YOLOv9 vs YOLOv7
A evolução da detecção de objetos em tempo real foi impulsionada pelo esforço contínuo para equilibrar eficiência computacional e alta precisão. Duas arquiteturas marcantes nesse percurso são YOLOv9 e YOLOv7, ambas desenvolvidas por pesquisadores do Institute of Information Science da Academia Sinica, em Taiwan. Enquanto o YOLOv7 introduziu a abordagem de bag-of-freebies treinável, o mais recente YOLOv9 enfrenta diretamente os gargalos de informação do aprendizado profundo.
Esta comparação técnica explora as diferenças arquiteturais, as métricas de desempenho e os cenários ideais de implantação dos dois modelos, ajudando engenheiros de ML e pesquisadores a escolher a ferramenta certa para seus pipelines de visão computacional.
Comparação de desempenho e métricas#
Ao comparar esses modelos, o desempenho bruto e a eficiência são fatores fundamentais. A tabela a seguir detalha a precisão média (mAP) e os requisitos computacionais no benchmark padrão do conjunto de dados COCO.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Observe como o YOLOv9c alcança aproximadamente a mesma precisão (53,0 mAP) que o YOLOv7x (53,1 mAP), usando cerca de 64% menos parâmetros (25,5 milhões contra 71,3 milhões) e aproximadamente metade dos FLOPs (102,8 bilhões contra 189,9 bilhões), demonstrando o quanto as arquiteturas modernas melhoraram o equilíbrio entre precisão e eficiência.
YOLOv9: Resolução do Estrangulamento de Informação#
Apresentado no início de 2024, o YOLOv9 mudou a forma como as redes neurais profundas retêm informações ao longo de suas camadas.
- Autores: Chien-Yao Wang e Hong-Yuan Mark Liao
- Organização: Institute of Information Science, Academia Sinica
- Data: 21 de fevereiro de 2024
- Recursos: Artigo no arXiv | Repositório no GitHub
Inovações na Arquitetura#
O YOLOv9 introduz a Rede de Agregação de Camadas Eficiente Generalizada (GELAN) e a Informação de Gradiente Programável (PGI). A GELAN combina os pontos fortes de CSPNet e ELAN para otimizar a eficiência de parâmetros e o custo computacional, oferecendo alta precisão com menos parâmetros. O PGI é um framework de supervisão auxiliar projetado para evitar a perda de dados em redes profundas, gerando gradientes confiáveis para atualizar os pesos durante o treinamento.
Pontos Fortes e Limitações#
O principal ponto forte do YOLOv9 é sua capacidade de extrair características sutis sem grande sobrecarga computacional, tornando-o adequado para tarefas que exigem alta fidelidade de características, como a análise de imagens médicas. No entanto, a estrutura complexa do PGI durante o treinamento pode dificultar modificações arquiteturais personalizadas para iniciantes em comparação com frameworks mais unificados.
YOLOv7: Pioneiro das Técnicas Bag-of-Freebies#
Lançado em 2022, o YOLOv7 estabeleceu um novo padrão para detecção em tempo real, introduzindo inovações estruturais que melhoraram significativamente a velocidade da inferência em tempo real.
- Autores: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organização: Institute of Information Science, Academia Sinica
- Data: 6 de julho de 2022
- Recursos: Artigo no arXiv | Repositório no GitHub
Inovações na Arquitetura#
O principal contributo do YOLOv7 é a Rede Estendida de Agregação Eficiente de Camadas (E-ELAN). Esta arquitetura permite ao modelo aprender continuamente características mais diversificadas. Além disso, o YOLOv7 utiliza técnicas de «bag-of-freebies treináveis», como convoluções reparametrizadas planeadas e atribuição dinâmica de rótulos. Estes métodos melhoram a precisão do modelo durante o treino sem acrescentar custos de inferência na implementação.
Pontos Fortes e Limitações#
O YOLOv7 é altamente otimizado para processamento de borda em tempo real e continua sendo amplamente usado em sistemas legados e em ambientes CUDA mais antigos. Hoje, sua principal limitação é o número maior de parâmetros em comparação com modelos mais recentes. Como mostra a tabela de desempenho, alcançar precisão de ponta exige o modelo YOLOv7x, maior e que requer muito mais memória de GPU do que arquiteturas modernas equivalentes.
A Vantagem da Ultralytics: Implementação Simplificada#
Embora os repositórios originais de pesquisa do YOLOv9 e do YOLOv7 ofereçam excelentes bases acadêmicas, implantar esses modelos em ambientes de produção pode ser complexo. Integrar o YOLOv9 por meio do pacote ultralytics (o YOLOv7 só é compatível por meio de modelos ONNX ou TensorRT exportados) facilita muito a implantação.
Com a Ultralytics Platform, os desenvolvedores contam com um ecossistema bem mantido, que oferece uma API Python intuitiva, suporte ativo da comunidade e rastreamento robusto de experimentos.
Preparar o Futuro com YOLO26#
Se você estiver começando um novo projeto de visão computacional, a Ultralytics recomenda o YOLO26, lançado em janeiro de 2026, em vez do YOLOv9 e do YOLOv7. O YOLO26 traz vários avanços:
- Design de ponta a ponta sem NMS: Uma cabeça opcional um-para-um (
nms=False) dispensa o pós-processamento de supressão não máxima (NMS), reduzindo a complexidade e a latência da implantação. - Inferência na CPU até 43% mais rápida: O YOLO26n é até 43% mais rápido que o YOLO11n na CPU, permitindo que as aplicações funcionem sem problemas em ambientes de computação de borda, mesmo sem GPUs dedicadas.
- Otimizador MuSGD: Um híbrido de SGD e Muon inspirado no treinamento de LLMs, que oferece convergência estável e menor tempo de treinamento.
- Remoção de DFL: Exportação simplificada do modelo com a remoção da Distribution Focal Loss, melhorando a compatibilidade com dispositivos móveis de baixo consumo.
- ProgLoss + STAL: A Progressive Loss e a atribuição de rótulos sensível a alvos pequenos (STAL) melhoram a detecção de objetos pequenos, o que beneficia imagens aéreas e a vigilância.
Outras alternativas populares no ecossistema incluem Ultralytics YOLOv8 e YOLO11, ambos compatíveis com várias tarefas, como segmentação de instâncias e estimativa de pose.
Exemplo de implementação#
Como mostra o código abaixo, treinar e exportar YOLOv9 ou YOLO26 é simples com a API unificada.
from ultralytics import YOLO
# Inicializa o modelo YOLOv9 ou o modelo YOLO26 recomendado
model = YOLO("yolov9c.pt") # Substitui por "yolo26n.pt" para obter mais velocidade na borda
# Treina com um conjunto de dados personalizado usando o aumento de dados integrado
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# Exporta o modelo treinado para o formato ONNX para implantação
model.export(format="onnx")Ao treinar em hardware de consumo, a eficiência de memória é crucial. As implementações Ultralytics de YOLOv9 e YOLO26 são otimizadas para reduzir o uso de VRAM, ao contrário dos modelos baseados em Transformer (como RT-DETR), que costumam exigir muito mais memória durante o treinamento.
Aplicações no mundo real e casos de uso ideais#
A escolha entre essas arquiteturas geralmente depende das restrições específicas do teu ambiente de produção.
Quando usar o YOLOv9: O YOLOv9 se destaca em ambientes onde é necessário preservar detalhes minuciosos. Sua extração robusta de características o torna adequado para análise de varejo, contando produtos densamente dispostos nas prateleiras, ou para aplicações agrícolas em que é fundamental identificar doenças em estágio inicial nas folhas pequenas.
Quando usar YOLOv7: YOLOv7 continua sendo uma opção sólida para pipelines de implantação legados. Se estiveres integrando o modelo a sistemas de hardware mais antigos (como certas gerações do Google Coral Edge TPU), a arquitetura CNN simples do YOLOv7 pode ser mais fácil de compilar do que os modelos mais recentes.
Quando usar o YOLO26 (recomendado): Para qualquer implantação moderna — de drones autônomos à gestão de tráfego em cidades inteligentes — o YOLO26 é a opção mais robusta. Sua arquitetura sem NMS oferece tempos de inferência mais previsíveis, algo importante para robótica crítica para a segurança, e sua precisão supera a do YOLOv9 e do YOLOv7 em tamanhos comparáveis.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.