YOLOv9 vs. YOLOv7: Uma Análise Detalhada da Evolução da Detecção de Objetos

O panorama da visão computacional é caracterizado pela rápida inovação, onde os avanços arquitetónicos redefinem continuamente os limites da velocidade e da precisão. Dois marcos significativos nesta jornada são o YOLOv9 e o YOLOv7. Ambos os modelos derivam da pesquisa de Chien-Yao Wang e colegas, representando diferentes gerações da família "You Only Look Once".

Embora o YOLOv7 tenha definido o padrão para detecção de objetos em tempo real após seu lançamento em 2022, o YOLOv9 surgiu em 2024 com mecanismos inovadores para lidar com a perda de informações em redes profundas. Esta comparação explora suas especificações técnicas, diferenças arquitetônicas e aplicações práticas para ajudar os desenvolvedores a selecionar o modelo ideal para suas necessidades.

Métricas de Desempenho e Eficiência

A evolução do YOLOv7 para o YOLOv9 é mais visível no compromisso entre custo computacional e desempenho de detecção. O YOLOv9 introduz ganhos de eficiência significativos, permitindo que ele alcance um mean Average Precision (mAP) mais alto com menos parâmetros em comparação com seu predecessor.

Por exemplo, o modelo YOLOv9m alcança os mesmos 51,4% de mAP^val que o YOLOv7l, mas utiliza quase metade dos parâmetros (20,0 milhões vs. 36,9 milhões) e significativamente menos FLOPs. Esta eficiência torna o YOLOv9 particularmente atrativo para aplicações de edge AI onde os recursos de hardware são limitados.

YOLOv9: Informação de Gradiente Programável

YOLOv9 representa uma mudança de paradigma na forma como as redes neurais profundas lidam com a transmissão de dados através das camadas. Lançado no início de 2024, ele visa especificamente o problema do "gargalo de informação", onde os dados são perdidos à medida que passam pelas camadas sucessivas de uma rede profunda.

Autores: Chien-Yao Wang, Hong-Yuan Mark Liao
Organização:Instituto de Ciência da Informação, Academia Sinica
Data: 2024-02-21
Arxiv:2402.13616
GitHub:WongKinYiu/yolov9
Documentação:Ultralytics YOLOv9

Inovação Arquitetural

A principal inovação no YOLOv9 é a introdução da Informação de Gradiente Programável (PGI). O PGI fornece uma estrutura de supervisão auxiliar que garante que os gradientes sejam propagados de forma confiável de volta para as camadas iniciais, preservando as informações de entrada essenciais que, de outra forma, poderiam ser perdidas durante a extração de recursos.

Complementando o PGI está a Generalized Efficient Layer Aggregation Network (GELAN). Esta arquitetura permite que os desenvolvedores empilhem vários blocos computacionais (como CSP ou ResBlocks) de forma flexível, otimizando os pesos do modelo para restrições de hardware específicas sem sacrificar a precisão.

Forças e Fraquezas

• Forças:
  • Precisão superior: Alcança resultados de ponta no conjunto de dados COCO, com o modelo YOLOv9-E atingindo 55,6% de mAP.
  • Eficiência de Parâmetros: Oferece desempenho comparável aos modelos mais antigos usando significativamente menos parâmetros, reduzindo os requisitos de memória durante a inferência.
  • Preservação de Informação: Melhorias teóricas no fluxo de gradiente levam a uma melhor convergência e representação de recursos.
• Fraquezas:
  • Complexidade do Treinamento: As ramificações auxiliares usadas durante o treinamento (e removidas para inferência) podem aumentar o uso de memória da GPU durante a fase de treinamento em comparação com arquiteturas mais simples.

Saiba mais sobre o YOLOv9

YOLOv7: O Padrão Bag-of-Freebies

Antes do YOLOv9, YOLOv7 era o campeão reinante da família YOLO. Ele introduziu refinamentos arquiteturais que se concentraram na otimização do processo de treinamento sem aumentar os custos de inferência, um conceito conhecido como "bag-of-freebies".

Autores: Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao
Organização: Institute of Information Science, Academia Sinica
Data: 2022-07-06
Arxiv:2207.02696
GitHub:WongKinYiu/yolov7
Documentação:Ultralytics YOLOv7

Visão Geral Arquitetural

YOLOv7 introduziu a E-ELAN (Extended Efficient Layer Aggregation Network), que controla os caminhos de gradiente mais curtos e mais longos para melhorar a capacidade de aprendizado da rede. Ele também utilizou técnicas de escalonamento de modelo que modificam a profundidade e a largura da rede simultaneamente, garantindo a arquitetura ideal para diferentes dispositivos de destino.

Forças e Fraquezas

• Forças:
  • Confiabilidade Comprovada: O uso extensivo da comunidade e a validação ao longo de vários anos tornam-no uma escolha estável para sistemas legados.
  • Alta Velocidade: Otimizado especificamente para inferência em tempo real em hardware de GPU padrão.
• Fraquezas:
  • Menor Eficiência: Requer mais parâmetros e FLOPs para corresponder aos níveis de precisão que modelos mais recentes como o YOLOv9 ou YOLO11 podem alcançar com arquiteturas mais leves.
  • Ferramentas Mais Antigas: Carece de algumas das integrações nativas e recursos de facilidade de uso encontrados no moderno ecossistema Ultralytics.

Saiba mais sobre o YOLOv7

Casos de Uso e Aplicações Ideais

A escolha entre esses dois modelos geralmente depende das restrições específicas do ambiente de implementação e da precisão necessária da tarefa.

Quando escolher o YOLOv9

O YOLOv9 é excelente para cenários que exigem a maior relação precisão-eficiência.

• Navegação Autônoma: Em carros autônomos, detectar pequenos objetos a longas distâncias é fundamental. A capacidade do YOLOv9 de preservar informações ajuda a reconhecer perigos distantes.
• Imagem Médica: Para tarefas como detecção de tumores, onde perder uma detecção positiva é crítico, o alto recall e precisão do YOLOv9 são benéficos.
• Dispositivos de Ponta: O yolov9t variante fornece uma solução robusta para Dispositivos IoT como Raspberry Pis, oferecendo boa precisão com sobrecarga computacional mínima.

Quando escolher o YOLOv7

YOLOv7 permanece relevante para pipelines existentes que já estão otimizados para sua arquitetura.

• Sistemas Legados: Linhas de fabricação industrial que validaram o YOLOv7 para controle de qualidade podem preferir manter a consistência em vez de atualizar imediatamente.
• Baselines de Pesquisa: Serve como um excelente benchmark para comparar novas estratégias de detecção com padrões estabelecidos em pesquisa acadêmica.

A Vantagem Ultralytics

Usar esses modelos dentro do ecossistema Ultralytics oferece vantagens distintas em relação ao uso de repositórios de pesquisa brutos. A API Python Ultralytics abstrai o código boilerplate complexo, permitindo que pesquisadores e engenheiros se concentrem em dados e resultados.

1. Facilidade de Uso: Uma interface unificada permite que você alterne entre YOLOv8, YOLOv9 e YOLO11 com uma única linha de código.
2. Eficiência no Treinamento: Os modelos da Ultralytics são otimizados para uma convergência mais rápida, geralmente exigindo menos dados de treinamento para atingir alta precisão.
3. Requisitos de Memória: O framework foi projetado para minimizar o uso de memória CUDA, permitindo o treino de tamanhos de batch maiores em hardware de nível consumidor, comparado com modelos Transformer que exigem muita memória.
4. Versatilidade: Além de simples caixas delimitadoras, o ecossistema suporta tarefas de segmentação de instâncias, estimativa de pose e Caixa Delimitadora Orientada (OBB), tornando-o uma ferramenta abrangente para diversos desafios de IA.

Exemplo de Implementação

Executar esses modelos é simples com a biblioteca Ultralytics. O trecho de código a seguir demonstra como carregar um modelo pré-treinado e executar a inferência em uma imagem.

from ultralytics import YOLO

# Load a pre-trained YOLOv9 model
model = YOLO("yolov9c.pt")

# Run inference on a local image
results = model.predict("path/to/image.jpg", save=True, conf=0.5)

# Process results
for result in results:
    result.show()  # Display predictions

Para aqueles interessados em treinar em conjuntos de dados personalizados, o processo é igualmente simples, utilizando as robustas estratégias de ajuste de hiperparâmetros e aumento de dados integradas à estrutura.

# Train the model on a custom dataset
model.train(data="coco8.yaml", epochs=100, imgsz=640)

Conclusão

Tanto o YOLOv9 quanto o YOLOv7 representam conquistas significativas no campo da visão computacional. O YOLOv9 é o claro sucessor técnico, oferecendo eficiência de parâmetros e precisão superiores por meio de suas arquiteturas PGI e GELAN inovadoras. É a escolha recomendada para usuários que buscam alto desempenho da linhagem de pesquisa específica de Wang et al.

No entanto, para desenvolvedores que buscam a experiência de desenvolvimento de IA mais holística, o Ultralytics YOLO11 continua sendo a principal recomendação. Com sua manutenção ativa, documentação extensa e amplo suporte para tarefas multimodais, o YOLO11 garante que seus projetos estejam preparados para o futuro e prontos para produção.

Explore Outros Modelos

Para ampliar ainda mais sua compreensão do cenário de detecção de objetos, considere explorar estes modelos e comparações relacionados:

• YOLO11 vs. YOLOv9 - Compare o modelo Ultralytics mais recente com o YOLOv9.
• YOLOv8 vs. YOLOv7 - Veja como a geração anterior se compara.
• RT-DETR vs. YOLOv9 - Uma olhada na detecção baseada em Transformer versus CNNs.
• YOLOv10 - Explore o modelo de detecção de objetos end-to-end em tempo real.
• Ultralytics HUB - A maneira mais fácil de treinar e implantar seus modelos.

Comentários