YOLOv9 vs YOLOv6-3.0#

A evolução da deteção de objetos em tempo real tem sido impulsionada por inovações contínuas nas arquiteturas de redes neuronais, otimizando o delicado equilíbrio entre velocidade de inferência, precisão e eficiência computacional. À medida que programadores e investigadores exploram o concorrido panorama das frameworks de visão computacional, comparar as principais arquiteturas é essencial para selecionar a ferramenta certa para cada tarefa.

Este guia técnico apresenta uma comparação aprofundada entre dois modelos altamente capazes: YOLOv9, reconhecido pela retenção de informação em deep learning, e YOLOv6-3.0, um modelo especificamente concebido para aplicações industriais.

Visão geral do YOLOv9: maximização da retenção de características#

Introduzido no início de 2024, o YOLOv9 aborda um dos desafios mais persistentes das redes neuronais profundas: a perda de informação durante o processo feed-forward. Ao garantir que os gradientes são fiáveis e que os mapas de características retêm dados essenciais, ultrapassa os limites da precisão teórica.

• Autores: Chien-Yao Wang e Hong-Yuan Mark Liao
• Organização: Institute of Information Science, Academia Sinica, Taiwan
• Data: 21 de fevereiro de 2024
• Ligações: Artigo no Arxiv, Repositório no GitHub

Arquitetura e metodologias#

O YOLOv9 introduz o conceito de Informação de Gradiente Programável (PGI), juntamente com a Rede de Agregação de Camadas Generalizada Eficiente (GELAN). A PGI resolve o gargalo de informação ao fornecer supervisão auxiliar que garante que a rede principal aprende características robustas e fiáveis sem adicionar sobrecarga à inferência. Entretanto, a GELAN otimiza a utilização de parâmetros, permitindo que o modelo alcance uma precisão média de última geração (mAP), mantendo os custos computacionais sob controlo. Isto torna-o uma escolha excecional para a análise de imagens médicas ou a deteção de objetos extremamente pequenos, nos quais a fidelidade das características é crítica.

Sabe mais sobre o YOLOv9

Visão geral do YOLOv6-3.0: concebido para a escala industrial#

Desenvolvido pela Meituan, o YOLOv6-3.0 (também referido como v3.0) foi concebido de raiz para servir aplicações industriais exigentes. Lançado no início de 2023, centra-se fortemente na eficiência de implementação, oferecendo um conjunto de modelos compatíveis com quantização que se destacam em hardware de edge.

• Autores: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu e Xiangxiang Chu
• Organização: Meituan
• Data: 13 de janeiro de 2023
• Ligações: Artigo no Arxiv, Repositório no GitHub

Arquitetura e metodologias#

O YOLOv6-3.0 distingue-se pelas suas estratégias RepOptimizer e Formação Assistida por Âncoras (AAT). O modelo utiliza um design de rede neuronal consciente do hardware, inspirado no RepVGG, que lhe permite funcionar a uma velocidade excecional em GPUs durante a inferência através da fusão de camadas. A atualização 3.0 refinou ainda mais a arquitetura ao introduzir um módulo de Concatenação Bidirecional (BiC) para melhorar a precisão da localização. Como está altamente otimizado para formatos de implementação como o TensorRT e o OpenVINO, o YOLOv6-3.0 é frequentemente adotado em logística, automação industrial e ambientes de servidores de elevado débito.

Saiba mais sobre o YOLOv6-3.0

Comparação de desempenho#

Ao avaliar estes modelos no conjunto de dados COCO padrão, podemos observar compromissos distintos entre a precisão e a velocidade de inferência bruta.

Análise técnica#

Embora o YOLOv6-3.0n conquiste o primeiro lugar em velocidade bruta em hardware T4 (1,17 ms), o YOLOv9t consegue obter uma mAP ligeiramente superior (38,3%), utilizando menos de metade dos parâmetros (2,0M vs 4,7M) e significativamente menos FLOPs. Para requisitos complexos e de elevada precisão, o YOLOv9e de grandes dimensões eleva a precisão para 55,6% mAP, demonstrando o poder da arquitetura PGI em redes profundas.

A vantagem do ecossistema Ultralytics#

Independentemente da filosofia arquitetural que mais te interesse, implementá-los nativamente através da API Python da Ultralytics proporciona uma experiência de desenvolvimento superior.

Facilidade de utilização e eficiência de treino#

A formação de modelos complexos de deep learning exige tradicionalmente grandes quantidades de código boilerplate. A Plataforma Ultralytics abstrai estas complexidades. Quer estejas a ajustar o YOLOv9 para a deteção de defeitos ou a exportar o YOLOv6 para aplicações móveis, o fluxo de trabalho mantém-se notavelmente consistente.

Além disso, as arquiteturas da Ultralytics geralmente apresentam menores requisitos de memória CUDA durante a formação, em comparação com modelos volumosos baseados em Transformer. Isto permite que os programadores utilizem tamanhos de batch maiores em GPUs de consumo, melhorando significativamente a eficiência da formação.

from ultralytics import YOLO

# Easily swap architectures by changing the weights file string
# model = YOLO("yolov6n.pt")
model = YOLO("yolov9c.pt")

# Train the model with built-in data augmentation and caching
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Export to ONNX or TensorRT seamlessly
model.export(format="engine", quantize=16)

Versatilidade incomparável em tarefas de visão#

Embora o YOLOv6-3.0 esteja fortemente otimizado para a geração rápida de caixas delimitadoras, os projetos modernos de visão computacional exigem frequentemente uma abordagem multitarefa. Os modelos da Ultralytics são reconhecidos pela sua versatilidade extrema. Com ferramentas como o Ultralytics YOLOv8 e o mais recente YOLO26, uma única framework trata de forma integrada da deteção de objetos, segmentação de instâncias, classificação de imagens, estimativa de pose e caixas delimitadoras orientadas (OBB).

Apresentamos o YOLO26: o novo padrão#

Para organizações que procuram maximizar tanto o desempenho como a facilidade de implementação, o YOLO26 representa a convergência definitiva entre velocidade e precisão.

Com base nos sucessos do YOLO11, o YOLO26 introduz várias funcionalidades que transformam paradigmas:

• Otimizador MuSGD: Inspirado em técnicas de formação de modelos de linguagem de grande escala (LLM), como o Kimi K2 da Moonshot AI, este otimizador híbrido garante uma formação extremamente estável e uma convergência rápida.
• Remoção de DFL: Ao eliminar a Distribution Focal Loss, o YOLO26 simplifica o grafo de exportação, tornando-o significativamente mais compatível com chips de computação edge de baixo consumo.
• ProgLoss + STAL: Estas funções de perda avançadas proporcionam melhorias significativas no reconhecimento de objetos pequenos, algo essencial para operações com drones e aplicações de IoT.
• Melhorias específicas por tarefa: O YOLO26 inclui prototipagem nativa multiescala para segmentação, Estimativa de Log-Verosimilhança Residual (RLE) para o rastreio do esqueleto e algoritmos especializados de perda angular para resolver casos-limite na deteção de OBB.

Cenários de implementação ideais#

Escolher a arquitetura certa depende, em última análise, das tuas restrições de produção.

Escolhe o YOLOv6-3.0 se já tens um pipeline estabelecido na produção industrial, dependes fortemente de quantização e utilizas aceleradores de inferência especializados nos quais precisas da menor latência de hardware absoluta, inferior a um milissegundo.

Escolhe o YOLOv9 se estás a lidar com diagnósticos de saúde complexos ou vigilância de longo alcance, em que não é aceitável perder características subtis ao nível dos píxeis.

No entanto, para uma abordagem perfeitamente equilibrada, que ofereça precisão de vanguarda juntamente com uma implementação simplificada e sem NMS, o Ultralytics YOLO26 destaca-se como a recomendação definitiva para a engenharia moderna de visão computacional. O seu ciclo de desenvolvimento ativo, a documentação abrangente e o forte apoio da comunidade fazem dele uma ferramenta indispensável tanto para investigadores como para programadores.