YOLOv9 против YOLOv6-3.0#

Эволюция обнаружения объектов в реальном времени обусловлена постоянными инновациями в архитектурах нейронных сетей, направленными на оптимизацию тонкого баланса между скоростью вывода, точностью и вычислительной эффективностью. По мере того как разработчики и исследователи ориентируются в насыщенном ландшафте фреймворков компьютерного зрения, сравнение ведущих архитектур становится необходимым для выбора подходящего инструмента под конкретную задачу.

Это техническое руководство содержит подробное сравнение двух высокопроизводительных моделей: YOLOv9, известной эффективным сохранением информации при глубоком обучении, и YOLOv6-3.0 — модели, специально адаптированной для промышленных приложений.

Обзор YOLOv9: максимальное сохранение признаков#

Представленная в начале 2024 года, YOLOv9 решает одну из наиболее устойчивых проблем глубоких нейронных сетей: потерю информации в процессе прямого распространения. Обеспечивая надежность градиентов и сохранение важных данных в картах признаков, она расширяет границы теоретической точности.

• Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
• Организация: Институт информационных наук Academia Sinica, Тайвань
• Дата: 21 февраля 2024 г.
• Ссылки: Статья на Arxiv, репозиторий GitHub

Архитектура и методики#

YOLOv9 представляет концепцию программируемой информации о градиентах (PGI) наряду с обобщенной сетью эффективной агрегации слоев (GELAN). PGI устраняет информационное узкое место, обеспечивая вспомогательное обучение с учителем, благодаря которому основная сеть учится выделять надежные и устойчивые признаки без увеличения затрат на вывод. Тем временем GELAN оптимизирует использование параметров, позволяя модели достигать передовой средней точности (mAP), сохраняя вычислительные затраты на приемлемом уровне. Это делает модель отличным выбором для анализа медицинских изображений и обнаружения крайне малых объектов, где критически важна точность представления признаков.

Узнай больше о YOLOv9

Обзор YOLOv6-3.0: создана для промышленного масштаба#

Разработанная компанией Meituan, YOLOv6-3.0 (также известная как v3.0) с нуля спроектирована для использования в ресурсоемких промышленных приложениях. Выпущенная в начале 2023 года, она ориентирована прежде всего на эффективность развертывания и предлагает набор моделей, оптимизированных для квантования и превосходно работающих на периферийном оборудовании.

• Авторы: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu и Xiangxiang Chu
• Организация: Meituan
• Дата: 13 января 2023 года
• Ссылки: Статья на Arxiv, репозиторий GitHub

Архитектура и методики#

YOLOv6-3.0 выделяется стратегиями RepOptimizer и обучения с использованием якорей (AAT). В модели используется аппаратно-ориентированная архитектура нейронной сети, вдохновленная RepVGG, благодаря чему во время вывода она работает исключительно быстро на GPU за счет объединения слоев. Обновление 3.0 дополнительно усовершенствовало архитектуру, представив двунаправленный модуль конкатенации (BiC) для повышения точности локализации. Благодаря высокой оптимизации под форматы развертывания, такие как TensorRT и OpenVINO, YOLOv6-3.0 часто применяется в логистике, автоматизации производства и серверных средах с высокой пропускной способностью.

Узнай больше о YOLOv6-3.0

Сравнение производительности#

При оценке этих моделей на стандартном наборе данных COCO можно заметить явные компромиссы между точностью и исходной скоростью вывода.

Технический анализ#

Хотя YOLOv6-3.0n лидирует по исходной скорости на оборудовании T4 (1,17 мс), YOLOv9t достигает немного более высокого показателя mAP (38,3%), используя менее половины параметров (2,0 млн против 4,7 млн) и значительно меньшее количество FLOPs. Для сложных задач, требующих высокой точности, массивная YOLOv9e повышает точность до 55,6% mAP, демонстрируя мощь архитектуры PGI в глубоких сетях.

Преимущества экосистемы Ultralytics#

Независимо от того, какая архитектурная философия модели тебе ближе, ее нативная реализация через Ultralytics Python API обеспечивает превосходный опыт разработки.

Простота использования и эффективность обучения#

Традиционное обучение сложных моделей глубокого обучения требует огромного количества шаблонного кода. Платформа Ultralytics абстрагирует эти сложности. Независимо от того, выполняешь ли ты дообучение YOLOv9 для обнаружения дефектов или экспортируешь YOLOv6 для мобильных приложений, рабочий процесс остается удивительно единообразным.

Кроме того, архитектуры Ultralytics обычно требуют меньше памяти CUDA во время обучения по сравнению с громоздкими моделями на основе Transformer. Это позволяет разработчикам использовать больший размер пакета на потребительских GPU, значительно повышая эффективность обучения.

from ultralytics import YOLO

# Easily swap architectures by changing the weights file string
# model = YOLO("yolov6n.pt")
model = YOLO("yolov9c.pt")

# Train the model with built-in data augmentation and caching
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Export to ONNX or TensorRT seamlessly
model.export(format="engine", quantize=16)

Непревзойденная универсальность для различных задач компьютерного зрения#

Хотя YOLOv6-3.0 сильно оптимизирована для быстрого формирования ограничивающих рамок, современные проекты компьютерного зрения часто требуют многозадачного подхода. Модели Ultralytics славятся чрезвычайной универсальностью. С помощью таких инструментов, как Ultralytics YOLOv8 и более новая YOLO26, один фреймворк без дополнительных сложностей обрабатывает обнаружение объектов, сегментацию экземпляров, классификацию изображений, оценку позы и ориентированные ограничивающие рамки (OBB).

Представляем YOLO26: новый стандарт#

Для организаций, стремящихся максимизировать и производительность, и простоту развертывания, YOLO26 представляет собой идеальное сочетание скорости и точности.

Опираясь на успехи YOLO11, YOLO26 предлагает несколько меняющих парадигму возможностей:

• Оптимизатор MuSGD: вдохновленный методами обучения больших языковых моделей (LLM), такими как Kimi K2 от Moonshot AI, этот гибридный оптимизатор обеспечивает исключительно стабильное обучение и быструю сходимость.
• Удаление DFL: исключение Distribution Focal Loss упрощает граф экспорта и значительно повышает совместимость с маломощными микросхемами для периферийных вычислений.
• ProgLoss + STAL: эти современные функции потерь заметно улучшают распознавание малых объектов, что критически важно для операций с дронами и приложений IoT.
• Улучшения для конкретных задач: YOLO26 включает встроенное многомасштабное прототипирование для сегментации, оценку остаточного логарифмического правдоподобия (RLE) для отслеживания скелета и специализированные алгоритмы функции потерь угла для устранения пограничных случаев при обнаружении OBB.

Оптимальные сценарии развертывания#

В конечном счете выбор подходящей архитектуры определяется ограничениями твоей производственной среды.

Выбирай YOLOv6-3.0, если у тебя уже есть конвейер для промышленного производства, ты активно используешь квантование и применяешь специализированные ускорители вывода, когда необходима минимально возможная аппаратная задержка — менее одной миллисекунды.

Выбирай YOLOv9, если ты решаешь сложные задачи медицинской диагностики или дальнего наблюдения, где нельзя допускать пропуск малозаметных признаков на уровне отдельных пикселей.

Однако для идеально сбалансированного подхода, сочетающего передовую точность с упрощенным развертыванием без NMS, Ultralytics YOLO26 является однозначной рекомендацией для современной инженерии компьютерного зрения. Активный цикл разработки, подробная документация и развитая поддержка сообщества делают ее незаменимым инструментом как для исследователей, так и для разработчиков.