YOLOv7 и YOLOv9
Ландшафт обнаружения объектов в реальном времени быстро менялся: каждая новая версия повышала производительность как на периферийных устройствах, так и на облачных серверах. Выбирая архитектуру для проектов компьютерного зрения, разработчики часто сравнивают проверенные бенчмарки с новыми решениями. В этом руководстве сравниваются две важные вехи семейства YOLO: YOLOv7 и YOLOv9.
Здесь рассматриваются архитектуры, метрики производительности и оптимальные сценарии развёртывания этих моделей, чтобы помочь тебе выбрать подходящую модель для своего приложения. Также показано, как платформа Ultralytics и Python API упрощают обучение, валидацию и развёртывание поддерживаемых моделей, таких как YOLOv9.
Происхождение моделей и технические характеристики#
Понимание истории и принципов проектирования этих моделей помогает лучше оценить их возможности. Обе модели имеют общие исследовательские корни, но решают разные архитектурные проблемы.
YOLOv7: первопроходец среди моделей с бесплатными улучшениями#
Выпущенная в середине 2022 года YOLOv7 стала широко используемой и хорошо оптимизированной архитектурой. Она представила структурную перепараметризацию и подход «обучаемого набора бесплатных улучшений», позволив сохранить высокую скорость инференса без ущерба для средней точности (mAP).
- Авторы: Chien-Yao Wang, Alexey Bochkovskiy и Hong-Yuan Mark Liao
- Организация: Институт информатики, Академия Синика, Тайвань
- Дата: 6 июля 2022 года
- arXiv: 2207.02696
- GitHub: WongKinYiu/yolov7
Архитектурные нововведения: YOLOv7 использует Extended Efficient Layer Aggregation Network (E-ELAN), которая позволяет модели изучать более разнообразные признаки за счёт расширения, перемешивания и объединения кардинальности. Такая архитектура обеспечивает отличную загрузку GPU и низкую задержку инференса. Однако по сравнению с современными версиями для сложных запусков обучения ей может потребоваться значительно больше памяти.
YOLOv9: решение проблемы информационного узкого места#
Представленная той же исследовательской командой в начале 2024 года YOLOv9 решает проблему «информационного узкого места», присущую глубоким нейронным сетям. При прохождении данных через глубокие слои часто теряются важные детали. YOLOv9 смягчает эту проблему с помощью новых архитектурных компонентов.
- Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
- Организация: Институт информатики, Академия Синика, Тайвань
- Дата: 21 февраля 2024 года
- arXiv: 2402.13616
- GitHub: WongKinYiu/yolov9
Архитектурные нововведения: в YOLOv9 появились Programmable Gradient Information (PGI) и Generalized Efficient Layer Aggregation Network (GELAN). PGI обеспечивает сохранение надёжных градиентов и их передачу обратно для точного обновления весов. GELAN повышает эффективность использования параметров, позволяя YOLOv9 достигать высокой точности при значительно меньшем количестве FLOPs, чем у предыдущих моделей.
Анализ производительности#
Выбирая между архитектурами, инженерам по ИИ необходимо учитывать компромисс между точностью, скоростью инференса и вычислительными затратами. В таблице ниже сравнивается производительность этих моделей на стандартном датасете COCO.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| 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 |
Основные выводы#
- Эффективность по числу параметров: YOLOv9m достигает точности YOLOv7l (51,4% mAP), используя примерно на 45% меньше параметров (20,1 млн против 36,9 млн). Благодаря этому YOLOv9m проще развернуть на устройствах периферийного ИИ с ограниченной памятью.
- Развёртывание на микросистемах: Вариант YOLOv9t (tiny) выполняется за 2,3 мс на GPU T4 с TensorRT, поэтому подходит для сред со строгими требованиями к работе в реальном времени.
- Максимальная точность: В приложениях, где точность важнее всего, YOLOv9e достигает 55,6% mAP — на 2,5 пункта выше YOLOv7x.
Хотя YOLOv7 и YOLOv9 — способные модели, для новых проектов сейчас рекомендуется модель Ultralytics YOLO26. Она представляет собой нативную сквозную архитектуру без NMS (опционально через nms=False), пропускающую постобработку подавления немаксимумов (NMS) и обеспечивающую до 43% более быстрый инференс на CPU (YOLO26n по сравнению с YOLO11n). Оптимизатор MuSGD повышает стабильность обучения, а ProgLoss + STAL (прогрессивная функция потерь и назначение меток с учётом малых объектов) улучшают обнаружение небольших объектов.
Преимущества Ultralytics#
Выбор архитектуры модели — это лишь первый шаг. Скорость перехода от прототипа к производственной среде зависит от программной экосистемы, окружающей модель. Интеграция поддерживаемых моделей, например YOLOv9, через Python API Ultralytics даёт разработчикам и исследователям значительные преимущества.
Удобство использования и эффективность обучения#
Раньше обучение YOLOv7 требовало сложной подготовки данных и сильно адаптированных скриптов. Фреймворк Ultralytics берёт эти задачи на себя, поэтому разработчики могут переключаться между архитектурами, экспериментировать с настройкой гиперпараметров и использовать встроенные конвейеры аугментации данных, написав минимум кода.
Ultralytics также оптимизирует использование памяти во время обучения и инференса. По сравнению с более тяжёлыми моделями на базе Transformer, такими как RT-DETR, архитектуры Ultralytics YOLO обычно обучаются быстрее и требуют меньше памяти CUDA, поэтому подходят для GPU потребительского класса.
Пример кода: упрощенное обучение#
В следующем исполняемом примере модель YOLOv9 обучается, проходит валидацию и экспортируется с помощью Python API Ultralytics:
from ultralytics import YOLO
# Инициализация модели (можно заменить 'yolov9c.pt' на 'yolo26n.pt')
model = YOLO("yolov9c.pt")
# Обучение модели на примере набора данных COCO8
train_results = model.train(
data="coco8.yaml",
epochs=50,
imgsz=640,
device="0", # Использование GPU 0, если он доступен
batch=16, # Оптимизированный размер пакета для эффективного использования памяти
)
# Проверка производительности модели на валидационной выборке
metrics = model.val()
# Экспортируй обученную модель в формат ONNX для развёртывания
model.export(format="onnx")Универсальность для разных задач#
Хорошо поддерживаемая экосистема также даёт доступ к большему числу задач компьютерного зрения. YOLOv7 в основном создавалась для обнаружения объектов (позже появились экспериментальные ветки для других задач), а современные модели Ultralytics нативно поддерживают несколько задач. Сразу после установки ты можешь выполнять сегментацию экземпляров, классификацию изображений, оценку позы и обнаружение объектов с ориентированными ограничивающими рамками (OBB).
Оптимальные сценарии применения#
Выбор между YOLOv7 и YOLOv9 часто зависит от конкретных отраслевых ограничений и доступного оборудования.
Когда использовать YOLOv7#
- Развёртывание на устаревших периферийных системах: Если оборудование уже настроено под архитектуру E-ELAN YOLOv7, эта модель остаётся надёжным выбором для промышленного IoT.
- Мониторинг транспорта: Высокая частота кадров и проверенная стабильность YOLOv7 делают её подходящей для инфраструктуры умных городов и управления транспортным потоком в реальном времени.
- Интеграция в робототехнические системы: Для навигации в динамической среде нужна обработка с низкой задержкой — в таких сценариях варианты YOLOv7 прошли обширное тестирование.
Когда использовать YOLOv9#
- Медицинская визуализация: PGI помогает YOLOv9 сохранять мелкие детали в глубоких слоях, что полезно для задач анализа медицинских изображений, например обнаружения опухолей.
- Аналитика розничной торговли при высокой плотности объектов: При отслеживании и подсчёте плотно расположенных товаров на полках объединение признаков YOLOv9 может повысить точность и сократить число ложноотрицательных результатов.
- Аэрофотосъёмка и изображения с дронов: Благодаря эффективному использованию параметров YOLOv9m позволяет обрабатывать изображения высокого разрешения на дронах, помогая в охране дикой природы и мониторинге сельскохозяйственных угодий без быстрого разряда батареи.
Заключение#
YOLOv7 и YOLOv9 — важные вехи семейства YOLO. YOLOv7 представила ключевые оптимизации для обработки в реальном времени, а YOLOv9 решила проблему потери информации в глубоких сетях и повысила эффективность по числу параметров.
Однако для новых проектов более современные модели Ultralytics, такие как YOLO11 и YOLO26, обеспечивают лучший баланс скорости, точности и удобства разработки. Благодаря оптимизатору MuSGD и удалению Distribution Focal Loss (DFL) для совместимости с более широким спектром оборудования YOLO26 — рекомендуемая отправная точка.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.