Começar

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.

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.

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.

Saiba mais sobre o YOLOv9

Prepare suas implantações para o futuro

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.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

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.