YOLOv9: Um Salto Avante na Tecnologia de Object Detection#

O YOLOv9 marca um avanço significativo na detecção de objetos em tempo real, introduzindo técnicas inovadoras como a Programmable Gradient Information (PGI) e a Generalized Efficient Layer Aggregation Network (GELAN). Este modelo demonstra melhorias notáveis em eficiência, precisão e adaptabilidade, estabelecendo novos recordes no dataset MS COCO. O projeto YOLOv9, embora desenvolvido por uma equipa de código aberto separada, baseia-se na robusta base de código fornecida pelo Ultralytics YOLOv5, demonstrando o espírito de colaboração da comunidade de investigação em IA.

Introdução ao YOLOv9#

Na busca pela detecção de objetos em tempo real ideal, o YOLOv9 destaca-se com a sua abordagem inovadora para superar os desafios de perda de informação inerentes às neural networks profundas. Ao integrar a PGI e a versátil arquitetura GELAN, o YOLOv9 não só melhora a capacidade de aprendizagem do modelo como também garante a retenção de informação crucial ao longo de todo o processo de detecção, alcançando assim uma precisão e desempenho excecionais.

Inovações principais do YOLOv9#

Os avanços do YOLOv9 estão profundamente enraizados na resolução dos desafios colocados pela perda de informação em redes neurais profundas. O Princípio do Gargalo de Informação (Information Bottleneck Principle) e o uso inovador de Funções Reversíveis são centrais para o seu design, garantindo que o YOLOv9 mantenha alta eficiência e precisão.

Princípio do Gargalo de Informação#

O Princípio do Gargalo de Informação revela um desafio fundamental no deep learning: à medida que os dados passam por camadas sucessivas de uma rede, o potencial de perda de informação aumenta. Este fenômeno é representado matematicamente como:

I(X, X) >= I(X, f_theta(X)) >= I(X, g_phi(f_theta(X)))

onde I denota informação mútua, e f e g representam funções de transformação com os parâmetros theta e phi, respetivamente. O YOLOv9 combate este desafio implementando a Programmable Gradient Information (PGI), que ajuda a preservar dados essenciais ao longo da profundidade da rede, garantindo uma geração de gradientes mais fiável e, consequentemente, uma melhor convergência e desempenho do modelo.

Funções Reversíveis#

O conceito de Funções Reversíveis é outro pilar do design do YOLOv9. Uma função é considerada reversível se puder ser invertida sem qualquer perda de informação, conforme expresso por:

X = v_zeta(r_psi(X))

com psi e zeta como parâmetros para a função reversível e a sua inversa, respetivamente. Esta propriedade é crucial para arquiteturas de deep learning, pois permite que a rede retenha um fluxo de informação completo, possibilitando assim atualizações mais precisas dos parâmetros do modelo. O YOLOv9 incorpora funções reversíveis na sua arquitetura para mitigar o risco de degradação de informação, especialmente em camadas mais profundas, garantindo a preservação de dados críticos para tarefas de detecção de objetos.

Impacto em Modelos Leves#

Abordar a perda de informação é particularmente vital para modelos leves, que são frequentemente sub-parametrizados e propensos a perder informações significativas durante o processo feedforward. A arquitetura do YOLOv9, através do uso de PGI e funções reversíveis, garante que, mesmo com um modelo simplificado, as informações essenciais necessárias para uma detecção precisa de objetos sejam retidas e utilizadas de forma eficaz.

Programmable Gradient Information (PGI)#

A PGI é um conceito novo introduzido no YOLOv9 para combater o problema do gargalo de informação, garantindo a preservação de dados essenciais através das camadas profundas da rede. Isto permite a geração de gradientes confiáveis, facilitando atualizações precisas do modelo e melhorando o desempenho geral da detecção.

Generalized Efficient Layer Aggregation Network (GELAN)#

A GELAN representa um avanço arquitetônico estratégico, permitindo que o YOLOv9 alcance uma utilização superior de parâmetros e eficiência computacional. O seu design permite a integração flexível de vários blocos computacionais, tornando o YOLOv9 adaptável a uma ampla gama de aplicações sem sacrificar a velocidade ou a precisão.

Benchmarks do YOLOv9#

A avaliação comparativa no YOLOv9 utilizando o Ultralytics envolve avaliar o desempenho do teu modelo treinado e validado em cenários do mundo real. Este processo inclui:

• Avaliação de Desempenho: Avaliar a velocidade e precisão do modelo.
• Formatos de Exportação: Testar o modelo em diferentes formatos de exportação para garantir que ele atenda aos padrões necessários e tenha um bom desempenho em vários ambientes.
• Suporte a Frameworks: Fornecer uma estrutura abrangente dentro do Ultralytics YOLOv8 para facilitar essas avaliações e garantir resultados consistentes e confiáveis.

Ao realizar benchmarks, podes garantir que o teu modelo não só tem um bom desempenho em ambientes de teste controlados, como também mantém um alto desempenho em aplicações práticas do mundo real.

Desempenho no Conjunto de Dados MS COCO#

O desempenho do YOLOv9 no COCO dataset exemplifica os seus avanços significativos na detecção de objetos em tempo real, estabelecendo novos recordes em vários tamanhos de modelo. A Tabela 1 apresenta uma comparação abrangente de detetores de objetos em tempo real de última geração, ilustrando a eficiência e accuracy superiores do YOLOv9.

As iterações do YOLOv9, desde a variante minúscula t até ao modelo extensivo e, demonstram melhorias não só na precisão (métricas mAP), mas também na eficiência com um número reduzido de parâmetros e necessidades computacionais (FLOPs). Esta tabela sublinha a capacidade do YOLOv9 de fornecer alta precision enquanto mantém ou reduz a sobrecarga computacional em comparação com versões anteriores e modelos concorrentes.

Comparativamente, o YOLOv9 apresenta ganhos notáveis:

• Modelos Leves: O YOLOv9s supera o YOLO MS-S na eficiência de parâmetros e carga computacional, enquanto atinge uma melhoria de 0.4∼0.6% em AP.
• Modelos Médios a Grandes: O YOLOv9m e o YOLOv9e mostram avanços notáveis no equilíbrio entre a complexidade do modelo e o desempenho da detecção, oferecendo reduções significativas em parâmetros e cálculos face a uma melhoria na precisão.

O modelo YOLOv9c, em particular, destaca a eficácia das otimizações da arquitetura. Funciona com menos 42% de parâmetros e menos 21% de exigência computacional do que o YOLOv7 AF, mas alcança uma precisão comparável, demonstrando as melhorias significativas de eficiência do YOLOv9. Além disso, o modelo YOLOv9e estabelece um novo padrão para modelos grandes, com menos 15% de parâmetros e menos 25% de necessidade computacional do que o YOLOv8x, juntamente com uma melhoria incremental de 1,7% no AP.

Estes resultados mostram os avanços estratégicos do YOLOv9 no design de modelos, enfatizando a sua eficiência melhorada sem comprometer a precisão essencial para tarefas de detecção de objetos em tempo real. O modelo não só amplia os limites das métricas de desempenho, como também enfatiza a importância da eficiência computacional, tornando-se um desenvolvimento fulcral no campo da computer vision.

Conclusão#

O YOLOv9, lançado em fevereiro de 2024, representou um desenvolvimento fulcral na detecção de objetos em tempo real, oferecendo melhorias significativas em termos de eficiência, precisão e adaptabilidade. Ao abordar desafios críticos através de soluções inovadoras como PGI e GELAN, o YOLOv9 estabeleceu novos recordes no momento do seu lançamento. Embora modelos mais recentes como o YOLO11 e o YOLO26 tenham sido lançados desde então com melhorias adicionais, as inovações arquitetónicas do YOLOv9 continuam a influenciar o campo.

Exemplos de uso#

Este exemplo fornece exemplos simples de treino e inferência com o YOLOv9. Para obter documentação completa sobre estes e outros modes, consulta as páginas de documentação de Predict, Train, Val e Export.

from ultralytics import YOLO

# Build a YOLOv9c model from scratch
model = YOLO("yolov9c.yaml")

# Build a YOLOv9c model from pretrained weight
model = YOLO("yolov9c.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLOv9c model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

Tarefas e modos suportados#

A série YOLOv9 oferece uma gama de modelos, cada um otimizado para Object Detection de alto desempenho. Estes modelos adaptam-se a diversas necessidades computacionais e requisitos de precisão, tornando-se versáteis para uma ampla variedade de aplicações.

Esta tabela fornece uma visão geral detalhada das variantes do modelo YOLOv9, destacando as suas capacidades em tarefas de detecção de objetos e a sua compatibilidade com vários modos operacionais, tais como Inference, Validation, Training e Export. Este suporte abrangente garante que os utilizadores possam aproveitar ao máximo as capacidades dos modelos YOLOv9 numa ampla gama de cenários de detecção de objetos.

Citações e Agradecimentos#

Gostaríamos de agradecer aos autores do YOLOv9 pelas suas contribuições significativas no campo da detecção de objetos em tempo real:

@inproceedings{wang2024yolov9,
  title={YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information},
  author={Wang, Chien-Yao and Yeh, I-Hau and Liao, Hong-Yuan Mark},
  booktitle={Computer Vision -- ECCV 2024},
  pages={1--21},
  year={2024},
  organization={Springer Nature Switzerland}
}

O artigo oficial do YOLOv9 foi publicado nos Springer ECCV 2024 proceedings, com um pré-publicação no arXiv. Os autores disponibilizaram o seu trabalho publicamente e a base de código pode ser acedida no GitHub. Agradecemos os seus esforços em fazer avançar o campo e tornar o seu trabalho acessível à comunidade em geral.

FAQ#