YOLOv5 и YOLOv9#

За последние несколько лет компьютерное зрение и обнаружение объектов в реальном времени значительно продвинулись вперёд. Выбор между проверенными временем моделями и новыми исследовательскими архитектурами — распространённая задача для инженеров машинного обучения. В этом руководстве мы подробно сравним две влиятельные модели семейства YOLO: YOLOv5 и YOLOv9.

Независимо от того, развёртываешь ли ты модель на ограниченных периферийных устройствах, исследуешь высокоточную экстракцию признаков или создаёшь сложные конвейеры обнаружения объектов, важно понимать архитектурные особенности этих моделей, их показатели производительности и различия в экосистемах.

Обзор моделей#

Прежде чем перейти к сравнению архитектур, полезно разобраться в происхождении каждой модели и её основных задачах.

Ultralytics YOLOv5#

YOLOv5, разработанную Гленном Джохером и выпущенную Ultralytics 26 июня 2020 года, отличал новый подход к взаимодействию разработчиков с моделями компьютерного зрения. Благодаря полной интеграции с фреймворком PyTorch YOLOv5 заменила сложные этапы компиляции, характерные для предыдущих моделей на базе Darknet, интуитивно понятным интерфейсом с приоритетом Python.

• Автор: Glenn Jocher
• Организация: Ultralytics
• Дата: 2020-06-26
• GitHub: Репозиторий YOLOv5
• Документация: Документация YOLOv5

YOLOv5 известна своей простотой использования и стабильной работой на различных типах оборудования. Она поддерживает не только обнаружение объектов, но и классификацию изображений и сегментацию экземпляров.

YOLOv9#

YOLOv9, представленная Чен-Яо Ваном и Хун-Юань Марком Ляо из Института информационных наук Академии Синика на Тайване, уделяет особое внимание архитектурной теории для устранения проблем узкого информационного горлышка в глубоких нейронных сетях.

• Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
• Организация: Институт информатики, Academia Sinica, Тайвань
• Дата: 2024-02-21
• Arxiv: 2402.13616
• GitHub: Репозиторий YOLOv9
• Документация: Документация YOLOv9

В основе YOLOv9 лежат две важные теоретические инновации: программируемая информация о градиентах (PGI) и обобщённая эффективная сеть агрегации слоёв (GELAN). Эти концепции помогают модели сохранять критически важные пространственные признаки в глубоких слоях сети.

Подробнее о YOLOv9

Архитектурные и технические различия#

Чтобы оптимизировать стратегии развертывания моделей, важно понимать, как эти модели компьютерного зрения устроены изнутри.

Извлечение признаков и сохранение информации#

В YOLOv5 используется базовая сеть Cross Stage Partial Network (CSPNet), которая эффективно снижает вычислительные затраты, сохраняя точный поток градиентов при обратном распространении ошибки. Эта архитектура оптимизирована для традиционных операций на GPU и требует меньше памяти при обучении, чем ресурсоёмкие альтернативы на основе Transformer.

В YOLOv9 представлена GELAN — универсальная архитектура, развивающая принципы CSPNet. В сочетании с PGI — вспомогательной обратимой ветвью — GELAN помогает YOLOv9 сохранять в глубоких слоях семантические данные, необходимые для точных целевых функций. Благодаря этому YOLOv9 обеспечивает высокую точность, особенно при обнаружении небольших объектов, хотя сложная структура вспомогательных ветвей иногда усложняет экспорт на периферийное оборудование с жёсткими ограничениями.

Требования к памяти и эффективность обучения#

Что касается эффективности обучения, YOLOv5 остаётся исключительно надёжной. Хорошо поддерживаемая экосистема Ultralytics позволяет моделям YOLOv5 использовать значительно меньше памяти CUDA, благодаря чему исследователи могут увеличивать размеры пакетов на потребительских GPU. YOLOv9 эффективно использует параметры и обеспечивает высокую точность относительно размера модели, но без оптимизированных фреймворков обучение может требовать больше ресурсов. К счастью, интеграция YOLOv9 с API Ultralytics делает управление ресурсами в этой модели ближе к упрощённому подходу YOLOv5.

Производительность и метрики#

Чтобы объективно оценить эти архитектуры, сравним их показатели на стандартных наборах данных, таких как COCO. Ниже подробно разобраны такие метрики, как mAP (средняя точность), скорость инференса и количество параметров.

Как видно из таблицы, YOLOv9 обеспечивает более высокую фактическую точность в сопоставимых вариантах, что отражает преимущества её новой архитектуры. Однако YOLOv5n сохраняет исключительно низкую задержку TensorRT — 1,12 мс, демонстрируя, что она по-прежнему отлично подходит для высокоскоростных локальных приложений периферийных вычислений.

Методики обучения и простота использования#

Сегодня главное преимущество компьютерного зрения — доступность инструментов для разработки.

Преимущества Ultralytics#

Исходные исследовательские репозитории таких моделей, как YOLOv9, служат важной основой, но часто включают сложные наборы зависимостей и шаблонные скрипты. Python API Ultralytics полностью скрывает эту сложность. Экосистема Ultralytics позволяет обучать, оценивать и экспортировать и YOLOv5, и YOLOv9, используя одинаковый унифицированный синтаксис.

from ultralytics import YOLO

# Загрузка предварительно обученной модели YOLOv5 для быстрого развертывания
model_v5 = YOLO("yolov5su.pt")  # YOLOv5u: веса YOLOv5 без якорей для пакета ultralytics

# Или используй модель YOLOv9 для высокой точности
model_v9 = YOLO("yolov9c.pt")

# Обучение на собственных данных без лишних сложностей
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)

# Экспорт обученной модели в ONNX
model_v9.export(format="onnx")

Такой подход с единым API обеспечивает высокую универсальность: в зависимости от выбранной модели он поддерживает не только обнаружение объектов, но и оценку позы и ориентированные ограничивающие рамки (OBB). Кроме того, прямо в цикл обучения встроены надёжные интеграции с такими инструментами, как Comet ML и Weights & Biases.

Оптимальные сценарии использования и реальные приложения#

Выбор архитектуры во многом зависит от ограничений оборудования и необходимой точности в конкретной области применения.

Когда стоит выбрать YOLOv5#

YOLOv5 — проверенная временем модель, которая отлично подходит для развертывания, где важны стабильность, небольшой объём памяти и максимальная совместимость при экспорте.

• Развертывание на мобильных устройствах: экспорт YOLOv5 в LiteRT или CoreML для локального инференса на старых смартфонах выполняется очень просто.
• Устаревшее периферийное оборудование: на таких устройствах, как Raspberry Pi или NVIDIA Jetson Nano первого поколения, простые свёртки YOLOv5 обеспечивают стабильную частоту кадров для таких приложений, как интеллектуальное управление парковкой.
• Быстрое прототипирование: благодаря обширной коллекции обучающих материалов сообщества, пользовательским предварительно обученным весам и широкой совместимости с наборами данных эта модель позволяет быстрее всего проверить концепцию.

Когда выбирать YOLOv9#

YOLOv9 идеально подходит для сценариев, где крайне важно выявлять сложные детали и сводить к минимуму ложноотрицательные результаты, даже если для этого требуются дополнительные вычислительные ресурсы.

• Аэрофотоснимки и спутниковые снимки: фреймворк PGI эффективно сохраняет детализацию небольших объектов, поэтому YOLOv9 отлично подходит для мониторинга сельского хозяйства с помощью дронов.
• Диагностика по медицинским изображениям: при обнаружении небольших аномалий или поражений на снимках высокого разрешения точный поток градиентов GELAN повышает полноту выявления.
• Аналитика в крупных розничных сетях: при отслеживании перекрывающих друг друга товаров на плотно заставленных полках значительно помогают возможности YOLOv9 лучше сохранять признаки.

Расширяй свои возможности#

Сравнение YOLOv5 и YOLOv9 показывает, как менялись архитектуры с 2020 по 2024 год, однако сфера ИИ развивается стремительнее, чем когда-либо. Разработчикам, которым нужны максимальные показатели производительности, настоятельно рекомендуется изучить последние модели YOLO26. Благодаря встроенному сквозному дизайну без NMS (nms=False), который можно использовать вместо традиционного подавления немаксимумов, и передовому оптимизатору MuSGD YOLO26 сокращает разрыв между исследовательской точностью и производственной скоростью. Удаление DFL (Distribution Focal Loss) упрощает экспорт и повышает совместимость с периферийными устройствами и устройствами с низким энергопотреблением; благодаря этому инференс YOLO26 на CPU выполняется до 43% быстрее. Кроме того, ProgLoss + STAL улучшает функции потерь и заметно повышает качество распознавания небольших объектов, что крайне важно для IoT, робототехники и анализа аэрофотоснимков.

Тебе также может быть интересно сравнить эти архитектуры с другими передовыми моделями, такими как RT-DETR или мощная YOLO11. Единый фреймворк Ultralytics помогает сохранить конвейер разработки чистым, эффективным и готовым к масштабированию независимо от выбранной модели.