Comparativa entre YOLOv9 y PP-YOLOE+#
El panorama de la detección de objetos en tiempo real sigue avanzando rápidamente y ofrece a los ingenieros de visión por ordenador una amplia variedad de opciones para implementar modelos muy precisos en infraestructuras perimetrales y en la nube. Dos modelos destacados en este ámbito son YOLOv9 y PP-YOLOE+. Aunque ambos amplían los límites de la precisión y la velocidad, proceden de líneas de investigación y ecosistemas de software diferentes.
Esta completa comparativa técnica analiza sus arquitecturas, metodologías de entrenamiento, métricas de rendimiento y aplicaciones ideales en el mundo real. También veremos cómo el amplio ecosistema de Ultralytics ofrece ventajas significativas a los desarrolladores que priorizan la facilidad de uso, la eficiencia de memoria y una implementación versátil.
Orígenes y especificaciones técnicas de los modelos#
Comprender el contexto de estos modelos ayuda a contextualizar sus decisiones arquitectónicas y dependencias de framework.
YOLOv9: resolviendo el cuello de botella de información#
Presentado a principios de 2024, YOLOv9 aborda la pérdida de datos que se produce cuando la información fluye a través de redes neuronales profundas. Es una red neuronal convolucional altamente optimizada y diseñada para maximizar la eficiencia de los parámetros.
- Autores: Chien-Yao Wang, Hong-Yuan Mark Liao
- Organización: Institute of Information Science, Academia Sinica, Taiwán
- Fecha: 21 de febrero de 2024
- Arxiv: 2402.13616
- GitHub: WongKinYiu/yolov9
- Documentación: Documentación de Ultralytics YOLOv9
PP-YOLOE+: avances en el ecosistema Paddle#
Lanzado por Baidu en 2022, PP-YOLOE+ es una mejora iterativa de PP-YOLOv2. Utiliza un paradigma sin anclajes e introduce una estrategia dinámica de asignación de etiquetas para mejorar la convergencia y la precisión dentro del framework PaddlePaddle.
- Autores: autores de PaddlePaddle
- Organización: Baidu
- Fecha: 2 de abril de 2022
- Arxiv: 2203.16250
- GitHub: PaddleDetection
- Documentación: Configuración de PP-YOLOE+
Más información sobre PP-YOLOE+
Comparativa arquitectónica#
Información de gradiente programable frente a CSPRepResStage#
La innovación principal de YOLOv9 es la información de gradiente programable (PGI). PGI actúa como un framework de supervisión auxiliar que garantiza que la información de gradiente vital se conserve y se propague con precisión de vuelta a las capas superficiales durante el entrenamiento. Esto se combina con la red generalizada de agregación eficiente de capas (GELAN), que combina las ventajas de CSPNet y ELAN para ofrecer una gran precisión mientras reduce drásticamente el coste computacional (FLOPs).
PP-YOLOE+ se basa en un backbone especializado llamado CSPRepResStage. Aprovecha técnicas de reparametrización (similares a las de RepVGG) para acelerar la inferencia mediante la combinación de capas convolucionales durante la implementación. Además, utiliza la cabeza eficiente alineada con la tarea (ET-head) para equilibrar las tareas de clasificación y regresión.
Aunque PP-YOLOE+ es robusto, la arquitectura GELAN de YOLOv9 normalmente requiere una huella de memoria menor tanto durante el entrenamiento como durante la inferencia, lo que la hace especialmente adecuada para dispositivos de IA perimetral.
Comparación de rendimiento#
Al evaluar modelos para producción, es fundamental tener en cuenta el equilibrio entre mAP (precisión media promedio), velocidad de inferencia y tamaño del modelo.
| Modelo | tamaño (píxeles) | mAPval 50-95 | Velocidad CPU ONNX (ms) | Velocidad T4 TensorRT10 (ms) | parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.1 | 26.4 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.0 | 76.3 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.3 | 102.1 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 57.3 | 189.0 |
| 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 |
Análisis#
- Eficiencia de los parámetros: YOLOv9 logra una eficiencia notablemente superior. Por ejemplo, YOLOv9c alcanza un mAP del 53,0 % utilizando solo 25,3 M de parámetros, mientras que PP-YOLOE+l necesita más del doble de parámetros (52,2 M) para lograr un mAP ligeramente inferior del 52,9 %. Esto reduce drásticamente los requisitos de memoria de YOLOv9.
- Velocidad de inferencia: los modelos YOLOv9 están optimizados de forma excelente para aceleradores de hardware como TensorRT, y ofrecen velocidades de inferencia competitivas en GPU NVIDIA T4, fundamentales para la inferencia en tiempo real.
Metodologías de entrenamiento y ecosistema#
La elección entre estos modelos suele depender del ecosistema de software.
PP-YOLOE+ y PaddlePaddle#
PP-YOLOE+ está estrechamente vinculado al conjunto de herramientas PaddleDetection. Aunque es potente, obliga a los usuarios a desenvolverse en un entorno con mucha configuración y basado en la línea de comandos. Para los equipos profundamente integrados en los ecosistemas de PyTorch o TensorFlow, pasar a PaddlePaddle introduce una fricción considerable y una curva de aprendizaje más pronunciada.
La ventaja de Ultralytics: flujos de trabajo optimizados#
Por el contrario, YOLOv9 funciona dentro del ecosistema de Ultralytics, altamente refinado. Diseñado para desarrolladores e investigadores, Ultralytics prioriza una facilidad de uso excepcional. La API de Python abstrae por completo el complejo código repetitivo.
from ultralytics import YOLO
# Load a pre-trained YOLOv9 model
model = YOLO("yolov9c.pt")
# Train on a custom dataset effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Run inference and visualize results
results = model("https://ultralytics.com/images/bus.jpg")
# Export to ONNX for production deployment
model.export(format="onnx")Este flujo de trabajo pone de relieve la eficiencia de entrenamiento superior de los modelos de Ultralytics. La compatibilidad nativa con el aumento de datos, el entrenamiento distribuido y el registro automático en plataformas como Weights & Biases o MLflow viene incluida de serie.
Aunque YOLOv9 ofrece un rendimiento excepcional, recomendamos encarecidamente considerar el recién lanzado Ultralytics YOLO26 para nuevos proyectos. YOLO26 incorpora un diseño nativo de extremo a extremo sin NMS, lo que simplifica drásticamente la implementación. Con la eliminación de DFL (se elimina Distribution Focal Loss para simplificar la exportación y mejorar la compatibilidad con dispositivos perimetrales y de bajo consumo), ofrece una inferencia en CPU hasta un 43 % más rápida para la computación perimetral. Impulsado por el optimizador MuSGD, garantiza un entrenamiento estable y una convergencia rápida. Además, ProgLoss + STAL proporciona funciones de pérdida mejoradas, con mejoras destacadas en el reconocimiento de objetos pequeños, algo fundamental para IoT, la robótica y las imágenes aéreas.
Versatilidad y compatibilidad con tareas#
Los proyectos modernos de visión por ordenador rara vez se limitan a simples cajas delimitadoras.
PP-YOLOE+ está diseñado principalmente para la detección de objetos estándar. Adaptar su arquitectura a otras tareas requiere un trabajo de ingeniería personalizado considerable.
Por el contrario, el framework de Ultralytics es una potente solución multitarea. Mediante una API unificada, los desarrolladores pueden pasar fácilmente de la detección de objetos estándar a la segmentación de instancias, la estimación de poses de gran precisión, la detección de cajas delimitadoras orientadas (OBB) para imágenes aéreas y la clasificación de imágenes. Esta versatilidad incomparable es la razón por la que los equipos empresariales eligen sistemáticamente modelos de Ultralytics como YOLOv9, YOLO11 y YOLO26.
Casos de uso y aplicaciones ideales#
- Análisis de ciudades inteligentes y gestión del tráfico: la alta eficiencia de parámetros y la baja latencia de YOLOv9 (y del posterior YOLO26) los hacen ideales para implementarlos en hardware perimetral con recursos limitados, como los dispositivos NVIDIA Jetson, para supervisar el flujo de tráfico y la seguridad urbana.
- Sistemas de inventario minorista: para detectar configuraciones densas de artículos pequeños en estanterías, PGI de YOLOv9 conserva eficazmente los detalles espaciales precisos y supera a PP-YOLOE+ en tareas de detección de objetos pequeños.
- Implementaciones heredadas: PP-YOLOE+ sigue siendo una opción viable únicamente para los equipos a los que se exige explícitamente utilizar la pila de software Baidu/PaddlePaddle en infraestructuras heredadas existentes.
Para los investigadores que exploran arquitecturas basadas en Transformer, Ultralytics también es compatible de forma nativa con RT-DETR dentro de la misma API fácil de usar, lo que garantiza que siempre tengas acceso al modelo óptimo para tus requisitos específicos de implementación.