Link to this sectionYOLOv9: Un salto adelante en la tecnología de detección de objetos#

YOLOv9 supone un avance significativo en la detección de objetos en tiempo real, al introducir técnicas innovadoras como la Información de Gradiente Programable (PGI) y la Red de Agregación de Capas Eficiente Generalizada (GELAN). Este modelo demuestra mejoras notables en eficiencia, precisión y adaptabilidad, estableciendo nuevos puntos de referencia en el conjunto de datos MS COCO. El proyecto YOLOv9, aunque desarrollado por un equipo independiente de código abierto, se basa en la robusta base de código proporcionada por Ultralytics YOLOv5, lo que demuestra el espíritu colaborativo de la comunidad de investigación de IA.

Link to this sectionIntroducción a YOLOv9#

En la búsqueda de la detección de objetos en tiempo real óptima, YOLOv9 destaca por su enfoque innovador para superar los desafíos de pérdida de información inherentes a las redes neuronales profundas. Al integrar PGI y la versátil arquitectura GELAN, YOLOv9 no solo mejora la capacidad de aprendizaje del modelo, sino que también garantiza la retención de información crucial a lo largo del proceso de detección, logrando así una precisión y un rendimiento excepcionales.

Link to this sectionInnovaciones principales de YOLOv9#

Los avances de YOLOv9 están profundamente arraigados en abordar los desafíos que plantea la pérdida de información en las redes neuronales profundas. El Principio de Cuello de Botella de Información y el uso innovador de las Funciones Reversibles son fundamentales para su diseño, lo que garantiza que YOLOv9 mantenga una alta eficiencia y precisión.

Link to this sectionPrincipio de Cuello de Botella de Información#

El Principio de Cuello de Botella de Información revela un desafío fundamental en el aprendizaje profundo: a medida que los datos pasan a través de capas sucesivas de una red, aumenta el potencial de pérdida de información. Este fenómeno se representa matemáticamente como:

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

donde I denota la información mutua, y f y g representan funciones de transformación con parámetros theta y phi, respectivamente. YOLOv9 contrarresta este desafío mediante la implementación de la Información de Gradiente Programable (PGI), que ayuda a preservar los datos esenciales a lo largo de la profundidad de la red, garantizando una generación de gradiente más fiable y, en consecuencia, una mejor convergencia y rendimiento del modelo.

Link to this sectionFunciones Reversibles#

El concepto de Funciones Reversibles es otra piedra angular del diseño de YOLOv9. Una función se considera reversible si puede invertirse sin pérdida de información, tal como se expresa mediante:

X = v_zeta(r_psi(X))

con psi y zeta como parámetros para la función reversible y su inversa, respectivamente. Esta propiedad es crucial para las arquitecturas de aprendizaje profundo, ya que permite a la red retener un flujo de información completo, permitiendo así actualizaciones más precisas de los parámetros del modelo. YOLOv9 incorpora funciones reversibles dentro de su arquitectura para mitigar el riesgo de degradación de la información, especialmente en las capas más profundas, asegurando la preservación de datos críticos para las tareas de detección de objetos.

Link to this sectionImpacto en modelos ligeros#

Abordar la pérdida de información es particularmente vital para los modelos ligeros, que a menudo están subparametrizados y son propensos a perder información significativa durante el proceso de propagación hacia adelante. La arquitectura de YOLOv9, mediante el uso de PGI y funciones reversibles, garantiza que, incluso con un modelo optimizado, se retenga y utilice eficazmente la información esencial necesaria para una detección de objetos precisa.

Link to this sectionInformación de Gradiente Programable (PGI)#

PGI es un concepto novedoso introducido en YOLOv9 para combatir el problema del cuello de botella de información, garantizando la preservación de los datos esenciales a través de las capas profundas de la red. Esto permite la generación de gradientes fiables, facilitando actualizaciones precisas del modelo y mejorando el rendimiento general de la detección.

Link to this sectionRed de Agregación de Capas Eficiente Generalizada (GELAN)#

GELAN representa un avance arquitectónico estratégico que permite a YOLOv9 lograr una utilización superior de los parámetros y eficiencia computacional. Su diseño permite una integración flexible de varios bloques computacionales, haciendo que YOLOv9 sea adaptable a una amplia gama de aplicaciones sin sacrificar la velocidad ni la precisión.

Link to this sectionPuntos de referencia de YOLOv9#

La evaluación comparativa (benchmarking) en YOLOv9 usando Ultralytics implica evaluar el rendimiento de tu modelo entrenado y validado en escenarios del mundo real. Este proceso incluye:

• Evaluación del rendimiento: Evaluación de la velocidad y la precisión del modelo.
• Formatos de exportación: Prueba del modelo en diferentes formatos de exportación para asegurar que cumple con los estándares necesarios y funciona bien en varios entornos.
• Soporte de framework: Proporcionar un marco integral dentro de Ultralytics YOLOv8 para facilitar estas evaluaciones y garantizar resultados consistentes y fiables.

Al realizar evaluaciones comparativas, puedes asegurarte de que tu modelo no solo funcione bien en entornos de prueba controlados, sino que también mantenga un alto rendimiento en aplicaciones prácticas del mundo real.

Link to this sectionRendimiento en el conjunto de datos MS COCO#

El rendimiento de YOLOv9 en el conjunto de datos COCO ejemplifica sus importantes avances en la detección de objetos en tiempo real, estableciendo nuevos puntos de referencia en varios tamaños de modelo. La Tabla 1 presenta una comparación exhaustiva de los detectores de objetos en tiempo real de última generación, ilustrando la eficiencia y precisión superiores de YOLOv9.

Las iteraciones de YOLOv9, que van desde la variante tiny t hasta el modelo extenso e, demuestran mejoras no solo en la precisión (métricas mAP), sino también en la eficiencia con un número reducido de parámetros y necesidades computacionales (FLOPs). Esta tabla subraya la capacidad de YOLOv9 para ofrecer una alta precisión manteniendo o reduciendo la carga computacional en comparación con versiones anteriores y modelos de la competencia.

Comparativamente, YOLOv9 muestra ganancias notables:

• Modelos ligeros: YOLOv9s supera a YOLO MS-S en eficiencia de parámetros y carga computacional, logrando una mejora del 0.4∼0.6% en AP.
• Modelos medianos a grandes: YOLOv9m y YOLOv9e muestran avances notables en el equilibrio entre la complejidad del modelo y el rendimiento de la detección, ofreciendo reducciones significativas en parámetros y cálculos frente al trasfondo de una precisión mejorada.

El modelo YOLOv9c, en particular, destaca la eficacia de las optimizaciones de la arquitectura. Funciona con un 42% menos de parámetros y un 21% menos de demanda computacional que YOLOv7 AF, pero logra una precisión comparable, lo que demuestra las significativas mejoras de eficiencia de YOLOv9. Además, el modelo YOLOv9e establece un nuevo estándar para los modelos grandes, con un 15% menos de parámetros y un 25% menos de necesidad computacional que YOLOv8x, junto con una mejora incremental del 1.7% en AP.

Estos resultados muestran los avances estratégicos de YOLOv9 en el diseño de modelos, enfatizando su eficiencia mejorada sin comprometer la precisión esencial para las tareas de detección de objetos en tiempo real. El modelo no solo traspasa los límites de las métricas de rendimiento, sino que también enfatiza la importancia de la eficiencia computacional, lo que lo convierte en un desarrollo fundamental en el campo de la visión artificial.

Link to this sectionConclusión#

YOLOv9, lanzado en febrero de 2024, representó un desarrollo fundamental en la detección de objetos en tiempo real, ofreciendo mejoras significativas en términos de eficiencia, precisión y adaptabilidad. Al abordar desafíos críticos mediante soluciones innovadoras como PGI y GELAN, YOLOv9 estableció nuevos puntos de referencia en el momento de su lanzamiento. Aunque desde entonces se han lanzado modelos más nuevos como YOLO11 y YOLO26 con mejoras adicionales, las innovaciones arquitectónicas de YOLOv9 siguen influyendo en el campo.

Link to this sectionEjemplos de uso#

Este ejemplo proporciona ejemplos sencillos de entrenamiento e inferencia con YOLOv9. Para obtener la documentación completa sobre estos y otros modos, consulta las páginas de documentación de Predict, Train, Val y Export.

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")

Link to this sectionTareas y modos soportados#

La serie YOLOv9 ofrece una gama de modelos, cada uno optimizado para una detección de objetos de alto rendimiento. Estos modelos se adaptan a diversas necesidades computacionales y requisitos de precisión, lo que los hace versátiles para una amplia gama de aplicaciones.

Esta tabla ofrece una visión general detallada de las variantes del modelo YOLOv9, destacando sus capacidades en tareas de detección de objetos y su compatibilidad con varios modos operativos como Inferencia, Validación, Entrenamiento y Exportación. Este soporte integral garantiza que los usuarios puedan aprovechar al máximo las capacidades de los modelos YOLOv9 en una amplia gama de escenarios de detección de objetos.

Link to this sectionCitas y agradecimientos#

Nos gustaría agradecer a los autores de YOLOv9 por sus importantes contribuciones en el campo de la detección de objetos en tiempo real:

@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}
}

El artículo original de YOLOv9 se puede encontrar en arXiv. Los autores han hecho público su trabajo y la base de código se puede acceder en GitHub. Apreciamos sus esfuerzos para avanzar en el campo y hacer que su trabajo sea accesible para la comunidad en general.

Link to this sectionFAQ#

Link to this section¿Qué innovaciones introduce YOLOv9 para la detección de objetos en tiempo real?#

YOLOv9 introduce técnicas innovadoras como la Información de Gradiente Programable (PGI) y la Red de Agregación de Capas Eficiente Generalizada (GELAN). Estas innovaciones abordan los desafíos de pérdida de información en las redes neuronales profundas, asegurando una alta eficiencia, precisión y adaptabilidad. PGI preserva los datos esenciales a través de las capas de la red, mientras que GELAN optimiza la utilización de parámetros y la eficiencia computacional. Aprende más sobre las innovaciones principales de YOLOv9 que establecieron nuevos puntos de referencia en el conjunto de datos MS COCO.

Link to this section¿Cómo rinde YOLOv9 en el conjunto de datos MS COCO en comparación con otros modelos?#

YOLOv9 supera a los detectores de objetos en tiempo real de última generación al lograr una mayor precisión y eficiencia. En el conjunto de datos COCO, los modelos YOLOv9 exhiben puntuaciones mAP superiores en varios tamaños mientras mantienen o reducen la carga computacional. Por ejemplo, YOLOv9c logra una precisión comparable con un 42% menos de parámetros y un 21% menos de demanda computacional que YOLOv7 AF. Explora las comparaciones de rendimiento para obtener métricas detalladas.

Link to this section¿Cómo puedo entrenar un modelo YOLOv9 usando Python y CLI?#

Puedes entrenar un modelo YOLOv9 usando tanto Python como comandos CLI. Para Python, instancia un modelo usando la clase YOLO y llama al método train:

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)

Para el entrenamiento mediante CLI, ejecuta:

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

Aprende más sobre los ejemplos de uso para entrenamiento e inferencia.

Link to this section¿Cuáles son las ventajas de usar Ultralytics YOLOv9 para modelos ligeros?#

YOLOv9 está diseñado para mitigar la pérdida de información, lo cual es particularmente importante para los modelos ligeros que a menudo son propensos a perder información significativa. Al integrar la Información de Gradiente Programable (PGI) y funciones reversibles, YOLOv9 garantiza la retención de datos esenciales, mejorando la precisión y la eficiencia del modelo. Esto lo hace muy adecuado para aplicaciones que requieren modelos compactos con alto rendimiento. Para obtener más detalles, explora la sección sobre el impacto de YOLOv9 en modelos ligeros.

Link to this section¿Qué tareas y modos admite YOLOv9?#

YOLOv9 admite varias tareas, incluida la detección de objetos y la segmentación de instancias. Es compatible con múltiples modos operativos, tales como inferencia, validación, entrenamiento y exportación. Esta versatilidad hace que YOLOv9 sea adaptable a diversas aplicaciones de visión artificial en tiempo real. Consulta la sección de tareas y modos admitidos para obtener más información.