YOLOv9 YOLO: достижения в области обнаружения объектов в реальном времени

Эволюция обнаружения объектов в реальном времени характеризовалась постоянным стремлением к оптимальному балансу между точностью и задержкой. В этом подробном сравнении мы рассмотрим две значимые архитектуры: YOLOv9, известную благодаря программируемой градиентной информации (PGI) и обобщенной эффективной сети агрегации слоев (GELAN), и YOLO, семейство моделей, оптимизированное с помощью нейронного архитектурного поиска (NAS) и методов репараметризации.

Мы также представляем новейшее поколение YOLO26, которое еще больше расширяет эти границы благодаря сквозной конструкции NMS и оптимизации для периферийных устройств.

Сравнительные показатели эффективности

В следующей таблице представлено прямое сравнение ключевых показателей эффективности на наборе данных COCO . YOLOv9 превосходную эффективность параметров и зачастую более высокую точность для сопоставимых размеров моделей.

Модель	размер ^{(пиксели)}	mAP^val 50-95	Скорость ^{CPU ONNX (мс)}	Скорость ^{T4 TensorRT10 (мс)}	параметры ^(M)	FLOPs ^(B)
YOLOv9t	640	38.3	-	2.3	2.0	7.7
YOLOv9s	640	46.8	-	3.54	7.1	26.4
YOLOv9m	640	51.4	-	6.43	20.0	76.3
YOLOv9c	640	53.0	-	7.16	25.3	102.1
YOLOv9e	640	55.6	-	16.77	57.3	189.0

DAMO-YOLOt	640	42.0	-	2.32	8.5	18.1
DAMO-YOLOs	640	46.0	-	3.45	16.3	37.8
DAMO-YOLOm	640	49.2	-	5.09	28.2	61.8
DAMO-YOLOl	640	50.8	-	7.18	42.1	97.3

YOLOv9: Программируемая градиентная информация

YOLOv9 представляет собой значительный скачок в разработке архитектуры глубокого обучения, решая проблему информационного узкого места, присущего глубоким сетям.

Авторы: Чен-Яо Ванг, Хонг-Юань Марк Ляо
Организация:Институт информатики, Academia Sinica
Дата: 2024-02-21
Arxiv:YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information
GitHub:WongKinYiu/yolov9

Ключевые архитектурные инновации

Программируемая информация о градиенте (PGI): по мере углубления сетей важная информация о характеристиках часто теряется в процессе прямой передачи. PGI вводит вспомогательную обратимое ветвление, которое предоставляет надежную информацию о градиенте основной ветви во время обучения. Это гарантирует, что сеть сохраняет важные характеристики для точного обнаружения, эффективно решая проблему «информационного бутылочного горлышка» без увеличения затрат на вывод.
GELAN Backbone: Generalized Efficient Layer Aggregation Network (GELAN) сочетает в себе лучшие аспекты CSPNet и ELAN. Она позволяет гибко выбирать вычислительные блоки (такие как ResBlocks или CSP-блоки) при максимальном использовании параметров. В результате получаются легкие, но невероятно мощные модели.

Эти инновации делают YOLOv9 для обнаружения объектов общего назначения и особенно подходящим для сохранения мелких деталей в сложных сценах.

Узнайте больше о YOLOv9

YOLO: оптимизация поиска нейронной архитектуры

YOLO фокусируется на автоматическом обнаружении эффективных архитектур и использовании методов дистилляции для повышения производительности.

Авторы: Сяньчжэ Сюй, Ици Цзян, Вэйхуа Чэнь, Илунь Хуан, Юань Чжан, Сюю Сунь
Организация: Alibaba Group
Дата: 2022-11-23
Arxiv:DAMO-YOLO: Отчет о проектировании системы обнаружения объектов в реальном времени
GitHub:tinyvision/DAMO-YOLO

Основные характеристики архитектуры

YOLO технологию под названием Neural Architecture Search (NAS) для построения своей основы, MAE-NAS. Этот подход направлен на поиск оптимальной структуры сети в рамках определенных ограничений по задержке. Кроме того, он использует Efficient RepGFPN (Re-parameterized Generalized Feature Pyramid Network) для объединения характеристик в разных масштабах. Модель также в значительной степени опирается на «ZeroHead» и улучшение дистилляции, когда более крупная модель-учитель направляет обучение более мелкой модели-ученика для повышения ее точности.

Несмотря на инновационность, использование NAS и сложных дистилляционных конвейеров может затруднять воспроизведение результатов или модификацию архитектуры для индивидуальных задач по сравнению с модульной конструкцией YOLOv9.

Ultralytics : экосистема и простота использования

Хотя обе архитектуры вносят весомый теоретический вклад, практический опыт разработчиков значительно различается. Ultralytics , включая YOLOv9 YOLO26, обеспечивают беспроблемную работу без каких-либо затруднений.

Оптимизированный рабочий процесс

ОбучениеYOLO часто требует сложных конфигурационных файлов и специальных настроек среды (таких как PaddlePaddle определенные CUDA ). В отличие от этого,Python Ultralytics стандартизирует рабочий процесс. Вы можете загружать, обучать и развертывать современные модели за считанные минуты.

from ultralytics import YOLO

# Load a pre-trained YOLOv9 model
model = YOLO("yolov9c.pt")

# Train on a custom dataset with a single command
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference
results = model("https://ultralytics.com/images/bus.jpg")

Универсальность и поддержка задач

Ultralytics не ограничиваются ограничивающими прямоугольниками. Фреймворк изначально поддерживает сегментацию экземпляров, оценку позы и обнаружение ориентированных ограничивающих прямоугольников (OBB). Такая универсальность позволяет командам переключаться между задачами без необходимости изучения новых библиотек. Напротив,YOLO в первую очередьYOLO на стандартное обнаружение и в меньшей степени поддерживает эти сложные последующие задачи.

Эффективность обучения и память

YOLO Ultralytics YOLO разработаны с учетом эффективности. Как правило, они требуют меньшего GPU во время обучения по сравнению с архитектурами с интенсивным использованием трансформаторов или моделями, сгенерированными NAS, которые могут иметь нерегулярные схемы доступа к памяти. Это позволяет исследователям обучать надежные модели на потребительском оборудовании, демократизируя доступ к высокопроизводительному компьютерному зрению.

Приложения в реальном мире

Выбор подходящей модели зависит от ограничений развертывания и целей по производительности.

Идеальные сценарии использования для YOLOv9.

Аналитика розничной торговли: высокая точность YOLOv9c делает его отличным инструментом для обнаружения товаров на переполненных полках, где часто возникают ситуации, когда один товар закрывает другой.
Медицинская визуализация: архитектура PGI помогает сохранять важную информацию об особенностях, что имеет решающее значение при обнаружении небольших аномалий на медицинских сканах или выявлении переломов.
Общее наблюдение: для стандартных систем безопасности, где требуется баланс между высоким mAP разумным FPS.

Идеальные варианты использованияYOLO

Ограниченный поиск оборудования: если вы проводите исследование NAS, чтобы найти магистраль, специально адаптированную к очень уникальным ограничениям оборудования, где стандартные магистрали не справляются.
Академический бенчмаркинг: для исследователей, сравнивающих эффективность методов дистилляции с перепараметризацией структуры.

Почему YOLO26 — это будущее

Для разработчиков, начинающих новые проекты в 2026 году, YOLO26 предлагает наиболее привлекательный набор функций. Он основан на сильных сторонах YOLOv9 представляет собой сквозную конструкцию NMS, что устраняет необходимость в постобработке с помощью Non-Maximum Suppression. Это значительно упрощает развертывание и сокращает задержку, особенно на периферийных устройствах.

Узнайте больше о YOLO26

Ключевые инновации YOLO26 включают:

MuSGD Optimizer: гибрид SGD Muon, который стабилизирует обучение и ускоряет сходимость, обеспечивая стабильность обучения больших языковых моделей (LLM) для зрения.
Удаление DFL: удаление распределительной фокальной потери упрощает график модели, что упрощает экспорт в такие форматы, как ONNX и TensorRT .
Улучшенное обнаружение мелких объектов: благодаря ProgLoss и STAL, YOLO26 отлично подходит для аэрофотосъемки и применения в дронах.

Обеспечьте будущее своего развертывания

Переход на YOLO26 гарантирует, что ваше приложение будет использовать все преимущества новейших достижений в области оптимизации пограничных вычислений. Нативная сквозная архитектура обеспечивает более быстрое выполнение выводов на процессорах и нейропроцессорах, что крайне важно для IoT-устройств с батарейным питанием.

Заключение

В то время какYOLO интересные концепции, касающиеся поиска нейронной архитектуры и дистилляции, YOLOv9 и более новая версия YOLO26 предлагают более практичное, мощное и удобное решение для подавляющего большинства приложений компьютерного зрения. Ultralytics гарантирует разработчикам доступ к лучшим инструментам для обучения, отслеживания и развертывания моделей, подкрепленный обширной документацией и поддержкой сообщества.

Для более подробного изучения архитектур моделей рекомендуем ознакомиться с нашими сравнениями YOLOv10 YOLO или YOLO11 YOLOv9.