Comparaison entre YOLOv5 et YOLOv9#

Le domaine de la vision par ordinateur et de la détection d’objets en temps réel a connu des avancées remarquables au cours des dernières années. Pour les ingénieurs en machine learning, choisir entre des modèles établis et éprouvés et de nouvelles architectures issues de la recherche constitue un défi courant. Ce guide propose une comparaison technique complète de deux modèles très influents de la famille YOLO : YOLOv5 et YOLOv9.

Que tu déploies sur des appareils edge aux ressources limitées, que tu étudies l’extraction de caractéristiques haute fidélité ou que tu construises des pipelines complexes de détection d’objets, il est essentiel de comprendre les nuances architecturales, les métriques de performance et les différences entre les écosystèmes de ces modèles.

Présentation des modèles#

Avant d’examiner les comparaisons architecturales, il est utile de comprendre les origines et les principaux objectifs de chaque modèle.

Ultralytics YOLOv5#

Développé par Glenn Jocher et publié par Ultralytics le 26 juin 2020, YOLOv5 a marqué un changement de paradigme dans la manière dont les développeurs interagissaient avec les modèles de vision. En adoptant pleinement le framework PyTorch, YOLOv5 a remplacé les étapes de compilation complexes des anciens modèles basés sur Darknet par une expérience intuitive axée sur Python.

• Auteur : Glenn Jocher
• Organisation : Ultralytics
• Date : 2020-06-26
• GitHub : Dépôt YOLOv5
• Documentation : Documentation de YOLOv5

YOLOv5 est réputé pour sa facilité d’utilisation et ses performances stables sur des environnements matériels variés. Il prend en charge non seulement la détection, mais aussi la classification d’images et la segmentation d’instances.

YOLOv9#

Présenté par Chien-Yao Wang et Hong-Yuan Mark Liao de l’Institute of Information Science de l’Academia Sinica, à Taïwan, YOLOv9 met fortement l’accent sur la théorie architecturale afin d’atténuer les problèmes de goulot d’étranglement de l’information dans les réseaux neuronaux profonds.

• Auteurs : Chien-Yao Wang et Hong-Yuan Mark Liao
• Organisation : Institute of Information Science, Academia Sinica, Taïwan
• Date : 2024-02-21
• Arxiv : 2402.13616
• GitHub : Dépôt YOLOv9
• Documentation : Documentation de YOLOv9

YOLOv9 repose essentiellement sur deux innovations théoriques majeures : les informations de gradient programmables (PGI) et le réseau générique d’agrégation efficace des couches (GELAN). Ces concepts aident le modèle à préserver les caractéristiques spatiales essentielles à travers les couches profondes du réseau.

En apprends plus sur YOLOv9

Différences architecturales et techniques#

Comprendre ce qui fait fonctionner ces modèles de vision en interne est essentiel pour optimiser les stratégies de déploiement de modèles.

Extraction des caractéristiques et conservation de l’information#

YOLOv5 utilise un réseau à parties partielles entre étapes (CSPNet) comme backbone, ce qui réduit efficacement la surcharge de calcul tout en maintenant un flux de gradient précis pendant la rétropropagation. Cette conception est hautement optimisée pour les opérations GPU traditionnelles et garantit des besoins en mémoire inférieurs pendant l’entraînement par rapport aux alternatives lourdes basées sur les Transformer.

YOLOv9 introduit GELAN, une architecture générique qui étend les principes de CSPNet. Associé à PGI — une branche auxiliaire réversible —, YOLOv9 garantit que les couches profondes ne perdent pas les données sémantiques nécessaires à des fonctions objectives précises. Cela permet à YOLOv9 d’atteindre une grande précision, en particulier sur les objets de petite taille, même si les branches auxiliaires complexes peuvent parfois compliquer les pipelines d’exportation vers des appareils edge soumis à de fortes contraintes.

Besoins en mémoire et efficacité d'entraînement#

En matière d’efficacité de l’entraînement, YOLOv5 reste extrêmement robuste. L’écosystème Ultralytics bien maintenu garantit que les modèles YOLOv5 consomment nettement moins de mémoire CUDA, ce qui permet aux chercheurs de maximiser les tailles de lot sur des GPU grand public. Bien que YOLOv9 atteigne une excellente efficacité paramétrique (précision élevée par rapport à sa taille), son processus d’entraînement peut être plus exigeant en ressources s’il n’utilise pas de frameworks optimisés. Heureusement, l’intégration de YOLOv9 à l’API Ultralytics le rapproche de YOLOv5 en matière de gestion rationalisée des ressources.

Performances et métriques#

Pour évaluer objectivement ces architectures, nous comparons leurs performances sur des jeux de données standard comme COCO. Tu trouveras ci-dessous une analyse détaillée de métriques telles que la précision moyenne (mAP), la vitesse d’inférence et le nombre de paramètres.

Comme le montre le tableau, YOLOv9 atteint une précision brute supérieure à niveaux équivalents, ce qui reflète sa nouvelle architecture. Cependant, YOLOv5n maintient une latence TensorRT extrêmement faible de 1,12 ms, soulignant sa robustesse durable pour les applications d’informatique edge locales à haute vitesse.

Méthodes d’entraînement et facilité d’utilisation#

Le véritable avantage de l’utilisation de la vision par ordinateur aujourd’hui réside dans l’accessibilité de la chaîne d’outils.

L'avantage Ultralytics#

Bien que les dépôts de recherche d’origine de modèles comme YOLOv9 soient fondamentaux, ils s’accompagnent souvent de matrices de dépendances complexes et de scripts passe-partout. L’API Python d’Ultralytics fait complètement abstraction de cette complexité. Avec l’écosystème Ultralytics, tu peux entraîner, évaluer et exporter YOLOv5 comme YOLOv9 avec une syntaxe identique et unifiée.

from ultralytics import YOLO

# Load a pre-trained YOLOv5 model for fast deployment
model_v5 = YOLO("yolov5s.pt")

# Or leverage a YOLOv9 model for high-fidelity accuracy
model_v9 = YOLO("yolov9c.pt")

# Train seamlessly on custom data with automatic MLflow logging
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)

# Export the trained model to ONNX
model_v9.export(format="onnx")

Cette approche avec une API unique offre une grande polyvalence, en prenant en charge non seulement la détection, mais aussi l’estimation de pose et les boîtes englobantes orientées (OBB), selon le modèle choisi. De plus, de solides intégrations avec des outils comme Comet ML et Weights & Biases sont directement intégrées à la boucle d’entraînement.

Cas d’utilisation idéaux et applications concrètes#

Le choix entre ces architectures dépend principalement des contraintes de ton matériel et du niveau de précision requis par ton domaine d’application.

Quand choisir YOLOv5#

YOLOv5 est un vétéran éprouvé qui excelle dans les déploiements privilégiant la stabilité, une faible empreinte mémoire et une compatibilité d’exportation maximale.

• Déploiements mobiles : l’exportation de YOLOv5 vers TFLite ou CoreML pour l’inférence sur appareil sur d’anciens smartphones est extrêmement simple.
• Matériel edge ancien : pour des appareils comme le Raspberry Pi ou les NVIDIA Jetson Nano de première génération, les convolutions directes de YOLOv5 garantissent des fréquences d’images constantes pour des applications telles que la gestion intelligente des parkings.
• Prototypage rapide : la grande disponibilité de tutoriels communautaires, de poids préentraînés personnalisés et la vaste compatibilité avec les jeux de données en font le moyen le plus rapide de valider une preuve de concept.

Quand choisir YOLOv9#

YOLOv9 est idéal pour les scénarios où capturer des détails complexes et réduire au minimum les faux négatifs est absolument essentiel, même si cela exige un peu plus de puissance de calcul.

• Images aériennes et satellitaires : le framework PGI préserve particulièrement bien la fidélité des petits objets, ce qui rend YOLOv9 excellent pour la surveillance agricole basée sur des drones.
• Diagnostic par imagerie médicale : pour détecter de minuscules anomalies ou lésions dans des scans haute résolution, le flux de gradient précis de GELAN offre un avantage nécessaire en matière de rappel.
• Analyse du commerce de détail haut de gamme : le suivi de produits qui se chevauchent sur des rayons denses bénéficie considérablement des capacités supérieures de YOLOv9 à conserver les caractéristiques.

Élargis tes horizons#

Bien que la comparaison entre YOLOv5 et YOLOv9 offre une vision claire de l’évolution des architectures de 2020 à 2024, le domaine de l’IA évolue plus rapidement que jamais. Les développeurs à la recherche des performances les plus avancées sont vivement encouragés à explorer les derniers modèles YOLO26. En remplaçant la suppression traditionnelle des doublons par une conception native de bout en bout sans NMS et en utilisant l’optimiseur MuSGD avancé, YOLO26 comble l’écart entre la précision de niveau recherche et la vitesse de niveau production. Grâce à la suppression de DFL (suppression de Distribution Focal Loss pour simplifier l’exportation et améliorer la compatibilité avec les appareils edge et basse consommation), YOLO26 atteint jusqu’à 43 % d’inférence CPU plus rapide, ce qui le rend idéal pour l’informatique edge. De plus, ProgLoss + STAL fournit de meilleures fonctions de perte, avec des améliorations notables de la reconnaissance des petits objets, essentielle pour l’IoT, la robotique et l’imagerie aérienne.

Tu pourrais également être intéressé par une comparaison de ces architectures avec d’autres modèles de pointe comme RT-DETR ou le très performant YOLO11. L’utilisation du framework Ultralytics unifié garantit que, quel que soit le modèle choisi, ton pipeline de développement reste propre, efficace et prêt à évoluer.