YOLOv9 vs YOLO26#

Il panorama del rilevamento degli oggetti in tempo reale si è evoluto significativamente negli ultimi anni. Poiché i professionisti del machine learning cercano di distribuire i modelli su una varietà di hardware, scegliere l'architettura giusta è fondamentale. In questa guida tecnica completa, confrontiamo due importanti traguardi nel campo della visione artificiale: YOLOv9, introdotto all'inizio del 2024 con particolare attenzione alle ottimizzazioni dei percorsi del gradiente, e Ultralytics YOLO26, il più recente framework all'avanguardia rilasciato all'inizio del 2026, che ridefinisce completamente l'inferenza edge e la stabilità dell'addestramento.

Riepilogo esecutivo: genealogia e autori dei modelli#

Comprendere le origini di questi modelli di deep learning fornisce un contesto prezioso sulle scelte progettuali dell'architettura e sui relativi destinatari.

YOLOv9#

Scritto da Chien-Yao Wang e Hong-Yuan Mark Liao dell'Institute of Information Science presso Academia Sinica a Taiwan, YOLOv9 è stato rilasciato il 21 febbraio 2024. Il modello si concentra fortemente sui concetti teorici del deep learning, affrontando in particolare il problema del collo di bottiglia dell'informazione nelle reti neurali convoluzionali profonde (CNNs).

Scopri di più su YOLOv9

Ultralytics YOLO26#

Scritto da Glenn Jocher e Jing Qiu presso Ultralytics, YOLO26 è stato rilasciato il 14 gennaio 2026. Basandosi sull'enorme successo dei predecessori come YOLO11 e YOLOv8, YOLO26 è stato progettato da zero per dare priorità alla prontezza per la produzione, alla distribuzione edge e all'efficienza end-to-end nativa.

Innovazioni architetturali#

Entrambi i modelli introducono cambiamenti rivoluzionari nel modo in cui le reti neurali elaborano i dati visivi, ma affrontano il problema da prospettive diverse.

Informazioni programmabili sul gradiente in YOLOv9#

Il contributo principale di YOLOv9 al settore è l'introduzione delle informazioni programmabili sul gradiente (PGI) e della rete generalizzata per l'aggregazione efficiente dei livelli (GELAN). Man mano che le reti neurali diventano più profonde, spesso subiscono una perdita di informazioni durante il processo feed-forward. PGI garantisce che i gradienti utilizzati per aggiornare i pesi durante la retropropagazione rimangano accurati e affidabili, consentendo all'architettura GELAN di raggiungere un'elevata accuratezza con meno parametri.

Tuttavia, YOLOv9 dipende fortemente dalla tradizionale soppressione non massima (NMS) per il post-processing, che può diventare un collo di bottiglia per la latenza durante l'inferenza nel mondo reale.

L'architettura edge-first di YOLO26#

YOLO26 adotta un approccio radicalmente diverso, ottimizzando l'intera pipeline dall'addestramento alla distribuzione in tempo reale. Si basa sul design end-to-end senza NMS, introdotto per la prima volta in YOLOv10, eliminando completamente la necessità del post-processing NMS. Il risultato è una latenza estremamente bassa, che lo rende fortemente ottimizzato per dispositivi edge come Raspberry Pi o NVIDIA Jetson.

Inoltre, YOLO26 rimuove completamente la perdita focale della distribuzione (DFL). Questo cambiamento strutturale semplifica l'esportazione in ONNX del modello e offre una compatibilità significativamente migliore con i microcontrollori a basso consumo.

Per la fase di addestramento, YOLO26 integra il nuovo ottimizzatore MuSGD, un ibrido tra discesa stocastica del gradiente e Muon (ispirato alle metodologie di addestramento degli LLM di Kimi K2 di Moonshot AI). Questo colma il divario tra le innovazioni nell'addestramento dei modelli linguistici di grandi dimensioni (LLM) e la visione artificiale, offrendo un addestramento molto più stabile e tempi di convergenza più rapidi.

Confronto di prestazioni e metriche#

Nei benchmark eseguiti sul dataset COCO, entrambi i modelli dimostrano capacità eccezionali, ma l'ecosistema Ultralytics eccelle nelle velocità di inferenza pratiche e nell'efficienza dei parametri.

Analisi dei risultati#

• Velocità ed efficienza: poiché YOLO26 utilizza un'architettura senza NMS e funzioni di perdita semplificate, offre un'inferenza su CPU fino al 43% più veloce rispetto alle architetture tradizionali. Il modello YOLO26n raggiunge l'impressionante tempo di 1,7 ms su una GPU NVIDIA T4 utilizzando TensorRT, diventando la scelta ideale per i flussi video in tempo reale.
• Accuratezza: il modello YOLO26x raggiunge un valore di 57,5 mAP senza precedenti, superando il modello YOLOv9e più grande e mantenendo al contempo una latenza inferiore.
• Requisiti di memoria: i modelli Ultralytics sono noti per la loro efficienza. YOLO26 richiede una quantità significativamente inferiore di memoria CUDA durante l'addestramento del modello e l'inferenza rispetto ai complessi modelli di visione basati su Transformer, consentendo agli sviluppatori di utilizzare batch size più grandi su hardware di livello consumer.

Ecosistema, facilità d'uso e versatilità#

La vera forza dell'ecosistema Ultralytics risiede nella sua esperienza utente. Mentre i ricercatori che utilizzano la codebase GitHub di YOLOv9 devono gestire configurazioni complesse dell'ambiente e script manuali, YOLO26 è completamente integrato nell'intuitiva API Python di Ultralytics.

Esempio di API semplificato#

Addestrare un modello YOLO26 all'avanguardia richiede solo poche righe di codice Python:

from ultralytics import YOLO

# Load the latest native end-to-end YOLO26 model
model = YOLO("yolo26s.pt")

# Train the model effortlessly with the default MuSGD optimizer
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export natively to ONNX format in a single command
model.export(format="onnx")

Versatilità senza pari nelle attività#

A differenza di YOLOv9, progettato principalmente per il rilevamento standard degli oggetti, YOLO26 supporta nativamente una vasta gamma di attività di visione artificiale senza configurazioni aggiuntive. L'architettura include miglioramenti specifici per applicazioni diverse:

• Segmentazione delle istanze: include una funzione di perdita specializzata per la segmentazione semantica e un proto multiscala per maschere impeccabili a livello di pixel.
• Stima della posa: integra la stima della log-verosimiglianza residua (RLE) per tracciare i keypoint scheletrici con estrema precisione.
• Bounding box orientati (OBB): include una funzione di perdita dell'angolo specializzata, progettata specificamente per risolvere i problemi ai bordi nel rilevamento di oggetti ruotati per le immagini aeree.
• Classificazione delle immagini: categorizzazione robusta di immagini intere basata sugli standard di ImageNet.

Applicazioni nel mondo reale#

La scelta tra questi modelli dipende spesso dall'ambiente in cui verranno distribuiti.

IoT e robotica edge#

Per la robotica, i droni autonomi e i dispositivi IoT per la casa intelligente, YOLO26 è il campione indiscusso. L'integrazione di ProgLoss + STAL apporta miglioramenti significativi al riconoscimento degli oggetti di piccole dimensioni, fondamentale per il monitoraggio agricolo effettuato da droni ad alta quota. In combinazione con un'inferenza su CPU più veloce del 43% e un design senza NMS, YOLO26 può funzionare fluidamente su hardware privo di GPU dedicate.

Ricerca accademica e analisi dei gradienti#

YOLOv9 rimane un modello molto apprezzato negli ambienti accademici. I ricercatori che studiano i limiti teorici del flusso dei gradienti o che desiderano creare livelli PyTorch personalizzati basati sul concetto PGI troveranno la codebase di YOLOv9 un'eccellente base per esplorare la teoria del deep learning.

Pipeline di produzione ad alta velocità#

In contesti industriali, come il rilevamento dei difetti automatizzato su nastri trasportatori ad alta velocità, le velocità fulminee di TensorRT dei modelli YOLO26 garantiscono che non vengano persi fotogrammi, massimizzando la produttività dei sistemi di controllo qualità.

Casi d'uso e raccomandazioni#

La scelta tra YOLOv9 e YOLO26 dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze relative all'ecosistema.

Quando scegliere YOLOv9#

YOLOv9 è una scelta valida per:

• Ricerca sui colli di bottiglia informativi: progetti accademici che studiano le architetture basate sulle Informazioni programmabili sul gradiente (PGI) e sulla Rete generalizzata per l'aggregazione efficiente dei livelli (GELAN).
• Studi sull'ottimizzazione del flusso del gradiente: ricerche incentrate sulla comprensione e sulla mitigazione della perdita di informazioni nei livelli delle reti profonde durante l'addestramento.
• Benchmarking del rilevamento ad alta accuratezza: scenari in cui le solide prestazioni di YOLOv9 sul benchmark COCO sono necessarie come punto di riferimento per confronti architetturali.

Quando scegliere YOLO26#

YOLO26 è consigliato per:

• Deployment edge senza NMS: applicazioni che richiedono un'inferenza coerente e a bassa latenza senza la complessità della post-elaborazione con Soppressione non massima.
• Ambienti esclusivamente CPU: dispositivi privi di accelerazione GPU dedicata, dove l'inferenza su CPU fino al 43% più veloce di YOLO26 offre un vantaggio decisivo.
• Rilevamento di oggetti piccoli: scenari complessi come le immagini aeree riprese da droni o l'analisi di sensori IoT, in cui ProgLoss e STAL migliorano significativamente l'accuratezza sugli oggetti di piccole dimensioni.

Conclusioni#

Entrambi i modelli rappresentano passi avanti straordinari per la comunità open source. YOLOv9 ha introdotto importanti miglioramenti teorici al flusso dei gradienti, che ispireranno le architetture per gli anni a venire. Tuttavia, per gli sviluppatori moderni, le startup e i team aziendali che cercano un equilibrio impeccabile tra velocità, accuratezza e facilità di distribuzione, Ultralytics YOLO26 è la scelta consigliata.

Eliminando NMS, introducendo il potente ottimizzatore MuSGD e fornendo una suite di strumenti senza pari per le attività di rilevamento, segmentazione e stima della posa, YOLO26 garantisce che i tuoi progetti di visione artificiale siano basati sul framework più affidabile e a prova di futuro oggi disponibile.