YOLOv5 vs. YOLOv9
O cenário da visão computacional e da detecção de objetos em tempo real avançou consideravelmente nos últimos anos. Escolher entre modelos consolidados e testados em campo e arquiteturas de pesquisa mais recentes é um desafio comum para engenheiros de machine learning. Este guia apresenta uma comparação técnica abrangente de dois modelos bastante influentes da família YOLO: YOLOv5 e YOLOv9.
Quer estejas implementando em dispositivos de borda com recursos limitados, pesquisando a extração de características de alta fidelidade ou criando pipelines complexos de detecção de objetos, é importante entender as diferenças arquiteturais, as métricas de desempenho e o suporte do ecossistema desses modelos.
Visão geral dos modelos#
Antes de analisar as comparações arquiteturais, é útil entender as origens e os principais objetivos de cada modelo.
Ultralytics YOLOv5#
Desenvolvido por Glenn Jocher e lançado pela Ultralytics em 26 de junho de 2020, o YOLOv5 mudou a forma como os desenvolvedores interagiam com modelos de visão. Ao adotar plenamente o framework PyTorch, o YOLOv5 substituiu as complexas etapas de compilação dos modelos anteriores baseados em Darknet por uma experiência intuitiva, centrada em Python.
- Autor: Glenn Jocher
- Organização: Ultralytics
- Data: 2020-06-26
- GitHub: Repositório YOLOv5
- Documentação: Documentação do YOLOv5
O YOLOv5 é conhecido pela facilidade de uso e pelo desempenho estável em diversos ambientes de hardware. Ele oferece suporte não apenas à detecção, mas também à segmentação de instâncias e à classificação de imagens.
YOLOv9#
Apresentado por Chien-Yao Wang e Hong-Yuan Mark Liao, do Instituto de Ciências da Informação da Academia Sinica, em Taiwan, o YOLOv9 se concentra fortemente na teoria arquitetural para mitigar problemas de gargalo de informação em redes neurais profundas.
- Autores: Chien-Yao Wang e Hong-Yuan Mark Liao
- Organização: Instituto de Ciências da Informação, Academia Sinica, Taiwan
- Data: 2024-02-21
- arXiv: 2402.13616
- GitHub: Repositório do YOLOv9
- Documentação: Documentação do YOLOv9
O YOLOv9 se baseia em duas grandes inovações teóricas: Informação de Gradiente Programável (PGI) e Rede Generalizada de Agregação Eficiente de Camadas (GELAN). Esses conceitos ajudam o modelo a preservar características espaciais essenciais ao longo das camadas profundas da rede.
Embora YOLOv5 e YOLOv9 sejam poderosos, o mais recente YOLO26 oferece um ótimo equilíbrio entre velocidade e precisão. Com inferência opcional de ponta a ponta sem NMS e inferência na CPU até 43% mais rápida (YOLO26n em comparação com YOLO11n), o YOLO26 é recomendado para computação de borda moderna e implantações em produção.
Diferenças arquiteturais e técnicas#
Entender o que impulsiona esses modelos de visão internamente é essencial para otimizar as estratégias de implantação de modelos.
Extração e retenção de características#
O YOLOv5 usa uma espinha dorsal Cross Stage Partial Network (CSPNet), que reduz efetivamente a sobrecarga computacional e mantém um fluxo de gradiente preciso durante a retropropagação. Esse design é altamente otimizado para operações de GPU tradicionais e garante requisitos de memória menores durante o treinamento em comparação com alternativas pesadas baseadas em Transformer.
O YOLOv9 introduz o GELAN, uma arquitetura genérica que amplia os princípios do CSPNet. Combinado ao PGI — um ramo auxiliar reversível —, o YOLOv9 ajuda as camadas profundas a reter as informações semânticas necessárias para calcular gradientes confiáveis. Isso permite que o YOLOv9 alcance alta precisão, especialmente em objetos menores.
Requisitos de memória e eficiência de treinamento#
Em termos de eficiência de treinamento, o YOLOv5 continua se destacando. O ecossistema Ultralytics, bem mantido, garante que os modelos YOLOv5 consumam significativamente menos memória CUDA, permitindo que os pesquisadores maximizem os tamanhos dos lotes em GPUs de consumo. Embora o YOLOv9 tenha excelente eficiência de parâmetros (alta precisão em relação ao seu tamanho), o processo de treinamento pode consumir mais recursos se não forem usados frameworks otimizados. Felizmente, integrar o YOLOv9 à API da Ultralytics aproxima sua gestão de recursos simplificada daquela do YOLOv5.
Desempenho e métricas#
A tabela abaixo compara o desempenho dos modelos no conjunto de dados COCO, incluindo mAP (precisão média), velocidade de inferência e quantidade de parâmetros.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| 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 |
Como mostra a tabela, o YOLOv9 alcança maior precisão absoluta em categorias equivalentes, refletindo sua arquitetura mais recente. No entanto, o YOLOv5n mantém uma latência baixa de 1,12 ms com T4 TensorRT, destacando sua força duradoura em aplicações de computação de borda localizadas e de alta velocidade.
Metodologias de treinamento e facilidade de uso#
Hoje, grande parte do valor prático da visão computacional está na acessibilidade da cadeia de ferramentas.
A vantagem da Ultralytics#
Embora os repositórios de pesquisa originais de modelos como o YOLOv9 sejam fundamentais, eles geralmente vêm acompanhados de matrizes de dependências complexas e scripts boilerplate. A API Python da Ultralytics abstrai a maior parte dessa complexidade. Com o ecossistema Ultralytics, podes treinar, avaliar e exportar YOLOv5 e YOLOv9 usando a mesma sintaxe unificada.
from ultralytics import YOLO
# Carrega um modelo YOLOv5 pré-treinado para implantação rápida
model_v5 = YOLO("yolov5su.pt") # YOLOv5u: pesos YOLOv5 sem âncoras para o pacote ultralytics
# Ou aproveita um modelo YOLOv9 para obter alta precisão
model_v9 = YOLO("yolov9c.pt")
# Treina com o conjunto de dados de exemplo COCO8
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)
# Exporta o modelo treinado para ONNX
model_v9.export(format="onnx")Essa abordagem de API única oferece ampla versatilidade, com suporte não apenas à detecção, mas também à segmentação de instâncias, à estimativa de pose e às caixas delimitadoras orientadas (OBB), dependendo do modelo escolhido. Integrações com ferramentas como Comet e Weights & Biases também estão incorporadas ao ciclo de treinamento.
Casos de uso ideais e aplicações no mundo real#
A escolha entre essas arquiteturas depende principalmente das restrições do seu hardware e da precisão exigida pelo domínio da sua aplicação.
Quando escolher o YOLOv5#
O YOLOv5 é um modelo maduro, adequado para implantações que priorizam estabilidade, baixo consumo de memória e ampla compatibilidade de exportação.
- Implantações móveis: Exportar o YOLOv5 para LiteRT ou CoreML para inferência no dispositivo em smartphones mais antigos é simples.
- Hardware de borda legado: Em dispositivos como Raspberry Pi ou os primeiros NVIDIA Jetson Nano, as convoluções simples do YOLOv5 ajudam a manter taxas de quadros consistentes em aplicações como a gestão inteligente de estacionamentos.
- Prototipagem rápida: A ampla disponibilidade de tutoriais da comunidade, pesos pré-treinados personalizados e compatibilidade com diversos conjuntos de dados fazem dele a maneira mais rápida de validar uma prova de conceito.
Quando escolher o YOLOv9#
O YOLOv9 é ideal para cenários em que capturar detalhes minuciosos e minimizar falsos negativos é fundamental, mesmo que isso exija um pouco mais de recursos computacionais.
- Imagens aéreas e de satélite: O framework PGI ajuda a preservar a fidelidade de objetos pequenos, tornando o YOLOv9 excelente para o monitoramento agrícola com drones.
- Diagnóstico por imagens médicas: Ao detectar anomalias ou lesões minúsculas em exames de alta resolução, o fluxo preciso de gradientes da GELAN oferece uma vantagem necessária na revocação.
- Análise de varejo de alto nível: O rastreamento de produtos sobrepostos em prateleiras densamente ocupadas se beneficia da maior retenção de características do YOLOv9.
Amplie seus horizontes#
Embora comparar YOLOv5 e YOLOv9 ofereça uma visão clara da evolução das arquiteturas entre 2020 e 2024, a área continua avançando rapidamente. Para desenvolvedores que desejam o desempenho mais recente, os modelos YOLO26 são a opção recomendada. Ao oferecer um design nativo de ponta a ponta sem NMS (nms=False) como alternativa à supressão não máxima tradicional e utilizar o avançado otimizador MuSGD, o YOLO26 reduz a distância entre a precisão de nível de pesquisa e a velocidade de nível de produção. Com a remoção da DFL (Distribution Focal Loss removida para simplificar a exportação e melhorar a compatibilidade com dispositivos de borda e baixo consumo), o YOLO26n alcança inferência na CPU até 43% mais rápida do que o YOLO11n, sendo adequado para computação de borda. Além disso, ProgLoss + STAL combina uma perda progressiva com a atribuição de rótulos sensível a objetos pequenos para melhorar significativamente o reconhecimento de objetos pequenos, algo essencial para IoT, robótica e imagens aéreas.
Também pode ser interessante comparar essas arquiteturas com outros modelos, como YOLOv5 vs RT-DETR ou YOLOv5 vs YOLO11. O framework unificado da Ultralytics mantém a consistência do teu pipeline de desenvolvimento, independentemente do modelo escolhido.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.