-Modellen erfordert mehr Ressourcen und dauert lĂ€nger als die Ausbildung eines gleich großen YOLOv8 Modells.

Zitate und Danksagungen

Wir möchten den YOLOv9-Autoren fĂŒr ihre bedeutenden BeitrĂ€ge im Bereich der Echtzeit-Objekterkennung danken:

@article{wang2024yolov9,
  title={{YOLOv9}: Learning What You Want to Learn Using Programmable Gradient Information},
  author={Wang, Chien-Yao  and Liao, Hong-Yuan Mark},
  booktitle={arXiv preprint arXiv:2402.13616},
  year={2024}
}

Die ursprĂŒngliche YOLOv9-Veröffentlichung ist auf arXiv zu finden. Die Autoren haben ihre Arbeit öffentlich zugĂ€nglich gemacht, und die Codebasis kann auf GitHub eingesehen werden. Wir schĂ€tzen ihre BemĂŒhungen, das Feld voranzubringen und ihre Arbeit einer breiteren Gemeinschaft zugĂ€nglich zu machen.



Erstellt am 2024-02-26, Aktualisiert am 2024-04-17
Autoren: glenn-jocher (4), Burhan-Q (2), Laughing-q (1)

Kommentare