YOLOv9: новый шаг вперёд в технологии обнаружения объектов#

YOLOv9 знаменует значительный прогресс в обнаружении объектов в реальном времени, внедряя такие революционные методы, как программируемая информация о градиентах (PGI) и обобщённая эффективная сеть агрегации слоёв (GELAN). Эта модель демонстрирует заметные улучшения эффективности, точности и адаптивности, устанавливая новые рекорды на наборе данных MS COCO. Проект YOLOv9, разработанный отдельной командой разработчиков открытого ПО, использует надёжную кодовую базу, предоставленную Ultralytics YOLOv5, демонстрируя дух сотрудничества в сообществе исследователей ИИ.

Введение в YOLOv9#

В стремлении обеспечить оптимальное обнаружение объектов в реальном времени YOLOv9 выделяется инновационным подходом к преодолению проблем потери информации, свойственных глубоким нейронным сетям. Благодаря интеграции PGI и универсальной архитектуры GELAN YOLOv9 не только повышает способность модели к обучению, но и обеспечивает сохранение важной информации на протяжении всего процесса обнаружения, достигая тем самым исключительной точности и производительности.

Ключевые инновации YOLOv9#

Достижения YOLOv9 во многом основаны на решении проблем, связанных с потерей информации в глубоких нейронных сетях. Принцип информационного узкого места и инновационное применение обратимых функций лежат в основе его архитектуры, обеспечивая YOLOv9 высокую эффективность и точность.

Принцип информационного узкого места#

Принцип информационного узкого места раскрывает фундаментальную проблему глубокого обучения: по мере прохождения данных через последовательные слои сети увеличивается вероятность потери информации. Это явление математически представляется следующим образом:

I(X, X) >= I(X, f_theta(X)) >= I(X, g_phi(f_theta(X)))

где I обозначает взаимную информацию, а f и g представляют функции преобразования с параметрами theta и phi соответственно. YOLOv9 решает эту проблему с помощью программируемой информации о градиентах (PGI), которая помогает сохранять важные данные на всём протяжении сети, обеспечивая более надёжное вычисление градиентов и, следовательно, лучшую сходимость и производительность модели.

Обратимые функции#

Концепция обратимых функций — ещё один краеугольный камень архитектуры YOLOv9. Функция считается обратимой, если её можно инвертировать без потери информации, что выражается следующим образом:

X = v_zeta(r_psi(X))

где psi и zeta являются параметрами обратимой функции и её обратной функции соответственно. Это свойство критически важно для архитектур глубокого обучения, поскольку позволяет сети сохранять полный поток информации и тем самым обеспечивать более точное обновление параметров модели. YOLOv9 встраивает обратимые функции в свою архитектуру, чтобы снизить риск деградации информации, особенно в глубоких слоях, гарантируя сохранение критически важных данных для задач обнаружения объектов.

Влияние на облегчённые модели#

Решение проблемы потери информации особенно важно для облегчённых моделей, которые часто имеют недостаточное количество параметров и склонны терять значительный объём информации в процессе прямого распространения. Архитектура YOLOv9 благодаря использованию PGI и обратимых функций гарантирует, что даже в компактной модели сохраняется и эффективно используется информация, необходимая для точного обнаружения объектов.

Программируемая информация о градиентах (PGI)#

PGI — новая концепция, представленная в YOLOv9 для борьбы с проблемой информационного узкого места и сохранения важных данных в глубоких слоях сети. Это позволяет вычислять надёжные градиенты, облегчая точное обновление модели и повышая общую производительность обнаружения.

Обобщённая эффективная сеть агрегации слоёв (GELAN)#

GELAN представляет собой стратегическое архитектурное усовершенствование, позволяющее YOLOv9 добиться более эффективного использования параметров и вычислительных ресурсов. Её конструкция обеспечивает гибкую интеграцию различных вычислительных блоков, делая YOLOv9 адаптируемой к широкому спектру приложений без ущерба для скорости или точности.

Бенчмарки YOLOv9#

Бенчмаркинг в YOLOv9 с использованием Ultralytics включает оценку производительности обученной и проверенной тобой модели в реальных сценариях. Этот процесс включает:

• Оценка производительности: оценка скорости и точности модели.
• Форматы экспорта: тестирование модели в разных форматах экспорта, чтобы убедиться, что она соответствует необходимым стандартам и хорошо работает в различных средах.
• Поддержка фреймворка: Предоставление комплексного фреймворка в пакете Ultralytics для упрощения этих оценок и обеспечения стабильных и надежных результатов.

Благодаря бенчмаркингу ты можешь убедиться, что твоя модель не только хорошо работает в контролируемых условиях тестирования, но и сохраняет высокую производительность в практических приложениях реального мира.

Производительность на наборе данных MS COCO#

Производительность YOLOv9 на наборе данных COCO демонстрирует значительный прогресс в обнаружении объектов в реальном времени, устанавливая новые рекорды для моделей различных размеров. В таблице 1 представлено подробное сравнение современных детекторов объектов, работающих в реальном времени, которое иллюстрирует превосходную эффективность и точность YOLOv9.

Варианты YOLOv9 — от компактной версии t до крупной модели e — демонстрируют улучшения не только в точности (метрики mAP), но и в эффективности благодаря уменьшению количества параметров и вычислительных затрат (FLOPs). Эта таблица подчёркивает способность YOLOv9 обеспечивать высокую точность, сохраняя или снижая вычислительные затраты по сравнению с предыдущими версиями и конкурирующими моделями.

При сравнении YOLOv9 демонстрирует заметные преимущества:

• Облегчённые модели: YOLOv9s превосходит YOLO MS-S по эффективности использования параметров и вычислительной нагрузке, обеспечивая улучшение AP на 0,4∼0,6%.
• Модели среднего и большого размера: YOLOv9m и YOLOv9e демонстрируют заметный прогресс в поиске баланса между сложностью модели и производительностью обнаружения, значительно сокращая количество параметров и вычислительные затраты на фоне повышения точности.

Модель YOLOv9c особенно ярко демонстрирует эффективность оптимизации архитектуры. Она использует на 42% меньше параметров и требует на 21% меньше вычислений, чем YOLOv7 AF, при этом обеспечивая сопоставимую точность, что подтверждает значительное повышение эффективности YOLOv9. Кроме того, модель YOLOv9e устанавливает новый стандарт для крупных моделей: по сравнению с YOLOv8x ей требуется на 15% меньше параметров и на 25% меньше вычислений, а AP при этом повышается ещё на 1,7%.

Эти результаты демонстрируют стратегические улучшения в дизайне моделей YOLOv9, подчёркивая повышение эффективности без ущерба для точности, необходимой в задачах обнаружения объектов в реальном времени. Модель не только расширяет границы метрик производительности, но и подчёркивает важность вычислительной эффективности, что делает её значимым достижением в области компьютерного зрения.

Заключение#

YOLOv9, выпущенная в феврале 2024 года, стала важным этапом развития обнаружения объектов в реальном времени, обеспечив значительные улучшения эффективности, точности и адаптивности. Благодаря решению критически важных проблем с помощью таких инноваций, как PGI и GELAN, YOLOv9 установила новые рекорды на момент своего выпуска. Хотя с тех пор были выпущены более новые модели, такие как YOLO11 и YOLO26, архитектурные инновации YOLOv9 продолжают влиять на эту область.

Примеры использования#

В этом примере приведены простые примеры обучения и инференса YOLOv9. Полную документацию по этим и другим режимам смотри на страницах документации Predict, Train, Val и Export.

from ultralytics import YOLO

# Build a YOLOv9c model from scratch
model = YOLO("yolov9c.yaml")

# Build a YOLOv9c model from pretrained weight
model = YOLO("yolov9c.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLOv9c model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

Поддерживаемые задачи и режимы#

Серия YOLOv9 включает ряд моделей, каждая из которых оптимизирована для высокопроизводительного обнаружения объектов. Эти модели рассчитаны на различные вычислительные потребности и требования к точности, что делает их универсальными для широкого спектра приложений.

В этой таблице представлен подробный обзор вариантов моделей YOLOv9 с описанием их возможностей в задачах обнаружения объектов и совместимости с различными рабочими режимами, такими как инференс, валидация, обучение и экспорт. Такая комплексная поддержка позволяет в полной мере использовать возможности моделей YOLOv9 в широком спектре сценариев обнаружения объектов.

Цитирование и благодарности#

Мы хотели бы поблагодарить авторов YOLOv9 за их значительный вклад в область обнаружения объектов в реальном времени:

@inproceedings{wang2024yolov9,
  title={YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information},
  author={Wang, Chien-Yao and Yeh, I-Hau and Liao, Hong-Yuan Mark},
  booktitle={Computer Vision -- ECCV 2024},
  pages={1--21},
  year={2024},
  organization={Springer Nature Switzerland}
}

Официальная статья о YOLOv9 опубликована в материалах Springer ECCV 2024, а её препринт размещён на arXiv. Авторы сделали свою работу общедоступной, а кодовую базу можно найти на GitHub. Мы ценим их усилия по развитию этой области и предоставлению доступа к результатам более широкому сообществу.

Часто задаваемые вопросы#