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 Informação de Gradiente Programável (PGI) e a Rede de Agregação de Camadas Eficiente Generalizada (GELAN). Este modelo demonstra melhorias notáveis em eficiência, precisão e adaptabilidade, estabelecendo novos marcos no conjunto de dados MS COCO. O projeto YOLOv9, embora desenvolvido por uma equipa de código aberto independente, baseia-se na sólida base de código disponibilizada pelo Ultralytics YOLOv5, demonstrando o espírito de colaboração da comunidade de investigação em IA.

Introdução ao YOLOv9#

Na procura da deteção ideal de objetos em tempo real, o YOLOv9 destaca-se pela sua abordagem inovadora para superar os desafios da perda de informação inerentes às redes neuronais profundas. Ao integrar 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 ao longo do 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 centrais para a sua conceção, garantindo que o YOLOv9 mantenha alta eficiência e precisão.

Princípio do gargalo de informação#

O princípio do gargalo de informação revela um desafio fundamental na 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 denota a informação mútua, e f e g representam funções de transformação com os parâmetros theta e phi, respetivamente. O YOLOv9 enfrenta este desafio implementando 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 um melhor desempenho do modelo.

Funções reversíveis#

O conceito de funções reversíveis é outro pilar da conceção do YOLOv9. Uma função é considerada reversível se puder ser invertida sem 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 atenuar o risco de degradação da informação, sobretudo nas camadas mais profundas, garantindo a preservação de dados essenciais para tarefas de deteção de objetos.

Impacto nos modelos leves#

A resolução da perda de informação é particularmente importante para modelos leves, que muitas vezes têm poucos parâmetros e são propensos a perder informação significativa durante o processo de propagação direta. A arquitetura do YOLOv9, através da utilização de PGI e de funções reversíveis, garante que, mesmo com um modelo simplificado, a informação essencial para uma deteção precisa de objetos seja retida e utilizada eficazmente.

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 de Agregação de Camadas Eficiente Generalizada (GELAN)#

A GELAN representa um avanço estratégico na arquitetura, permitindo ao YOLOv9 alcançar uma utilização superior dos parâmetros e maior eficiência computacional. A sua conceção permite a integração flexível de vários blocos computacionais, tornando o YOLOv9 adaptável a uma vasta gama de aplicações sem sacrificar velocidade ou precisão.

Resultados de referência do YOLOv9#

A avaliação de desempenho do YOLOv9 com o Ultralytics envolve testar o modelo treinado e validado em cenários do mundo real. Este processo inclui:

• Avaliação do desempenho: avaliação da velocidade e da 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 de estruturas: disponibilizar um ambiente abrangente no pacote Ultralytics para facilitar estas avaliações e garantir resultados consistentes e fiáveis.

Ao avaliar o desempenho, 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 conjunto de dados COCO exemplifica os seus avanços significativos na deteção de objetos em tempo real, estabelecendo novos marcos para vários tamanhos de modelo. A Tabela 1 apresenta uma comparação abrangente dos detetores de objetos em tempo real de última geração, ilustrando a eficiência e a precisão superiores do YOLOv9.

As iterações do YOLOv9, desde a variante minúscula t até ao modelo de grandes dimensões 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 destaca a capacidade do YOLOv9 de oferecer alta 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 demonstram avanços notáveis no equilíbrio entre a complexidade do modelo e o desempenho de deteção, oferecendo reduções significativas de parâmetros e cálculos, juntamente com uma precisão melhorada.

Em particular, o modelo YOLOv9c destaca a eficácia das otimizações da arquitetura. Utiliza menos 42% de parâmetros e requer menos 21% de capacidade 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 uma necessidade computacional 25% menor do que o YOLOv8x, além de uma melhoria incremental de 1.7% em AP.

Estes resultados demonstram os avanços estratégicos do YOLOv9 na conceção de modelos, salientando a sua maior eficiência sem comprometer a precisão essencial para tarefas de deteção de objetos em tempo real. O modelo não só amplia os limites das métricas de desempenho, como também realça 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 com soluções inovadoras como PGI e GELAN, o YOLOv9 estabeleceu novos marcos na altura do seu lançamento. Embora modelos mais recentes, como YOLO11 e YOLO26, tenham sido lançados desde então com melhorias adicionais, as inovações arquitetónicas do YOLOv9 continuam a influenciar a área.

Exemplos de uso#

Este exemplo apresenta exemplos simples de treino e inferência com YOLOv9. Para consultar a documentação completa sobre estes e outros modos, vê as páginas de documentação Predição, Treino, Validação e Exportação.

from ultralytics import YOLO

# Cria um modelo YOLOv9c de raiz
model = YOLO("yolov9c.yaml")

# Cria um modelo YOLOv9c com pesos pré-treinados
model = YOLO("yolov9c.pt")

# Exibir informações do modelo (opcional)
model.info()

# Treina o modelo no conjunto de dados de exemplo COCO8 durante 100 épocas
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Executa a inferência com o modelo YOLOv9c na imagem 'bus.jpg'
results = model("path/to/bus.jpg")

Tarefas e modos compatíveis#

A série YOLOv9 oferece vários modelos, cada um otimizado para deteção de objetos de alto desempenho. Estes modelos respondem a diferentes necessidades computacionais e requisitos de precisão, sendo versáteis para uma vasta gama de aplicações.

Esta tabela apresenta uma visão geral detalhada das variantes do modelo YOLOv9, destacando as suas capacidades em tarefas de deteção de objetos e a compatibilidade com vários modos de funcionamento, como Inferência, Validação, Treino e Exportação. Este suporte abrangente garante que os utilizadores podem tirar pleno partido das capacidades dos modelos YOLOv9 numa vasta gama de cenários de deteção de objetos.

Citações e agradecimentos#

Gostaríamos de agradecer aos autores do YOLOv9 pelos seus contributos significativos para a área 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 nos anais 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 a área e tornar o seu trabalho acessível a toda a comunidade.

Perguntas frequentes#