YOLOv5 и YOLOv9
За последние несколько лет область компьютерного зрения и обнаружения объектов в реальном времени значительно продвинулась. Выбор между проверенными временем моделями и новыми исследовательскими архитектурами — распространённая задача для инженеров машинного обучения. В этом руководстве подробно сравниваются две влиятельные модели семейства YOLO: YOLOv5 и YOLOv9.
Понимание архитектурных различий, показателей производительности и поддержки экосистемы этих моделей важно независимо от того, развёртываешь ли ты их на периферийных устройствах с ограниченными ресурсами, исследуешь извлечение высокоточных признаков или создаёшь сложные конвейеры обнаружения объектов.
Обзор моделей#
Прежде чем перейти к сравнению архитектур, полезно разобраться в происхождении каждой модели и её основных задачах.
Ultralytics YOLOv5#
YOLOv5, разработанная Гленном Джочером и выпущенная компанией Ultralytics 26 июня 2020 года, изменила подход разработчиков к работе с моделями компьютерного зрения. Полностью перейдя на фреймворк PyTorch, YOLOv5 заменила сложные этапы компиляции более ранних моделей на базе Darknet интуитивно понятным пользовательским интерфейсом, ориентированным на Python.
- Автор: Glenn Jocher
- Организация: Ultralytics
- Дата: 2020-06-26
- GitHub: Репозиторий YOLOv5
- Документация: Документация YOLOv5
YOLOv5 известна своей простотой использования и стабильной производительностью на различных аппаратных платформах. Она поддерживает не только обнаружение объектов, но и сегментацию экземпляров и классификацию изображений.
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.
YOLOv5 и YOLOv9 — мощные модели, однако более новая YOLO26 предлагает удачный баланс скорости и точности. Благодаря опциональному сквозному инференсу без NMS и инференсу на CPU до 43% быстрее (YOLO26n по сравнению с YOLO11n), YOLO26 рекомендуется для современных периферийных вычислений и промышленного развёртывания.
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.
YOLOv9 представляет GELAN — универсальную архитектуру, развивающую принципы CSPNet. В сочетании с PGI — вспомогательной обратимой ветвью — она помогает глубоким слоям сохранять семантическую информацию, необходимую для вычисления надёжных градиентов. Благодаря этому YOLOv9 достигает высокой точности, особенно при обнаружении небольших объектов.
Требования к памяти и эффективность обучения#
В плане эффективности обучения YOLOv5 по-прежнему сильна. 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 своего размера, но без оптимизированных фреймворков её обучение может требовать больше ресурсов. К счастью, интеграция YOLOv9 с API Ultralytics позволяет приблизить управление ресурсами к оптимизированному подходу YOLOv5.
Производительность и метрики#
В таблице ниже сравнивается производительность моделей на наборе данных COCO, включая mAP (среднюю точность), скорость инференса и количество параметров.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| 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 |
Как видно из таблицы, YOLOv9 обеспечивает более высокую абсолютную точность в сопоставимых категориях, что отражает преимущества её более новой архитектуры. Однако задержка YOLOv5n на T4 с TensorRT составляет всего 1,12 мс, что подчёркивает её неизменно высокую эффективность в приложениях периферийных вычислений с низкой задержкой.
Методики обучения и простота использования#
Сегодня практическая ценность компьютерного зрения во многом определяется доступностью набора инструментов.
Преимущества Ultralytics#
Хотя оригинальные исследовательские репозитории моделей вроде YOLOv9 имеют фундаментальное значение, они часто отличаются сложными наборами зависимостей и шаблонными скриптами. Python API Ultralytics избавляет от большей части этой сложности. Экосистема Ultralytics позволяет обучать, оценивать и экспортировать YOLOv5 и YOLOv9 с помощью единого синтаксиса.
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")
# Обучи модель на примере датасета COCO8
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)
# Экспорт обученной модели в ONNX
model_v9.export(format="onnx")Подход с единым API обеспечивает широкую универсальность: помимо обнаружения объектов, он поддерживает сегментацию экземпляров, оценку позы и ориентированные ограничивающие рамки (OBB) — в зависимости от выбранной модели. Интеграции с такими инструментами, как Comet и Weights & Biases, также встроены в цикл обучения.
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 — зрелая модель, подходящая для развёртывания, где важны стабильность, небольшой объём используемой памяти и широкая совместимость с форматами экспорта.
- Развёртывание на мобильных устройствах: экспорт YOLOv5 в LiteRT или CoreML для инференса на старых смартфонах не вызывает затруднений.
- Устаревшее периферийное оборудование: простые свёртки YOLOv5 помогают поддерживать стабильную частоту кадров на таких устройствах, как Raspberry Pi и NVIDIA Jetson Nano первых поколений, например в приложениях для управления умной парковкой.
- Быстрое прототипирование: множество обучающих материалов от сообщества, пользовательских предобученных весов и широкая совместимость с наборами данных делают эту модель оптимальным выбором для быстрой проверки концепции.
Когда выбирать YOLOv9#
YOLOv9 оптимальна для задач, где критически важно выявлять сложные детали и сводить к минимуму ложноотрицательные результаты, даже если для этого требуется немного больше вычислительных ресурсов.
- Аэрофотоснимки и спутниковые изображения: фреймворк PGI помогает сохранять чёткость небольших объектов, что делает YOLOv9 отличным выбором 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 премиальном ритейле: благодаря более эффективному сохранению признаков YOLOv9 хорошо справляется с отслеживанием перекрывающихся товаров на плотно заполненных полках.
Расширяй свои возможности#
Сравнение YOLOv5 и YOLOv9 наглядно показывает, как развивались архитектуры с 2020 по 2024 год, однако область продолжает стремительно меняться. Разработчикам, которым нужна максимальная производительность, рекомендуется использовать модели YOLO26. Благодаря встроенной сквозной архитектуре без NMS (nms=False) в качестве альтернативы традиционному подавлению немаксимумов и современному оптимизатору MuSGD, YOLO26 сокращает разрыв между точностью исследовательского уровня и скоростью промышленного уровня. Удаление DFL (Distribution Focal Loss) упрощает экспорт и повышает совместимость с периферийными устройствами и устройствами с низким энергопотреблением: YOLO26n выполняет инференс на CPU до 43% быстрее, чем YOLO11n, и хорошо подходит для периферийных вычислений. Кроме того, связка ProgLoss + STAL объединяет прогрессивную функцию потерь с назначением меток с учётом малых объектов, значительно улучшая их распознавание, что важно для IoT, робототехники и анализа аэрофотоснимков.
Тебе также может быть интересно сравнить эти архитектуры с другими моделями, например YOLOv5 и RT-DETR или YOLOv5 и YOLO11. Единый фреймворк Ultralytics обеспечивает согласованность конвейера разработки независимо от выбранной модели.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.