YOLOv9 vs PP-YOLOE+
Il panorama del rilevamento degli oggetti in tempo reale continua a evolversi rapidamente, offrendo agli ingegneri di computer vision un'ampia scelta di modelli molto accurati da distribuire su infrastrutture edge e cloud. Due modelli di spicco in questo ambito sono YOLOv9 e PP-YOLOE+. Entrambi offrono un'elevata accuratezza e velocità, ma provengono da tradizioni di ricerca e da ecosistemi software diversi.
Questo confronto tecnico analizza le architetture, le metodologie di addestramento, le metriche di prestazione e le applicazioni ideali nel mondo reale. Spiega inoltre come il più ampio ecosistema Ultralytics sia utile agli sviluppatori che danno priorità alla facilità d'uso, all'efficienza della memoria e alla versatilità della distribuzione.
Origini dei modelli e specifiche tecniche#
Conoscere il contesto di questi modelli aiuta a comprendere le scelte architetturali e le dipendenze dai framework.
YOLOv9: risolvere il collo di bottiglia informativo#
Presentato all'inizio del 2024, YOLOv9 affronta la perdita di dati che si verifica quando le informazioni attraversano reti neurali profonde. È una rete neurale convoluzionale efficiente, progettata per massimizzare l'efficienza dei parametri.
- Autori: Chien-Yao Wang, Hong-Yuan Mark Liao
- Organizzazione: Institute of Information Science, Academia Sinica, Taiwan
- Data: 21 febbraio 2024
- arXiv: 2402.13616
- GitHub: WongKinYiu/yolov9
- Documentazione: Documentazione di Ultralytics YOLOv9
PP-YOLOE+: innovazione nell'ecosistema Paddle#
Rilasciato da Baidu nel 2022, PP-YOLOE+ è un miglioramento iterativo di PP-YOLOv2. Usa un design senza ancoraggi e introduce una strategia dinamica di assegnazione delle etichette per migliorare la convergenza e l'accuratezza nel framework PaddlePaddle.
- Autori: Autori di PaddlePaddle
- Organizzazione: Baidu
- Data: 2 aprile 2022
- arXiv: 2203.16250
- GitHub: PaddleDetection
- Documentazione: Configurazione di PP-YOLOE+
Confronto architetturale#
Informazioni programmabili sul gradiente vs. CSPRepResStage#
L'innovazione principale di YOLOv9 è Informazioni programmabili sul gradiente (PGI). PGI funge da framework di supervisione ausiliaria, garantendo che le informazioni essenziali sui gradienti vengano preservate e propagate correttamente fino ai livelli superficiali durante l'addestramento. A questo si affianca la Rete efficiente generalizzata di aggregazione dei livelli (GELAN), che combina i punti di forza di CSPNet ed ELAN per offrire un'elevata accuratezza riducendo al contempo il costo computazionale (FLOPs).
PP-YOLOE+ si basa su un backbone specializzato chiamato CSPRepResStage. Sfrutta tecniche di riparametrizzazione, simili a quelle di RepVGG, per accelerare l'inferenza unendo i livelli convoluzionali durante la distribuzione. Inoltre, utilizza la testa Efficient Task-aligned (ET-head) per bilanciare le attività di classificazione e regressione.
PP-YOLOE+ è robusto, ma l'architettura GELAN di YOLOv9 usa meno parametri a ogni dimensione, garantendo un'impronta di memoria ridotta durante l'inferenza e rendendolo particolarmente adatto ai dispositivi edge AI.
Confronto delle prestazioni#
Quando valuti i modelli per la produzione, è fondamentale considerare il compromesso tra mAP (precisione media), velocità di inferenza e dimensioni del modello.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (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 |
Analisi#
- Efficienza dei parametri: YOLOv9 è più efficiente in termini di parametri. Ad esempio, YOLOv9c raggiunge un mAP del 53.0% con soli 25.5M di parametri, mentre PP-YOLOE+l richiede più del doppio dei parametri (52.2M) per ottenere un mAP leggermente inferiore, pari al 52.9%, aumentando così il fabbisogno di memoria di YOLOv9. PP-YOLOE+ usa effettivamente meno FLOPs nelle dimensioni s e m.
- Velocità di inferenza: YOLOv9 raggiunge velocità competitive con TensorRT sulle GPU NVIDIA T4; YOLOv9t è il modello più veloce in questo confronto, mentre PP-YOLOE+ è più veloce nelle dimensioni s, m e x. Entrambe le famiglie sono adatte all'inferenza in tempo reale.
Metodologie di training ed ecosistema#
Spesso, la scelta tra questi modelli dipende dall'ecosistema software.
PP-YOLOE+ e PaddlePaddle#
PP-YOLOE+ è strettamente integrato con la suite PaddleDetection. Pur essendo potente, richiede agli utenti di orientarsi in un ambiente basato sulla riga di comando e ricco di file di configurazione. Per i team che lavorano soprattutto negli ecosistemi PyTorch o TensorFlow, passare a PaddlePaddle comporta notevoli difficoltà e una curva di apprendimento più ripida.
I vantaggi di Ultralytics: flussi di lavoro semplificati#
Al contrario, YOLOv9 è supportato nell'ecosistema Ultralytics, pensato per sviluppatori e ricercatori e progettato per dare priorità alla facilità d'uso. La API Python elimina gran parte del codice boilerplate.
from ultralytics import YOLO
# Carica un modello YOLOv9 preaddestrato
model = YOLO("yolov9c.pt")
# Addestra su un dataset personalizzato
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Esegui l'inferenza e visualizza i risultati
results = model("https://ultralytics.com/images/bus.jpg")
# Esporta in ONNX per il deployment in produzione
model.export(format="onnx")Questo flusso di lavoro evidenzia l'efficienza di addestramento dei modelli Ultralytics. Il supporto nativo per l'aumento dei dati, l'addestramento distribuito e la registrazione automatica su piattaforme come Weights & Biases o MLflow è incluso.
YOLOv9 offre buone prestazioni, ma Ultralytics consiglia Ultralytics YOLO26 per i nuovi progetti. YOLO26 include un design end-to-end senza NMS nativo (opzionale tramite nms=False) che elimina la post-elaborazione con soppressione dei non massimi (NMS) e semplifica la distribuzione. Grazie alla rimozione della DFL (Distribution Focal Loss eliminata per semplificare l'esportazione e migliorare la compatibilità con dispositivi edge e a basso consumo), YOLO26n offre un'inferenza su CPU fino al 43% più veloce di YOLO11n per l'edge computing. L'ottimizzatore MuSGD garantisce un addestramento stabile e una convergenza rapida, mentre ProgLoss + STAL (Progressive Loss e assegnazione delle etichette consapevole degli oggetti piccoli) migliorano il rilevamento degli oggetti piccoli, fondamentale per IoT, robotica e immagini aeree.
Versatilità e supporto delle attività#
I moderni progetti di visione artificiale raramente si limitano alle semplici bounding box.
PP-YOLOE+ è progettato principalmente per il rilevamento standard degli oggetti. Adattarne l'architettura ad altre attività richiede un notevole lavoro di sviluppo personalizzato.
Al contrario, il framework Ultralytics supporta più attività. Grazie a un'API unificata, gli sviluppatori possono passare dal rilevamento standard degli oggetti alla segmentazione di istanze, alla classificazione delle immagini, alla stima della posa e al rilevamento di riquadri di delimitazione orientati (OBB) per le immagini aeree. Questa versatilità è uno dei motivi principali per cui i team scelgono modelli supportati da Ultralytics come YOLOv9, YOLO11 e YOLO26.
Casi d'uso e applicazioni ideali#
- Analisi delle smart city e gestione del traffico: l'elevata efficienza dei parametri e la bassa latenza di YOLOv9 (e del successivo YOLO26) li rendono adatti alla distribuzione su hardware edge con risorse limitate, come i dispositivi NVIDIA Jetson, per monitorare il flusso del traffico e la sicurezza urbana.
- Sistemi di gestione delle scorte nel commercio al dettaglio: per rilevare configurazioni dense di piccoli oggetti sugli scaffali, PGI di YOLOv9 aiuta a mantenere i dettagli spaziali più fini, migliorando il rilevamento degli oggetti piccoli.
- Distribuzioni legacy: PP-YOLOE+ resta una soluzione pratica per i team che devono usare lo stack software Baidu/PaddlePaddle nell'infrastruttura esistente.
Per i ricercatori che studiano le architetture basate su Transformer, Ultralytics supporta nativamente anche RT-DETR nella stessa API, così puoi scegliere il modello più adatto ai requisiti della tua distribuzione.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.