YOLOv9 vs YOLOv10
O panorama da visão computacional em tempo real avançou rapidamente à medida que os investigadores continuam a melhorar o equilíbrio entre desempenho e eficiência. Na evolução dos modelos de visão de última geração, YOLOv9 e YOLOv10 são dois marcos importantes. Lançados no início de 2024, ambos os modelos introduziram alterações arquitetónicas significativas para abordar desafios persistentes nas redes neurais profundas, desde gargalos de informação até à latência do pós-processamento.
Esta comparação técnica analisa as arquiteturas, as métricas de desempenho e os cenários de implementação ideais para te ajudar a escolher o modelo de deteção de objetos certo.
Origens e arquitetura dos modelos#
Compreender a linhagem e os fundamentos teóricos destes modelos é essencial para escolher a arquitetura certa para o teu projeto específico de visão computacional.
YOLOv9: Dominar o Fluxo de Informação#
Apresentado a 21 de fevereiro de 2024, o YOLOv9 aborda o problema teórico da perda de informação à medida que os dados atravessam redes neuronais profundas.
- Autores: Chien-Yao Wang e Hong-Yuan Mark Liao
- Organização: Instituto de Ciência da Informação, Academia Sinica, Taiwan
- Referência: Artigo do YOLOv9 no arXiv
- Repositório: GitHub do YOLOv9
YOLOv9 introduz a rede generalizada e eficiente de agregação de camadas (GELAN), que maximiza a utilização dos parâmetros ao combinar os pontos fortes de CSPNet e ELAN. Além disso, utiliza a informação de gradiente programável (PGI), um mecanismo de supervisão auxiliar que garante que as camadas profundas preservem informações espaciais essenciais. Isto torna YOLOv9 eficaz em tarefas que exigem alta fidelidade das características, como a análise de imagens médicas ou a vigilância de alvos distantes.
YOLOv10: Eficiência Integral em Tempo Real#
Lançado pouco depois, em 23 de maio de 2024, YOLOv10 simplifica o pipeline de implementação ao eliminar um gargalo de latência bem conhecido na deteção de objetos: a supressão não máxima (NMS).
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organização: Universidade Tsinghua
- Referência: Artigo do YOLOv10 no arXiv
- Repositório: GitHub do YOLOv10
YOLOv10 utiliza atribuições duplas consistentes durante o treinamento, o que permite um design nativo sem NMS. Isto elimina o custo do pós-processamento durante a inferência e reduz a latência. Combinado com um design de modelo holístico orientado à eficiência e à precisão, YOLOv10 alcança um bom equilíbrio, reduzindo o custo computacional (FLOPs) e mantendo uma precisão competitiva, o que o torna uma opção interessante para aplicações de computação de borda.
Comparação de desempenho e métricas#
Ao comparar estas duas famílias de modelos com o conjunto de dados padrão MS COCO, surgem compromissos distintos entre a precisão pura e a latência de inferência.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
Análise dos Dados#
- Latência vs. precisão: Os modelos YOLOv10 geralmente oferecem inferência mais rápida. Por exemplo, YOLOv10s alcança 46.3% mAP em apenas 2.49 ms com TensorRT, enquanto YOLOv9s requer 3.54 ms para alcançar um mAP semelhante de 46.8%.
- Precisão de ponta: Para cenários de pesquisa que exigem máxima precisão de detecção, o YOLOv9e continua sendo uma ótima opção, alcançando 55,6% de mAP, com o PGI ajudando a extrair características sutis de forma confiável.
- Eficiência: O YOLOv10 se destaca pela eficiência em FLOPs. Isso se traduz diretamente em menor consumo de energia, uma métrica crucial para dispositivos alimentados por bateria que executam modelos de IA visual.
Se você estiver implantando em CPUs ou hardware de borda com recursos limitados, como um Raspberry Pi, a arquitetura do YOLOv10 sem NMS geralmente oferece um pipeline mais fluido ao eliminar etapas de pós-processamento com latência variável.
A Vantagem da Ultralytics: Treino e Ecossistema#
Embora as diferenças arquiteturais sejam fundamentais, o ecossistema de software ao redor costuma determinar o sucesso de um projeto. Tanto o YOLOv9 quanto o YOLOv10 estão totalmente integrados ao ecossistema Ultralytics, proporcionando uma experiência consistente para desenvolvedores.
Facilidade de Utilização e Eficiência de Memória#
Ao contrário de arquiteturas complexas baseadas em Transformer, que podem exigir grandes quantidades de memória, os modelos Ultralytics YOLO são projetados para o uso eficiente da memória da GPU. Isso permite que pesquisadores utilizem tamanhos de lote maiores em hardware de consumo, tornando a IA de ponta acessível.
A API unificada de Python lida com as complexidades do aumento de dados e do ajuste de hiperparâmetros. Você pode alternar entre arquiteturas alterando a string do arquivo de pesos.
from ultralytics import YOLO
# Carrega um modelo YOLOv10 (altera facilmente para "yolov9c.pt" para usar o YOLOv9)
model = YOLO("yolov10n.pt")
# Treina o modelo com o conjunto de dados COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)
# Valida o desempenho do modelo
metrics = model.val()
# Exporta o modelo treinado para o formato ONNX para implantação
model.export(format="onnx")Quer precises de registar métricas no MLflow ou exportar para TensorRT para implementar em hardware de alto desempenho, o pacote Ultralytics Python trata disso de forma nativa.
Casos de utilização ideais#
A escolha entre estes modelos depende das tuas restrições de implementação:
- Escolhe YOLOv9 se: Estiveres a trabalhar em tarefas de deteção de objetos pequenos, como imagens aéreas captadas por drones ou deteção de tumores pequenos, em que a retenção de características da arquitetura GELAN oferece a maior fidelidade.
- Escolha o YOLOv10 se: Seu principal objetivo for a inferência em tempo real em dispositivos de borda. O design sem NMS é ideal para robótica autônoma, monitoramento de tráfego em tempo real e vigilância inteligente.
Preparar o Futuro: A Transição para YOLO26#
Embora YOLOv8, YOLOv9 e YOLOv10 sejam modelos excelentes, os programadores que pretendem criar soluções de IA modernas devem considerar o Ultralytics YOLO26, lançado em janeiro de 2026.
O YOLO26 se baseia nas gerações anteriores, combinando a eficiência sem NMS do YOLOv10 com maior precisão do que qualquer um dos modelos desta comparação.
Principais Inovações do YOLO26#
- Arquitetura Integral sem NMS: Com base nos fundamentos estabelecidos pelo YOLOv10, a cabeça opcional um-para-um do YOLO26 (
nms=False) ignora o pós-processamento NMS, simplificando a implementação. - Otimizador MuSGD: Um híbrido de SGD e Muon que traz inovações do treinamento de LLMs para a visão computacional, proporcionando treinamento estável e convergência rápida.
- Inferência na CPU até 43% mais rápida: O YOLO26n é até 43% mais rápido que o YOLO11n na CPU, sendo adequado para computação de borda e dispositivos sem GPUs dedicadas.
- Remoção de DFL: A Distribution Focal Loss foi removida para simplificar a exportação de modelos e melhorar a compatibilidade com dispositivos de baixo consumo.
- ProgLoss + STAL: A Progressive Loss e a atribuição de rótulos sensível a alvos pequenos (STAL) melhoram a detecção de objetos pequenos.
Para pesquisadores que avaliam outras arquiteturas, RT-DETR e YOLO11 também são alternativas bem documentadas no ecossistema Ultralytics. Para versatilidade em todas as tarefas de visão, no entanto, o YOLO26 na Ultralytics Platform é a opção recomendada para novos projetos.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.