YOLOv9 и EfficientDet
Компьютерное зрение стремительно развивается, в том числе детекция объектов в реальном времени, а исследователи постоянно повышают точность и эффективность моделей. При создании надежных систем компьютерного зрения выбор подходящей архитектуры имеет решающее значение. Среди широко обсуждаемых моделей — YOLOv9, усовершенствованная модель линейки YOLO, ориентированная на работу с градиентной информацией, и EfficientDet — масштабируемый фреймворк, разработанный Google.
В этом руководстве приводится технический анализ и сравнение двух архитектур: рассматриваются их внутренние механизмы, метрики производительности и оптимальные сценарии развертывания, чтобы помочь тебе принять взвешенное решение для следующего ИИ-проекта.
История создания и технические характеристики моделей#
Понимание истории создания модели и принципов, лежащих в основе ее архитектуры, помогает разобраться в ее структуре и практическом применении.
YOLOv9: максимизация потока информации#
YOLOv9 разработана для решения проблемы «информационного узкого места» в глубоком обучении и предлагает методы, помогающие сохранить информацию при прохождении данных через глубокие нейронные сети.
- Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
- Организация: Институт информатики, Academia Sinica, Тайвань
- Дата: 21 февраля 2024 года
- Ссылки: публикация на arXiv, официальный репозиторий GitHub
YOLOv9 использует программируемую градиентную информацию (PGI) — вспомогательную систему обучения, помогающую сохранять надежную градиентную информацию в глубоких слоях. Она сочетается с обобщенной эффективной сетью агрегации слоев (GELAN), которая повышает эффективность использования параметров, объединяя сильные стороны CSPNet и ELAN. Благодаря этому YOLOv9 обеспечивает высокую точность при небольшом объеме модели, подходящем для периферийной обработки в реальном времени.
EfficientDet: составное масштабирование и BiFPN#
Разработанная Google Brain модель EfficientDet решает задачу детекции объектов, систематически масштабируя размеры сети для баланса скорости и точности.
- Авторы: Mingxing Tan, Ruoming Pang и Quoc V. Le
- Организация: Google
- Дата: 20 ноября 2019 года
- Ссылки: публикация на arXiv, официальный репозиторий GitHub
В основе EfficientDet лежит EfficientNet в сочетании с двунаправленной сетью пирамиды признаков (BiFPN). BiFPN упрощает и ускоряет слияние признаков разных масштабов. В архитектуре применяется метод составного масштабирования, который одновременно и равномерно изменяет разрешение, глубину и ширину базовой сети, сети признаков и сетей предсказания рамок и классов.
Хотя теоретические архитектуры важны, успех проекта часто определяется программной экосистемой. Ultralytics предлагает упрощенный Python API и надежные инструменты развертывания, сокращающие время выхода на рынок по сравнению со сложными кодовыми базами, ориентированными на исследования.
Сравнение производительности и метрик#
При анализе производительности модели важно сбалансировать точность с задержкой инференса и вычислительными затратами. Таблица ниже показывает компромиссы для моделей YOLOv9 и EfficientDet разных размеров.
| Модель | размер (пиксели) | mAPval50-95 | 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 | 7.2 | 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 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
Критический анализ метрик#
- Пороговые значения точности: YOLOv9e обеспечивает наивысшую общую точность — 55,6% mAP (средняя точность по всем классам), превосходя самую большую модель EfficientDet-d7 (53,7%) и сохраняя при этом более высокую скорость TensorRT.
- Скорость в реальном времени: YOLOv9t требуется всего 2.3 мс на GPU T4 с использованием TensorRT, что подчеркивает эффективность архитектуры GELAN при обработке видеопотоков на высокой скорости. EfficientDet-d0 работает медленнее — 3.92 мс — и уступает YOLOv9t по mAP на 3.7.
- Вычислительная сложность: по мере увеличения составного коэффициента EfficientDet значительно наращивает количество параметров и FLOPs. Задержка варианта d7 составляет 128 мс, поэтому он примерно в 7,6 раза медленнее и менее точен, чем YOLOv9e (16,77 мс), что ограничивает его применение в условиях инференса в реальном времени.
Эффективность обучения и экосистема#
При выборе модели важно оценить экосистему разработчика. Экосистема Ultralytics дает явные преимущества в эффективности обучения, гибкости развертывания и универсальности.
Преимущества Ultralytics#
Модели, поддерживаемые фреймворком Ultralytics, включая YOLOv9, YOLOv8 и YOLO11, обычно требуют меньше памяти для обучения, чем модели на основе Transformer или старые архитектуры TensorFlow, например EfficientDet. Бэкенд PyTorch обеспечивает быструю сходимость и стабильное обучение.
- Универсальность: в отличие от EfficientDet, ориентированной исключительно на детекцию ограничивающих рамок, API Ultralytics изначально поддерживает сегментацию экземпляров, классификацию изображений, оценку позы и детекцию ориентированных ограничивающих рамок (OBB).
- Простота использования: EfficientDet опирается на устаревшие библиотеки TensorFlow и сложные конфигурации AutoML, настройка которых может быть ненадежной. В отличие от нее, Ultralytics предлагает усовершенствованный API для подбора гиперпараметров и управления наборами данных.
Пример реализации#
Обучение модели компьютерного зрения не должно требовать сотен строк шаблонного кода. Следующий пример запускает обучение с помощью пакета Ultralytics для Python:
from ultralytics import YOLO
# Загрузи официальную модель Ultralytics (например, YOLO11 или YOLO26)
model = YOLO("yolo11n.pt")
# Обучи модель на собственном наборе данных средствами фреймворка
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Экспортируй обученную модель в формат ONNX для развёртывания
model.export(format="onnx")Оптимальные сценарии использования и реальные приложения#
Различия в архитектуре этих моделей определяют сценарии, для которых они подходят.
Когда использовать EfficientDet: EfficientDet остается подходящим вариантом для устаревших систем, тесно связанных с экосистемой TensorFlow, где переход на PyTorch невозможен. Эта модель также имеет историческое значение для исследований в области анализа медицинских изображений, где допустима более медленная автономная обработка снимков высокого разрешения.
Когда использовать YOLOv9: YOLOv9 подходит для приложений, которым нужна высокая точность без большого количества параметров. Для таких приложений, как управление дорожным движением в умном городе и мониторинг скоплений людей, полезна способность PGI сохранять детали признаков.
Задел на будущее: следующее поколение ИИ для компьютерного зрения#
YOLOv9 и EfficientDet — мощные модели, но разработчикам, которым нужен оптимальный баланс скорости периферийных вычислений, стабильности обучения и простоты развертывания, стоит обратить внимание на новейшие разработки.
Выпущенная в январе 2026 года Ultralytics YOLO26 — актуальная рекомендованная модель Ultralytics. Она превосходит предыдущие поколения, включая YOLO11 и YOLOv8, благодаря нескольким ключевым изменениям:
- Сквозная архитектура без NMS: YOLO26 предлагает опциональную голову один-к-одному (
nms=False), полностью пропускающую подавление немаксимумов (NMS). Этот подход, внедренный в модели YOLO с выходом YOLOv10, ускоряет и упрощает развертывание модели. - Удаление DFL: удаление фокальной функции потерь распределения упрощает экспорт и повышает совместимость с периферийными устройствами и устройствами с низким энергопотреблением.
- Инференс на CPU до 43% быстрее: YOLO26n работает на CPU до 43% быстрее YOLO11n и подходит для устройств IoT и сред без выделенных GPU.
- Оптимизатор MuSGD: гибрид SGD и Muon, вдохновленный новшествами в обучении больших языковых моделей, ускоряет сходимость и повышает стабильность обучения.
- ProgLoss + STAL: прогрессивная функция потерь и назначение меток с учетом малых объектов (STAL) улучшают детекцию мелких объектов, что особенно важно для аэрофотосъемки с дронов и робототехники.
С помощью платформы Ultralytics команды могут управлять наборами данных, отслеживать эксперименты и развертывать модели, например YOLO26, на различном оборудовании, поддерживая готовность конвейеров компьютерного зрения к эксплуатации.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.