YOLOv9 vs YOLOv6-3.0#

L’évolution de la détection d’objets en temps réel est portée par des innovations continues dans les architectures de réseaux neuronaux, optimisant l’équilibre délicat entre vitesse d’inférence, précision et efficacité des calculs. Alors que les développeurs et les chercheurs explorent le paysage dense des frameworks de vision par ordinateur, comparer les principales architectures est essentiel pour sélectionner l’outil adapté à chaque tâche.

Ce guide technique propose une comparaison approfondie de deux modèles très performants : YOLOv9, réputé pour la conservation des informations dans l’apprentissage profond, et YOLOv6-3.0, un modèle spécifiquement conçu pour les applications industrielles.

Présentation de YOLOv9 : maximiser la conservation des caractéristiques#

Introduit au début de 2024, YOLOv9 s’attaque à l’un des défis les plus persistants des réseaux neuronaux profonds : la perte d’informations lors du processus de propagation avant. En garantissant la fiabilité des gradients et la conservation des données essentielles dans les cartes de caractéristiques, il repousse les limites de la précision théorique.

• Auteurs : Chien-Yao Wang et Hong-Yuan Mark Liao
• Organisation : Institute of Information Science, Academia Sinica, Taïwan
• Date : 21 février 2024
• Liens : Article Arxiv, Dépôt GitHub

Architecture et méthodologies#

YOLOv9 introduit le concept d’informations de gradient programmables (PGI), associé au réseau d’agrégation de couches efficace généralisé (GELAN). PGI s’attaque au goulot d’étranglement informationnel en fournissant une supervision auxiliaire qui garantit que le réseau principal apprend des caractéristiques robustes et fiables sans ajouter de surcharge lors de l’inférence. Parallèlement, GELAN optimise l’utilisation des paramètres, permettant au modèle d’atteindre une précision moyenne (mAP) de pointe tout en maintenant un coût de calcul raisonnable. Cela en fait un choix exceptionnel pour l’analyse d’images médicales ou la détection d’objets extrêmement petits, lorsque la fidélité des caractéristiques est essentielle.

En savoir plus sur YOLOv9

Présentation de YOLOv6-3.0 : conçu pour l’échelle industrielle#

Développé par Meituan, YOLOv6-3.0 (également appelé v3.0) est conçu depuis zéro pour répondre aux exigences des applications industrielles intensives. Sorti au début de 2023, il met fortement l’accent sur l’efficacité du déploiement et propose une gamme de modèles compatibles avec la quantification, qui excellent sur le matériel edge.

• Auteurs : Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu et Xiangxiang Chu
• Organisation : Meituan
• Date : 13 janvier 2023
• Liens : Article Arxiv, Dépôt GitHub

Architecture et méthodologies#

YOLOv6-3.0 se distingue par ses stratégies RepOptimizer et d’entraînement assisté par ancres (AAT). Le modèle utilise une conception de réseau neuronal adaptée au matériel, inspirée de RepVGG, qui lui permet de s’exécuter particulièrement rapidement sur les GPU lors de l’inférence grâce à la fusion des couches. La mise à jour 3.0 affine davantage l’architecture en introduisant un module de concaténation bidirectionnelle (BiC) afin d’améliorer la précision de localisation. Comme il est hautement optimisé pour des formats de déploiement tels que TensorRT et OpenVINO, YOLOv6-3.0 est fréquemment adopté dans la logistique, l’automatisation industrielle et les environnements serveur à haut débit.

En savoir plus sur YOLOv6-3.0

Comparaison des performances#

Lorsque nous évaluons ces modèles sur le jeu de données COCO standard, nous pouvons observer des compromis distincts entre la précision et la vitesse d’inférence brute.

Analyse technique#

Alors que YOLOv6-3.0n remporte la palme de la vitesse brute sur du matériel T4 (1,17 ms), YOLOv9t parvient à obtenir une mAP légèrement supérieure (38,3 %) tout en utilisant moins de la moitié des paramètres (2,0 M contre 4,7 M) et nettement moins de FLOPs. Pour les exigences complexes nécessitant une grande précision, le YOLOv9e massif porte la mAP à 55,6 %, illustrant la puissance de l’architecture PGI dans les réseaux profonds.

L’avantage de l’écosystème Ultralytics#

Quelle que soit la philosophie architecturale du modèle qui te séduit, les implémenter nativement via l’API Python Ultralytics offre une expérience développeur supérieure.

Facilité d'utilisation et efficacité de l'entraînement#

L’entraînement de modèles complexes d’apprentissage profond nécessite traditionnellement une grande quantité de code répétitif. La plateforme Ultralytics abstrait ces complexités. Que tu ajustes YOLOv9 pour la détection de défauts ou que tu exportes YOLOv6 pour des applications mobiles, le workflow reste remarquablement cohérent.

De plus, les architectures Ultralytics affichent généralement des besoins en mémoire CUDA inférieurs lors de l’entraînement à ceux des modèles volumineux basés sur des Transformer. Les développeurs peuvent ainsi utiliser des tailles de batch plus importantes sur des GPU grand public, ce qui améliore considérablement l’efficacité de l’entraînement.

from ultralytics import YOLO

# Easily swap architectures by changing the weights file string
# model = YOLO("yolov6n.pt")
model = YOLO("yolov9c.pt")

# Train the model with built-in data augmentation and caching
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Export to ONNX or TensorRT seamlessly
model.export(format="engine", quantize=16)

Une polyvalence inégalée pour les tâches de vision#

Alors que YOLOv6-3.0 est fortement optimisé pour générer rapidement des boîtes englobantes, les projets modernes de vision par ordinateur nécessitent souvent une approche multitâche. Les modèles Ultralytics sont réputés pour leur extrême polyvalence. Avec des outils comme Ultralytics YOLOv8 et le plus récent YOLO26, un seul framework prend en charge de manière fluide la détection d’objets, la segmentation d’instances, la classification d’images, l’estimation de pose et les boîtes englobantes orientées (OBB).

Présentation de YOLO26 : le nouveau standard#

Pour les organisations qui souhaitent maximiser à la fois les performances et la simplicité du déploiement, YOLO26 représente la convergence ultime entre vitesse et précision.

S’appuyant sur les réussites de YOLO11, YOLO26 introduit plusieurs fonctionnalités qui changent la donne :

• Optimiseur MuSGD : Inspiré de techniques d’entraînement des grands modèles de langage (LLM), comme Kimi K2 de Moonshot AI, cet optimiseur hybride garantit un entraînement extrêmement stable et une convergence rapide.
• Suppression de DFL : En supprimant la perte focale de distribution, YOLO26 simplifie le graphe d’exportation et le rend nettement plus compatible avec les puces de calcul edge basse consommation.
• ProgLoss + STAL : Ces fonctions de perte avancées améliorent notablement la reconnaissance des petits objets, ce qui est essentiel pour les opérations de drones et les applications IoT.
• Améliorations spécifiques aux tâches : YOLO26 intègre le prototypage natif mult échelle pour la segmentation, l’estimation résiduelle de log-vraisemblance (RLE) pour le suivi squelettique et des algorithmes spécialisés de perte angulaire pour résoudre les cas limites de la détection OBB.

Scénarios de déploiement idéaux#

Le choix de l’architecture adaptée dépend finalement de tes contraintes de production.

Choisis YOLOv6-3.0 si tu disposes d’un pipeline établi dans la production industrielle, si tu relies fortement sur la quantification et si tu utilises des accélérateurs d’inférence spécialisés nécessitant la latence matérielle absolue la plus faible, inférieure à la milliseconde.

Choisis YOLOv9 si tu travailles sur des diagnostics médicaux complexes ou de la surveillance à longue portée, où il n’est pas possible de manquer des caractéristiques subtiles au niveau du pixel.

Cependant, pour une approche parfaitement équilibrée offrant une précision de pointe associée à un déploiement simplifié sans NMS, Ultralytics YOLO26 s’impose comme la recommandation définitive pour l’ingénierie moderne de la vision par ordinateur. Son cycle de développement actif, sa documentation complète et le soutien dynamique de sa communauté en font un outil indispensable pour les chercheurs comme pour les développeurs.