YOLOv9: um salto em frente na tecnologia de deteção de objetos#

O YOLOv9 representa um avanço significativo na deteção de objetos em tempo real, introduzindo técnicas inovadoras como a Informação de Gradiente Programável (PGI) e a Rede Generalizada de Agregação Eficiente de Camadas (GELAN). Este modelo demonstra melhorias notáveis em eficiência, precisão e adaptabilidade, estabelecendo novos padrões no conjunto de dados MS COCO. O projeto YOLOv9, embora tenha sido desenvolvido por uma equipa independente de código aberto, baseia-se na sólida base de código fornecida pelo Ultralytics YOLOv5, demonstrando o espírito colaborativo da comunidade de investigação em IA.

Introdução ao YOLOv9#

Na procura pela deteção de objetos ideal em tempo real, o YOLOv9 destaca-se pela sua abordagem inovadora para superar os desafios de perda de informação inerentes às redes neuronais profundas. Ao integrar a PGI e a versátil arquitetura GELAN, o YOLOv9 não só aumenta a capacidade de aprendizagem do modelo, como também garante a retenção de informações cruciais durante todo o processo de deteção, alcançando assim uma precisão e um desempenho excecionais.

Principais inovações do YOLOv9#

Os avanços do YOLOv9 estão profundamente enraizados na resolução dos desafios causados pela perda de informação nas redes neuronais profundas. O Princípio do Gargalo de Informação e a utilização inovadora de Funções Reversíveis são fundamentais para o seu design, garantindo que o YOLOv9 mantenha uma elevada eficiência e precisão.

Princípio do Gargalo de Informação#

O Princípio do Gargalo de Informação revela um desafio fundamental da aprendizagem profunda: à medida que os dados passam por camadas sucessivas de uma rede, aumenta o potencial de perda de informação. Este fenómeno é representado matematicamente da seguinte forma:

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

onde I representa a informação mútua, e f e g representam funções de transformação com os parâmetros theta e phi, respetivamente. O YOLOv9 combate este desafio através da implementação da Informação de Gradiente Programável (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 fundamental 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 da função reversível e da sua função inversa, respetivamente. Esta propriedade é crucial para as arquiteturas de aprendizagem profunda, pois permite que a rede retenha um fluxo de informação completo, possibilitando atualizações mais precisas dos parâmetros do modelo. O YOLOv9 incorpora funções reversíveis na sua arquitetura para mitigar o risco de degradação da informação, especialmente nas camadas mais profundas, garantindo a preservação de dados críticos para tarefas de deteção de objetos.

Impacto nos modelos leves#

Resolver a perda de informação é particularmente importante para modelos leves, que frequentemente têm poucos parâmetros e são propensos a perder informações significativas durante o processo de propagação direta. A arquitetura do YOLOv9, através da utilização da PGI e de funções reversíveis, garante que, mesmo com um modelo simplificado, as informações essenciais necessárias para uma deteção precisa de objetos sejam retidas e utilizadas de forma eficaz.

Informação de Gradiente Programável (PGI)#

A PGI é um conceito inovador introduzido no YOLOv9 para combater o problema do gargalo de informação, garantindo a preservação de dados essenciais ao longo das camadas profundas da rede. Isto permite gerar gradientes fiáveis, facilitando atualizações precisas do modelo e melhorando o desempenho geral da deteção.

Rede Generalizada de Agregação Eficiente de Camadas (GELAN)#

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

Benchmarks do YOLOv9#

A realização de benchmarks no YOLOv9 com o Ultralytics envolve a avaliação do desempenho do teu modelo treinado e validado em cenários reais. Este processo inclui:

• Avaliação do desempenho: avaliar a velocidade e a precisão do modelo.
• Formatos de exportação: testar o modelo em diferentes formatos de exportação para garantir que cumpre os padrões necessários e tem um bom desempenho em vários ambientes.
• Suporte a Frameworks: Fornecimento de um framework abrangente dentro do pacote Ultralytics 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 desempenho elevado em aplicações práticas do mundo real.

Desempenho no conjunto de dados MS COCO#

O desempenho do YOLOv9 no conjunto de dados COCO exemplifica os seus avanços significativos na deteção de objetos em tempo real, estabelecendo novos padrões em vários tamanhos de modelos. A Tabela 1 apresenta uma comparação abrangente dos detetores de objetos em tempo real mais avançados, ilustrando a eficiência e a precisão superiores do YOLOv9.

As iterações do YOLOv9, desde a variante minúscula t até ao modelo abrangente e, demonstram melhorias não só na precisão (métricas mAP), mas também na eficiência, com um número reduzido de parâmetros e menores necessidades computacionais (FLOPs). Esta tabela salienta a capacidade do YOLOv9 de oferecer elevada precisão, mantendo ou reduzindo a sobrecarga computacional em comparação com versões anteriores e modelos concorrentes.

Em comparação, o YOLOv9 apresenta ganhos notáveis:

• Modelos leves: o YOLOv9s supera o YOLO MS-S em eficiência de parâmetros e carga computacional, alcançando simultaneamente uma melhoria de 0,4∼0,6% em AP.
• Modelos médios a grandes: o YOLOv9m e o YOLOv9e apresentam avanços notáveis no equilíbrio entre a complexidade do modelo e o desempenho da deteção, oferecendo reduções significativas nos parâmetros e nos cálculos num contexto de maior 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% em AP.

Estes resultados demonstram os avanços estratégicos do YOLOv9 no design de modelos, destacando a sua maior eficiência sem comprometer a precisão essencial para tarefas de deteção de objetos em tempo real. O modelo não só ultrapassa os limites das métricas de desempenho, como também salienta a importância da eficiência computacional, tornando-se um desenvolvimento fundamental no campo da visão computacional.

Conclusão#

Lançado em fevereiro de 2024, o YOLOv9 representou um desenvolvimento fundamental na deteção de objetos em tempo real, oferecendo melhorias significativas em eficiência, precisão e adaptabilidade. Ao resolver desafios críticos através de soluções inovadoras como a PGI e a GELAN, o YOLOv9 estabeleceu novos padrões 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 arquiteturais do YOLOv9 continuam a influenciar o campo.

Exemplos de utilização#

Este exemplo fornece exemplos simples de treino e inferência com o YOLOv9. Para consultar a documentação completa sobre estes e outros modos, vê as páginas de documentação 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 variedade de modelos, cada um otimizado para deteção de objetos de alto desempenho. Estes modelos respondem a diferentes necessidades computacionais e requisitos de precisão, tornando-os versáteis para uma vasta gama de aplicações.

Esta tabela fornece uma visão detalhada das variantes do modelo YOLOv9, destacando as suas capacidades em tarefas de deteção de objetos e a compatibilidade com vários modos operacionais, como inferência, validação, treino e exportação. Este suporte abrangente garante que podes tirar pleno partido das capacidades dos modelos YOLOv9 numa vasta gama de cenários de deteção de objetos.

Citações e agradecimentos#

Gostaríamos de reconhecer os autores do YOLOv9 pelas suas contribuições significativas para o campo da deteção 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 nas atas Springer ECCV 2024, com uma pré-publicação no arXiv. Os autores disponibilizaram publicamente o seu trabalho, e a base de código pode ser consultada no GitHub. Agradecemos os seus esforços para fazer avançar o campo e tornar o seu trabalho acessível à comunidade em geral.

Perguntas frequentes#