YOLOv9 frente a PP-YOLOE+#
El panorama de la detección de objetos en tiempo real sigue avanzando rápidamente y ofrece a los ingenieros de visión por computador una amplia variedad de opciones para implementar modelos muy precisos en infraestructuras de borde 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 distintas líneas de investigación y ecosistemas de software.
Esta comparativa técnica exhaustiva analiza sus arquitecturas, métodos de entrenamiento, métricas de rendimiento y aplicaciones ideales en el mundo real. También veremos cómo el amplio ecosistema de Ultralytics ofrece ventajas importantes a los desarrolladores que priorizan la facilidad de uso, la eficiencia de memoria y la versatilidad de implementación.
Orígenes y especificaciones técnicas de los modelos#
Conocer los antecedentes de estos modelos ayuda a contextualizar sus decisiones arquitectónicas y dependencias de marcos de trabajo.
YOLOv9: resolver el cuello de botella de información#
Presentado a principios de 2024, YOLOv9 aborda la pérdida de datos que se produce cuando la información fluye por 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 en el marco 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 marco de supervisión auxiliar que garantiza la conservación de la información esencial sobre los gradientes y su propagación precisa hacia las capas superficiales durante el entrenamiento. Se combina con la red generalizada de agregación eficiente de capas (GELAN), que aúna las ventajas de CSPNet y ELAN para ofrecer una gran precisión y reducir drásticamente el coste computacional (FLOPs).
PP-YOLOE+ se basa en un backbone especializado denominado CSPRepResStage. Aprovecha técnicas de reparametrización (similares a las de RepVGG) para acelerar la inferencia mediante la fusión de capas convolucionales durante la implementación. Además, utiliza el cabezal Efficient Task-aligned (ET-head) para equilibrar las tareas de clasificación y regresión.
Aunque PP-YOLOE+ es robusto, la arquitectura GELAN de YOLOv9 suele necesitar menos memoria tanto durante el entrenamiento como durante la inferencia, por lo que es especialmente adecuada para los dispositivos de IA en el borde.
Comparativa de rendimiento#
Al evaluar modelos para producción, es crucial encontrar 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 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
| 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 parámetros: YOLOv9 ofrece una eficiencia notablemente mayor. Por ejemplo, YOLOv9c alcanza un mAP del 53,0 % con solo 25,5 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 muy optimizados para aceleradores de hardware como TensorRT, lo que proporciona 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 gran dependencia de archivos de configuración y de la línea de comandos. Para los equipos que trabajan principalmente con los ecosistemas PyTorch o TensorFlow, migrar a PaddlePaddle genera importantes dificultades y exige una curva de aprendizaje más pronunciada.
La ventaja de Ultralytics: flujos de trabajo simplificados#
En cambio, YOLOv9 funciona dentro del ecosistema de Ultralytics, muy pulido. Ultralytics está diseñado para desarrolladores e investigadores y prioriza una facilidad de uso excepcional. La API de Python abstrae por completo el código repetitivo complejo.
from ultralytics import YOLO
# Cargar un modelo YOLOv9 preentrenado
model = YOLO("yolov9c.pt")
# Entrena fácilmente con un conjunto de datos personalizado
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Ejecutar la inferencia y visualizar los resultados
results = model("https://ultralytics.com/images/bus.jpg")
# Exportar a ONNX para el despliegue en producción
model.export(format="onnx")Este flujo de trabajo pone de manifiesto la eficiencia de entrenamiento superior de los modelos Ultralytics. Incluye de serie compatibilidad nativa con el aumento de datos, el entrenamiento distribuido y el registro automático en plataformas como Weights & Biases o MLflow.
Aunque YOLOv9 ofrece un rendimiento excepcional, recomendamos encarecidamente tener en cuenta el recién lanzado Ultralytics YOLO26 para proyectos nuevos. YOLO26 incorpora un diseño nativo de extremo a extremo sin NMS (opcional mediante nms=False), que simplifica drásticamente la implementación. Gracias a la eliminación de DFL (se elimina Distribution Focal Loss para simplificar la exportación y mejorar la compatibilidad con dispositivos de borde y de bajo consumo), ofrece una inferencia en CPU hasta un 43 % más rápida para la computación en el borde. El optimizador MuSGD proporciona un entrenamiento estable y una convergencia rápida. Además, ProgLoss + STAL aporta funciones de pérdida mejoradas y avances notables en el reconocimiento de objetos pequeños, algo esencial para el IoT, la robótica y las imágenes aéreas.
Versatilidad y compatibilidad con tareas#
Los proyectos modernos de visión por computador rara vez se limitan a los cuadros delimitadores.
PP-YOLOE+ se ha diseñado principalmente para la detección estándar de objetos. Adaptar su arquitectura a otras tareas requiere un extenso trabajo de ingeniería a medida.
En cambio, el marco de Ultralytics es una potente solución multitarea. Gracias a una API unificada, los desarrolladores pueden pasar fácilmente de la detección estándar de objetos a la segmentación de instancias compleja, la estimación de poses de gran precisión, la detección de cuadros delimitadores orientados (OBB) en imágenes aéreas y la clasificación de imágenes. Esta versatilidad incomparable explica por qué los equipos empresariales eligen sistemáticamente modelos compatibles con Ultralytics, como YOLOv9, YOLO11 y YOLO26.
Casos de uso y aplicaciones ideales#
- Análisis de ciudades inteligentes y gestión del tráfico: La gran eficiencia de parámetros y la baja latencia de YOLOv9 (y de su sucesor, YOLO26) hacen que estos modelos sean ideales para implementarlos en hardware de borde limitado, como los dispositivos NVIDIA Jetson, y supervisar el flujo del tráfico y la seguridad urbana.
- Sistemas de inventario en comercios: Para detectar numerosos artículos pequeños agrupados en estanterías, PGI de YOLOv9 conserva eficazmente los detalles espaciales de grano fino y supera a PP-YOLOE+ en tareas de detección de objetos pequeños.
- Implementaciones heredadas: PP-YOLOE+ sigue siendo una opción válida únicamente para los equipos que tengan el requisito explícito de usar la pila de software Baidu/PaddlePaddle en una infraestructura heredada ya existente.
Para los investigadores que exploran arquitecturas basadas en Transformer, Ultralytics también ofrece compatibilidad nativa con RT-DETR en la misma API fácil de usar, para que siempre tengas acceso al modelo óptimo según los requisitos específicos de tu implementación.