YOLOv9: Ein Sprung nach vorn in der Objekterkennungstechnologie

YOLOv9 stellt einen bedeutenden Fortschritt in der Echtzeit-Objekterkennung dar und führt 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 Anpassungsfähigkeit und setzt mit dem MS COCO-Datensatz neue Maßstäbe. 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.

Pass auf: YOLOv9 Training auf benutzerdefinierten Daten mit Ultralytics | Industrial Package Dataset

Einführung 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 Lernfähigkeit des Modells, sondern sorgt auch dafür, dass wichtige Informationen während 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 Bewältigung 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 dafür, dass YOLOv9 eine hohe Effizienz und Genauigkeit beibehält.

Prinzip des Informationsengpasses

Das Prinzip des Informationsengpasses offenbart eine grundlegende Herausforderung beim Deep Learning: Je mehr Daten die aufeinanderfolgenden Schichten eines Netzwerks durchlaufen, desto größer ist das Potenzial für Informationsverluste. Dieses Phänomen lässt 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 über die Tiefe des Netzes hinweg zu erhalten, was eine zuverlässigere Gradientengenerierung und folglich eine bessere Modellkonvergenz und Leistung gewährleistet.

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 ausgedrückt wird:

X = v_zeta(r_psi(X))

mit psi und zeta als Parameter für die reversible bzw. die inverse Funktion. Diese Eigenschaft ist für Deep-Learning-Architekturen von entscheidender Bedeutung, da sie es dem Netzwerk ermöglicht, einen vollständigen 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 für die Objekterkennung wichtigen Daten erhalten bleiben.

Auswirkungen auf Lightweight-Modelle

Die Vermeidung von Informationsverlusten ist besonders wichtig für leichtgewichtige Modelle, die oft unterparametrisiert sind und dazu neigen, während 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 für eine genaue Objekterkennung erforderlich sind, erhalten bleiben und effektiv genutzt werden.

Programmierbare Gradienteninformation (PGI)

PGI ist ein neuartiges Konzept, das in YOLOv9 eingeführt wurde, um das Problem des Informationsengpasses zu bekämpfen und sicherzustellen, dass wichtige Daten über tiefe Netzwerkschichten hinweg erhalten bleiben. Dies ermöglicht die Generierung zuverlässiger 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 einzubüßen.

YOLOv9 Benchmarks

Das Benchmarking in YOLOv9 mit Ultralytics bedeutet, die Leistung deines trainierten und validierten Modells in realen Szenarien zu bewerten. Dieser Prozess umfasst:

• Leistungsbewertung: Bewertung der Geschwindigkeit und Genauigkeit des Modells.
• Exportformate: Testen des Modells in verschiedenen Exportformaten, um sicherzustellen, dass es die erforderlichen Standards erfüllt und in verschiedenen Umgebungen gut funktioniert.
• Rahmenunterstützung: Bereitstellung eines umfassenden Rahmens auf Ultralytics YOLOv8 , um diese Bewertungen zu erleichtern und einheitliche und zuverlässige Ergebnisse zu gewährleisten.

Durch Benchmarking kannst du sicherstellen, dass dein Modell nicht nur in kontrollierten Testumgebungen gut abschneidet, sondern auch in praktischen, realen Anwendungen eine hohe Leistung erbringt.

Pass auf: Benchmarking des YOLOv9-Modells mit dem Ultralytics Python Paket

Leistung im MS COCO-Datensatz

Die Leistung von YOLOv9 auf dem COCO-Datensatz verdeutlicht seine bedeutenden Fortschritte bei der Echtzeit-Objekterkennung und setzt neue Maßstäbe für verschiedene Modellgrößen. Tabelle 1 zeigt einen umfassenden Vergleich der modernsten Echtzeit-Objektdetektoren und verdeutlicht die überlegene Effizienz und Genauigkeit von YOLOv9.

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

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 Fähigkeit von YOLOv9, eine hohe Genauigkeit zu liefern und gleichzeitig den Rechenaufwand im Vergleich zu früheren Versionen und konkurrierenden Modellen beizubehalten oder zu reduzieren.

Im Vergleich dazu weist YOLOv9 bemerkenswerte Gewinne auf:

• Leichte Modelle: YOLOv9s übertrifft 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 Abwägung zwischen Modellkomplexität 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. Darüber hinaus setzt das Modell YOLOv9e einen neuen Standard für große Modelle, mit 15% weniger Parametern und 25% weniger Rechenaufwand als YOLOv8xund einer zusätzlichen Verbesserung der AP um 1,7 %.

Diese Ergebnisse zeigen die strategischen Fortschritte von YOLOv9 bei der Modellentwicklung und unterstreichen die verbesserte Effizienz, ohne die für die Echtzeit-Objekterkennung notwendige Präzision zu beeinträchtigen. 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 Anpassungsfähigkeit. Durch die Bewältigung kritischer Herausforderungen mit innovativen Lösungen wie PGI und GELAN setzt YOLOv9 einen neuen Präzedenzfall für zukünftige Forschung und Anwendung in diesem Bereich. Während sich die KI-Gemeinschaft weiterentwickelt, ist YOLOv9 ein Beweis für die Kraft von Zusammenarbeit und Innovation, die den technologischen Fortschritt vorantreiben.

Verwendungsbeispiele

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

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")

# 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

Unterstützte Aufgaben und Modi

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

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

Zitate und Danksagungen

Wir möchten den YOLOv9-Autoren für ihre bedeutenden Beiträge 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 ursprüngliche YOLOv9-Veröffentlichung ist auf arXiv zu finden. Die Autoren haben ihre Arbeit öffentlich zugänglich gemacht, und die Codebasis kann auf GitHub eingesehen werden. Wir schätzen ihre Bemühungen, das Feld voranzubringen und ihre Arbeit einer breiteren Gemeinschaft zugänglich zu machen.

FAQ

Welche Neuerungen bringt YOLOv9 für die Objekterkennung in Echtzeit?

YOLOv9 führt bahnbrechende Techniken wie die Programmable Gradient Information (PGI) und das Generalized Efficient Layer Aggregation Network (GELAN) ein. Diese Innovationen lösen das Problem des Informationsverlusts in tiefen neuronalen Netzen und gewährleisten hohe Effizienz, Genauigkeit und Anpassungsfähigkeit. PGI bewahrt wichtige Daten über die verschiedenen Netzwerkschichten hinweg, während GELAN die Nutzung der Parameter und die Effizienz der Berechnungen optimiert. Erfahre mehr über die Kerninnovationen von YOLOv9, die mit dem MS COCO-Datensatz neue Maßstäbe gesetzt haben.

Wie schneidet YOLOv9 beim MS COCO-Datensatz im Vergleich zu anderen Modellen ab?

YOLOv9 übertrifft die modernsten Echtzeit-Objektdetektoren, indem es eine höhere Genauigkeit und Effizienz erreicht. Auf dem COCO-Datensatz zeigen die YOLOv9-Modelle über verschiedene Größen hinweg überlegene mAP-Ergebnisse bei gleichbleibendem oder reduziertem Rechenaufwand. So erreicht YOLOv9c beispielsweise eine vergleichbare Genauigkeit mit 42 % weniger Parametern und 21 % weniger Rechenaufwand als YOLOv7 AF. Detaillierte Metriken findest du in den Leistungsvergleichen.

Wie kann ich ein YOLOv9-Modell mit Python und CLI trainieren?

Du kannst ein YOLOv9-Modell mit den beiden Befehlen Python und CLI trainieren. Für Python instanziierst du ein Modell mit dem Befehl YOLO Klasse und rufen die train Methode:

from ultralytics import YOLO

# Build a YOLOv9c model from pretrained weights and train
model = YOLO("yolov9c.pt")
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

Für CLI Training, ausführen:

yolo train model=yolov9c.yaml data=coco8.yaml epochs=100 imgsz=640

Erfahre mehr über Anwendungsbeispiele für Training und Inferenz.

Welche Vorteile hat die Verwendung von Ultralytics YOLOv9 für leichte Modelle?

YOLOv9 wurde entwickelt, um Informationsverluste zu minimieren. Das ist besonders wichtig für leichtgewichtige Modelle, die oft dazu neigen, wichtige Informationen zu verlieren. Durch die Integration von Programmable Gradient Information (PGI) und reversiblen Funktionen sorgt YOLOv9 dafür, dass wichtige Daten erhalten bleiben, was die Genauigkeit und Effizienz des Modells erhöht. Damit eignet es sich hervorragend für Anwendungen, die kompakte Modelle mit hoher Leistung erfordern. Weitere Einzelheiten findest du im Abschnitt über die Auswirkungen von YOLOv9 auf leichtgewichtige Modelle.

Welche Aufgaben und Modi werden von YOLOv9 unterstützt?

YOLOv9 unterstützt verschiedene Aufgaben wie die Erkennung von Objekten und die Segmentierung von Instanzen. Es ist mit verschiedenen Betriebsmodi wie Inferenz, Validierung, Training und Export kompatibel. Diese Vielseitigkeit macht YOLOv9 anpassungsfähig für verschiedene Echtzeit-Computer-Vision-Anwendungen. Weitere Informationen findest du im Abschnitt über die unterstützten Aufgaben und Modi.

Kommentare