YOLOv9 против YOLOv6-3.0#

Эволюция обнаружения объектов в реальном времени обусловлена постоянными инновациями в архитектурах нейронных сетей, оптимизирующими тонкий баланс между скоростью вывода, точностью и вычислительной эффективностью. Поскольку разработчики и исследователи ориентируются в насыщенной среде фреймворков компьютерного зрения, сравнение ведущих архитектур необходимо для выбора подходящего инструмента для поставленной задачи.

Это техническое руководство содержит углубленное сравнение двух высокопроизводительных моделей: YOLOv9, известной своим глубоким сохранением информации при обучении, и YOLOv6-3.0, модели, специально разработанной для промышленных приложений.

Обзор YOLOv9: Максимизация сохранения признаков#

Представленная в начале 2024 года модель YOLOv9 решает одну из самых устойчивых проблем глубоких нейронных сетей: потерю информации во время процесса прямого прохода. Обеспечивая надежность градиентов и сохранение критически важных данных в картах признаков, она расширяет границы теоретической точности.

• Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
• Организация: Институт информатики, Academia Sinica, Тайвань
• Дата: 21 февраля 2024 г.
• Ссылки: Arxiv Paper, GitHub Repository

Архитектура и методологии#

YOLOv9 вводит концепцию Programmable Gradient Information (PGI) наряду с Generalized Efficient Layer Aggregation Network (GELAN). PGI решает проблему информационного бутылочного горлышка, предоставляя вспомогательный надзор, который гарантирует, что основная сеть изучает надежные и достоверные признаки без добавления накладных расходов на вывод. Тем временем GELAN оптимизирует использование параметров, позволяя модели достигать передовой mean Average Precision (mAP), сохраняя при этом вычислительные затраты на управляемом уровне. Это делает ее исключительным выбором для medical image analysis или обнаружения чрезвычайно малых объектов, где точность признаков имеет критическое значение.

Узнай больше о YOLOv9

Обзор YOLOv6-3.0: Создана для промышленного масштаба#

Разработанная компанией Meituan, модель YOLOv6-3.0 (также известная как v3.0) была спроектирована с нуля для обслуживания сложных промышленных задач. Выпущенная в начале 2023 года, она в значительной степени ориентирована на эффективность развертывания, предлагая набор моделей, адаптированных к квантованию и отлично работающих на граничном (edge) 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 г.
• Ссылки: Arxiv Paper, GitHub Repository

Архитектура и методологии#

YOLOv6-3.0 выделяется благодаря своим стратегиям RepOptimizer и Anchor-Aided Training (AAT). Модель использует аппаратное проектирование нейронных сетей, вдохновленное RepVGG, что позволяет ей работать исключительно быстро на графических процессорах во время вывода за счет слияния слоев. Обновление 3.0 дополнительно усовершенствовало архитектуру, представив модуль Bi-directional Concatenation (BiC) для повышения точности локализации. Поскольку модель сильно оптимизирована для форматов развертывания, таких как TensorRT и OpenVINO, YOLOv6-3.0 часто используется в логистике, manufacturing automation и высокопроизводительных серверных средах.

Узнай больше о YOLOv6-3.0

Сравнение производительности#

При оценке этих моделей на стандартном COCO dataset мы можем наблюдать четкие компромиссы между точностью и чистой скоростью вывода.

Технический анализ#

В то время как YOLOv6-3.0n занимает первое место по чистой скорости на оборудовании T4 (1.17 мс), YOLOv9t удается извлечь чуть более высокий mAP (38.3%) при использовании менее чем половины параметров (2.0M против 4.7M) и значительно меньшего количества FLOPs. Для сложных задач, требующих высокой точности, массивная YOLOv9e поднимает точность до 55.6% mAP, иллюстрируя мощность архитектуры PGI в глубоких сетях.

Преимущества экосистемы Ultralytics#

Независимо от того, какая архитектурная философия модели тебе близка, их нативная реализация через Ultralytics Python API обеспечивает превосходный опыт разработчика.

Простота использования и эффективность обучения#

Обучение сложных моделей глубокого обучения традиционно требует огромного количества стандартного кода. Ultralytics Platform абстрагирует эти сложности. Независимо от того, дообучаешь ли ты YOLOv9 для defect detection или экспортируешь YOLOv6 для мобильных приложений, рабочий процесс остается удивительно стабильным.

Кроме того, архитектуры Ultralytics обычно могут похвастаться более низкими CUDA memory requirements во время обучения по сравнению с громоздкими моделями на базе Transformer. Это позволяет разработчикам использовать больший размер батча на потребительских графических процессорах, 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#

Хотя YOLOv6-3.0 сильно оптимизирована для быстрой генерации bounding box, современные проекты компьютерного зрения часто требуют многозадачного подхода. Модели Ultralytics славятся своей невероятной универсальностью. С помощью таких инструментов, как Ultralytics YOLOv8 и более новая YOLO26, один фреймворк легко справляется с object detection, instance segmentation, image classification, pose estimation и oriented bounding boxes (OBB).

Представляем YOLO26: Новый стандарт#

Для организаций, стремящихся максимизировать как производительность, так и простоту развертывания, YOLO26 представляет собой высшую точку схождения скорости и точности.

Опираясь на успехи YOLO11, YOLO26 представляет несколько меняющих парадигму функций:

• Оптимизатор MuSGD: Вдохновленный методами обучения больших языковых моделей (LLM), такими как Kimi K2 от Moonshot AI, этот гибридный оптимизатор обеспечивает невероятно стабильное обучение и быструю сходимость.
• DFL Removal: Путем удаления Distribution Focal Loss YOLO26 упрощает граф экспорта, делая его значительно более совместимым с чипами edge computing с низким энергопотреблением.
• ProgLoss + STAL: Эти продвинутые функции потерь обеспечивают заметные улучшения в распознавании малых объектов, что критически важно для drone operations и IoT приложений.
• Улучшения для конкретных задач: YOLO26 включает нативное многомасштабное прототипирование для сегментации, оценку остаточного логарифмического правдоподобия (RLE) для скелетного трекинга и специализированные алгоритмы угловых потерь для решения граничных случаев при обнаружении OBB.

Идеальные сценарии развертывания#

Выбор правильной архитектуры в конечном итоге сводится к твоим производственным ограничениям.

Выбирай YOLOv6-3.0, если у тебя есть налаженный конвейер в промышленном производстве, ты активно полагаешься на квантование и используешь специализированные ускорители вывода, где требуется минимальная аппаратная задержка в субмиллисекундном диапазоне.

Выбирай YOLOv9, если ты берешься за сложные healthcare diagnostics или долгосрочное видеонаблюдение, где упущение мелких деталей на уровне пикселей недопустимо.

Тем не менее, для идеально сбалансированного подхода, который предлагает передовую точность наряду с упрощенным развертыванием без NMS, Ultralytics YOLO26 является окончательной рекомендацией для современной инженерии компьютерного зрения. Её активный цикл разработки, исчерпывающая документация и активная поддержка сообщества делают её незаменимым инструментом как для исследователей, так и для разработчиков.