YOLOv9: रीयल-टाइम ऑब्जेक्ट डिटेक्शन में एक छलांग

वस्तु का पता लगाना हाल के वर्षों में तेजी से प्रगति देखी गई है धन्यवाद ध्यान लगा के पढ़ना या सीखना YOLO (यू ओनली लुक वन्स) जैसे एल्गोरिदम। नवीनतम पुनरावृत्ति, योलोव9, पिछले संस्करणों की तुलना में सटीकता, दक्षता और प्रयोज्यता में प्रमुख सुधार लाता है। इस पोस्ट में, हम उन नवाचारों के बारे में जानेंगे जो YOLOv9 को वास्तविक समय में वस्तु का पता लगाने के लिए एक नया अत्याधुनिक बनाते हैं।

ऑब्जेक्ट डिटेक्शन पर एक त्वरित प्राइमर

YOLOv9 में नया क्या है, यह जानने से पहले, आइए संक्षेप में समीक्षा करें कि ऑब्जेक्ट डिटेक्शन कैसे काम करता है। ऑब्जेक्ट डिटेक्शन का लक्ष्य किसी छवि के भीतर कारों, लोगों या जानवरों जैसी वस्तुओं की पहचान करना और उनका पता लगाना है। यह सेल्फ-ड्राइविंग कारों, निगरानी प्रणालियों और छवि खोज जैसे अनुप्रयोगों के लिए एक महत्वपूर्ण क्षमता है।

डिटेक्टर एक छवि को इनपुट के रूप में लेता है और पता लगाए गए ऑब्जेक्ट के चारों ओर बाउंडिंग बॉक्स आउटपुट करता है, प्रत्येक संबंधित क्लास लेबल के साथ। MS COCO जैसे लोकप्रिय डेटासेट इन मॉडलों को प्रशिक्षित और मूल्यांकन करने के लिए हजारों लेबल वाली छवियां प्रदान करते हैं।

वस्तु का पता लगाने के दो मुख्य दृष्टिकोण हैं:

• दो-चरण डिटेक्टर फास्टर आर-सीएनएन की तरह पहले क्षेत्र प्रस्ताव तैयार करें, फिर प्रत्येक क्षेत्र की सीमाओं को वर्गीकृत और परिष्कृत करें। वे अधिक सटीक लेकिन धीमे होते हैं।
• एकल-चरण डिटेक्टर जैसे YOLO एक ही पास में सीधे छवि पर एक मॉडल लागू करता है। वे बहुत तेजी से अनुमान लगाने के समय के लिए कुछ सटीकता का आदान-प्रदान करते हैं।

YOLO ने एकल-चरण दृष्टिकोण का बीड़ा उठाया। आइए देखें कि सटीकता और दक्षता में सुधार के लिए यह कई संस्करणों में कैसे विकसित हुआ है।

पिछले YOLO संस्करणों की समीक्षा

2016 में मूल संस्करण प्रकाशित होने के बाद से मॉडलों का YOLO (यू ओनली लुक वन्स) परिवार तेजी से ऑब्जेक्ट डिटेक्शन में सबसे आगे रहा है। यहां एक त्वरित अवलोकन दिया गया है कि कैसे YOLO ने कई पुनरावृत्तियों में प्रगति की है:

• योलोव1 एक ही पास में पूर्ण छवियों से सीधे बाउंडिंग बॉक्स और क्लास संभावनाओं की भविष्यवाणी करने के लिए एक एकीकृत मॉडल का प्रस्ताव रखा। इसने इसे पिछले दो-चरण मॉडल की तुलना में बेहद तेज़ बना दिया।
• योलोव2 बेहतर स्थिरता के लिए बैच सामान्यीकरण का उपयोग करके, कई आकारों का पता लगाने के लिए विभिन्न पैमानों और पहलू अनुपातों पर बक्से की एंकरिंग और कई अन्य अनुकूलन का उपयोग करके मूल में सुधार किया गया।
• योलोव3 अधिक परतों और उनके बीच शॉर्टकट के साथ डार्कनेट-53 नामक एक नया फीचर एक्सट्रैक्टर जोड़ा गया, जिससे सटीकता में और सुधार हुआ।
• योलोव4 तेज अनुमान को बनाए रखते हुए सटीकता को और भी अधिक बढ़ाने के लिए अन्य ऑब्जेक्ट डिटेक्टरों और सेगमेंटेशन मॉडल के विचारों को संयोजित किया गया।
• योलोव5 PyTorch में YOLOv4 को पूरी तरह से फिर से लिखा और कई अन्य संवर्द्धनों के साथ CSPDarknet नामक एक नया फीचर निष्कर्षण बैकबोन जोड़ा।
• योलोव6 प्रदर्शन को और अधिक बढ़ावा देने के लिए मॉडलों को बड़े बाहरी डेटासेट पर पूर्व-प्रशिक्षित करते हुए, वास्तुकला और प्रशिक्षण प्रक्रिया को अनुकूलित करना जारी रखा।

तो संक्षेप में, पिछले YOLO संस्करणों ने मॉडल वास्तुकला, प्रशिक्षण तकनीकों और पूर्व-प्रशिक्षण में सुधार के माध्यम से उच्च सटीकता हासिल की। लेकिन जैसे-जैसे मॉडल बड़े और अधिक जटिल होते जाते हैं, गति और दक्षता प्रभावित होने लगती है।

बेहतर दक्षता की आवश्यकता

कई अनुप्रयोगों को सीमित कंप्यूटिंग संसाधनों वाले उपकरणों पर वास्तविक समय में चलाने के लिए ऑब्जेक्ट डिटेक्शन की आवश्यकता होती है। जैसे-जैसे मॉडल बड़े और अधिक कम्प्यूटेशनल रूप से गहन होते जाते हैं, उन्हें तैनात करना अव्यावहारिक हो जाता है।

उदाहरण के लिए, एक सेल्फ-ड्राइविंग कार को वाहन के अंदर प्रोसेसर का उपयोग करके उच्च फ्रेम दर पर वस्तुओं का पता लगाने की आवश्यकता होती है। एक सुरक्षा कैमरे को अपने स्वयं के एम्बेडेड हार्डवेयर के भीतर अपने वीडियो फ़ीड पर ऑब्जेक्ट डिटेक्शन चलाने की आवश्यकता होती है। फ़ोन और अन्य उपभोक्ता उपकरणों में बिजली और ताप संबंधी बहुत सख्त बाधाएँ होती हैं।

हाल के YOLO संस्करण बड़ी संख्या में मापदंडों और मल्टीप्ली-ऐड ऑपरेशंस (FLOPs) के साथ उच्च सटीकता प्राप्त करते हैं। लेकिन यह गति, आकार और बिजली दक्षता की कीमत पर आता है।

उदाहरण के लिए, YOLOv5-L को एक 100×1280 छवि को संसाधित करने के लिए 1280 बिलियन से अधिक FLOPs की आवश्यकता होती है। यह कई वास्तविक समय उपयोग मामलों के लिए बहुत धीमा है। बड़े मॉडलों के चलन से ओवरफिटिंग का खतरा भी बढ़ जाता है और इसे सामान्य बनाना कठिन हो जाता है।

इसलिए वस्तु पहचान की प्रयोज्यता का विस्तार करने के लिए, हमें दक्षता में सुधार करने के तरीकों की आवश्यकता है - कम मापदंडों और गणनाओं के साथ बेहतर सटीकता प्राप्त करना। आइए इस चुनौती से निपटने के लिए YOLOv9 में प्रयुक्त तकनीकों पर नजर डालें।

YOLOv9 - कम संसाधनों के साथ बेहतर सटीकता

YOLOv9 के पीछे शोधकर्ताओं ने उपकरणों की एक विस्तृत श्रृंखला में वास्तविक समय के प्रदर्शन को प्राप्त करने के लिए दक्षता में सुधार पर ध्यान केंद्रित किया। उन्होंने दो प्रमुख नवाचार पेश किए:

1. एक नया मॉडल आर्किटेक्चर कहा जाता है सामान्य कुशल परत एकत्रीकरण नेटवर्क (GELAN) जो मापदंडों और एफएलओपी को न्यूनतम करते हुए सटीकता को अधिकतम करता है।
2. एक प्रशिक्षण तकनीक कहा जाता है प्रोग्रामयोग्य ग्रेडिएंट सूचना (पीजीआई) जो विशेष रूप से छोटे मॉडलों के लिए अधिक विश्वसनीय शिक्षण ग्रेडिएंट प्रदान करता है।

आइए देखें कि इनमें से प्रत्येक प्रगति कैसे दक्षता में सुधार करने में मदद करती है।

GELAN के साथ अधिक कुशल वास्तुकला

अनुमान के दौरान गति और संसाधन उपयोग के विरुद्ध सटीकता को संतुलित करने के लिए मॉडल आर्किटेक्चर स्वयं महत्वपूर्ण है। इनपुट छवियों से प्रासंगिक सुविधाओं को पकड़ने के लिए तंत्रिका नेटवर्क को पर्याप्त गहराई और चौड़ाई की आवश्यकता होती है। लेकिन बहुत अधिक परतें या फ़िल्टर धीमे और फूले हुए मॉडल का कारण बनते हैं।

लेखकों ने GELAN को विशेष रूप से सबसे छोटे संभव आर्किटेक्चर से अधिकतम सटीकता प्राप्त करने के लिए डिज़ाइन किया है।

GELAN एक साथ रखे गए दो मुख्य बिल्डिंग ब्लॉक्स का उपयोग करता है:

• कुशल परत एकत्रीकरण ब्लॉक - बहु-स्तरीय सुविधाओं को कुशलतापूर्वक पकड़ने के लिए कई नेटवर्क शाखाओं में ये समग्र परिवर्तन।
• कम्प्यूटेशनल ब्लॉक - सीएसपीनेट ब्लॉक परतों में सूचना प्रसारित करने में मदद करते हैं। गणना बाधाओं के आधार पर किसी भी ब्लॉक को प्रतिस्थापित किया जा सकता है।

इन ब्लॉकों को सावधानीपूर्वक संतुलित और संयोजित करके, GELAN प्रदर्शन, मापदंडों और गति के बीच एक अच्छा स्थान हासिल करता है। एक ही मॉड्यूलर आर्किटेक्चर विभिन्न आकार के मॉडल और हार्डवेयर में ऊपर या नीचे स्केल कर सकता है।

प्रयोगों से पता चला कि GELAN पूर्व YOLO आर्किटेक्चर की तुलना में छोटे मॉडलों में अधिक प्रदर्शन के लिए फिट बैठता है। उदाहरण के लिए, 7M पैरामीटर के साथ GELAN-Small ने 11M पैरामीटर YOLOv7-Nano से बेहतर प्रदर्शन किया। और 20M मापदंडों के साथ GELAN-मीडियम ने 7-35M मापदंडों की आवश्यकता वाले YOLOv40 मध्यम मॉडल के बराबर प्रदर्शन किया।

इसलिए दक्षता के लिए विशेष रूप से अनुकूलित एक पैरामीटरयुक्त आर्किटेक्चर को डिजाइन करके, GELAN मॉडलों को तेजी से और अधिक संसाधन सीमित उपकरणों पर चलाने की अनुमति देता है। आगे हम देखेंगे कि कैसे पीजीआई उन्हें बेहतर प्रशिक्षण देने में भी मदद करता है।

प्रोग्रामयोग्य ग्रेडिएंट सूचना (पीजीआई) के साथ बेहतर प्रशिक्षण

सीमित संसाधनों के साथ सटीकता को अधिकतम करने के लिए मॉडल प्रशिक्षण उतना ही महत्वपूर्ण है। YOLOv9 लेखकों ने अविश्वसनीय ग्रेडिएंट जानकारी के कारण छोटे मॉडलों के प्रशिक्षण में आने वाली समस्याओं की पहचान की।

ढ़ाल निर्धारित करें कि प्रशिक्षण के दौरान किसी मॉडल का वजन कितना अद्यतन किया जाता है। शोर या भ्रामक ग्रेडिएंट खराब अभिसरण का कारण बनते हैं। छोटे नेटवर्क के लिए यह समस्या अधिक स्पष्ट हो जाती है।

की तकनीक गहन पर्यवेक्षण नेटवर्क के माध्यम से बेहतर ग्रेडिएंट सिग्नल को प्रसारित करने के लिए नुकसान के साथ अतिरिक्त साइड शाखाएं शुरू करके इसका समाधान किया जाता है। लेकिन यह टूट जाता है और छोटे हल्के मॉडलों के लिए विचलन का कारण बनता है।

YOLOv9: प्रोग्रामयोग्य ग्रेडिएंट जानकारी का उपयोग करके आप जो सीखना चाहते हैं उसे सीखना https://arxiv.org/abs/2402.13616

इस सीमा को पार करने के लिए, YOLOv9 प्रस्तुत किया गया है प्रोग्रामयोग्य ग्रेडिएंट सूचना (पीजीआई). पीजीआई के दो मुख्य घटक हैं:

• सहायक प्रतिवर्ती शाखाएँ - ये RevCols जैसे ब्लॉक का उपयोग करके इनपुट के प्रतिवर्ती कनेक्शन बनाए रखकर क्लीनर ग्रेडिएंट प्रदान करते हैं।
• बहु-स्तरीय ढाल एकीकरण - यह विभिन्न पार्श्व शाखाओं के हस्तक्षेप से होने वाले विचलन से बचाता है। यह मुख्य मॉडल पर वापस फीड करने से पहले सभी शाखाओं से ग्रेडिएंट्स को जोड़ता है।

अधिक विश्वसनीय ग्रेडिएंट उत्पन्न करके, पीजीआई छोटे मॉडलों को बड़े मॉडलों की तरह ही प्रभावी ढंग से प्रशिक्षित करने में मदद करता है:

प्रयोगों से पता चला कि पीजीआई ने सभी मॉडल आकारों, विशेषकर छोटे कॉन्फ़िगरेशन में सटीकता में सुधार किया है। उदाहरण के लिए, इसने बेसलाइन GELAN-स्मॉल की तुलना में YOLOv9-Small के AP स्कोर को 0.1-0.4% तक बढ़ा दिया। 9% एमएपी पर YOLOv55.6-E जैसे गहरे मॉडल के लिए लाभ और भी अधिक महत्वपूर्ण थे।

इसलिए पीजीआई छोटे, कुशल मॉडलों को उच्च सटीकता स्तर तक प्रशिक्षित करने में सक्षम बनाता है जो पहले केवल अति-पैरामीटरयुक्त मॉडल द्वारा ही प्राप्त किया जा सकता था।

YOLOv9 दक्षता के लिए नया अत्याधुनिक सेट करता है

GELAN की वास्तुशिल्प प्रगति को पीजीआई के प्रशिक्षण सुधारों के साथ जोड़कर, YOLOv9 अभूतपूर्व दक्षता और प्रदर्शन प्राप्त करता है:

• पिछले YOLO संस्करणों की तुलना में, YOLOv9 प्राप्त करता है 10-15% कम मापदंडों और 25% कम गणनाओं के साथ बेहतर सटीकता. यह सभी मॉडल आकारों में गति और क्षमता में बड़ा सुधार लाता है।
• YOLOv9 अन्य वास्तविक समय डिटेक्टरों जैसे YOLO-MS और RT-DETR से आगे निकल जाता है पैरामीटर दक्षता और फ्लॉप. किसी दिए गए प्रदर्शन स्तर तक पहुंचने के लिए बहुत कम संसाधनों की आवश्यकता होती है।
• छोटे YOLOv9 मॉडल RT-DETR-X जैसे बड़े पूर्व-प्रशिक्षित मॉडल को भी मात देते हैं। उपयोग करने के बावजूद 36% कम पैरामीटर, YOLOv9-E हासिल करता है बेहतर 55.6% एपी अधिक कुशल आर्किटेक्चर के माध्यम से।

इसलिए वास्तुकला और प्रशिक्षण स्तरों पर दक्षता को संबोधित करके, YOLOv9 सीमित संसाधनों के भीतर प्रदर्शन को अधिकतम करने के लिए एक नया अत्याधुनिक सेट करता है।

GELAN - दक्षता के लिए अनुकूलित वास्तुकला

YOLOv9 ने जनरल एफिशिएंट लेयर एग्रीगेशन नेटवर्क (GELAN) नामक एक नया आर्किटेक्चर पेश किया है जो न्यूनतम पैरामीटर बजट के भीतर सटीकता को अधिकतम करता है। यह पिछले YOLO मॉडल के शीर्ष पर निर्मित होता है लेकिन दक्षता के लिए विशेष रूप से विभिन्न घटकों को अनुकूलित करता है।

YOLOv9: प्रोग्रामयोग्य ग्रेडिएंट जानकारी का उपयोग करके आप जो सीखना चाहते हैं उसे सीखें
https://arxiv.org/abs/2402.13616

CSPNet और ELAN पर पृष्ठभूमि

V5 के बाद से हाल के YOLO संस्करणों ने बेहतर दक्षता के लिए क्रॉस-स्टेज आंशिक नेटवर्क (CSPNet) पर आधारित बैकबोन का उपयोग किया है। CSPNet न्यूनतम ओवरहेड जोड़ते हुए फ़ीचर मानचित्रों को समानांतर नेटवर्क शाखाओं में एकत्रित करने की अनुमति देता है:

यह परतों को क्रमबद्ध रूप से जमा करने की तुलना में अधिक कुशल है, जो अक्सर अनावश्यक गणना और अति-पैरामीटरीकरण की ओर ले जाता है।

YOLOv7 ने CSPNet को एफिशिएंट लेयर एग्रीगेशन नेटवर्क (ELAN) में अपग्रेड किया, जिसने ब्लॉक संरचना को सरल बनाया:

ELAN ने आउटपुट पर एकत्रीकरण नोड के पक्ष में परतों के बीच शॉर्टकट कनेक्शन हटा दिए। इससे पैरामीटर और FLOPs दक्षता में और सुधार हुआ।

लचीली दक्षता के लिए ELAN को सामान्य बनाना

लेखकों ने बनाने के लिए ELAN को और भी अधिक सामान्यीकृत किया जेलन, YOLOv9 में प्रयुक्त रीढ़ की हड्डी। लचीलेपन और दक्षता में सुधार के लिए GELAN ने प्रमुख संशोधन किए:

• विनिमेय कम्प्यूटेशनल ब्लॉक - पिछले ELAN में निश्चित संकेंद्रित परतें थीं। GELAN अधिक वास्तुशिल्प विकल्प प्रदान करते हुए, ResNets या CSPNet जैसे किसी भी कम्प्यूटेशनल ब्लॉक को प्रतिस्थापित करने की अनुमति देता है।
• गहराई के अनुसार पैरामीट्रिजेशन - मुख्य शाखा बनाम एग्रीगेटर शाखा के लिए अलग-अलग ब्लॉक गहराई संसाधन उपयोग को सरल बनाती है।
• सभी कॉन्फ़िगरेशन में स्थिर प्रदर्शन - GELAN विभिन्न ब्लॉक प्रकारों और गहराई के साथ सटीकता बनाए रखता है, जिससे लचीली स्केलिंग की अनुमति मिलती है।

ये परिवर्तन दक्षता को अधिकतम करने के लिए GELAN को एक मजबूत लेकिन विन्यास योग्य रीढ़ बनाते हैं:

प्रयोगों में, GELAN मॉडल ने प्रति पैरामीटर सटीकता में पिछले YOLO आर्किटेक्चर से लगातार बेहतर प्रदर्शन किया:

• 7M मापदंडों के साथ GELAN-Small ने YOLOv7-Nano के 11M मापदंडों को हराया
• GELAN-मीडियम भारी YOLOv7 मीडियम मॉडल से मेल खाता है

इसलिए GELAN विभिन्न दक्षता लक्ष्यों में YOLO को स्केल करने के लिए एक अनुकूलित रीढ़ प्रदान करता है। आगे हम देखेंगे कि पीजीआई उन्हें बेहतर प्रशिक्षण देने में कैसे मदद करता है।

पीजीआई - सभी मॉडल आकारों के लिए बेहतर प्रशिक्षण

जबकि वास्तुकला विकल्प अनुमान के समय दक्षता को प्रभावित करते हैं, प्रशिक्षण प्रक्रिया मॉडल संसाधन उपयोग को भी प्रभावित करती है। YOLOv9 विभिन्न मॉडल आकारों और जटिलताओं में प्रशिक्षण को बेहतर बनाने के लिए प्रोग्रामेबल ग्रेडिएंट इंफॉर्मेशन (पीजीआई) नामक एक नई तकनीक का उपयोग करता है।

अविश्वसनीय स्नातकों की समस्या

प्रशिक्षण के दौरान, एक हानि फ़ंक्शन मॉडल आउटपुट की तुलना जमीनी सच्चाई लेबल से करता है और मापदंडों को अद्यतन करने के लिए एक त्रुटि ग्रेडिएंट की गणना करता है। शोर मचाने वाली या भ्रामक प्रवणताएँ खराब अभिसरण और दक्षता को जन्म देता है।

बहुत गहरे नेटवर्क के माध्यम से यह समस्या और बढ़ जाती है सूचना बाधा - गहरी परतों के ग्रेडिएंट खोए या संपीड़ित संकेतों से दूषित हो जाते हैं।

गहन पर्यवेक्षण क्लीनर ग्रेडिएंट प्रदान करने के लिए घाटे के साथ सहायक पार्श्व शाखाओं को शुरू करने में मदद करता है। लेकिन यह अक्सर छोटे मॉडलों के लिए टूट जाता है, विभिन्न शाखाओं के बीच हस्तक्षेप और विचलन पैदा करता है।

इसलिए हमें विश्वसनीय ग्रेडिएंट प्रदान करने का एक तरीका चाहिए जो सभी मॉडल आकारों, विशेष रूप से छोटे मॉडलों पर काम करता हो।

प्रोग्रामयोग्य ग्रेडिएंट सूचना (पीजीआई) का परिचय

अविश्वसनीय ग्रेडिएंट्स को संबोधित करने के लिए, YOLOv9 प्रोग्रामेबल ग्रेडिएंट इंफॉर्मेशन (पीजीआई) का प्रस्ताव करता है। ग्रेडिएंट गुणवत्ता में सुधार के लिए पीजीआई के दो मुख्य घटक डिज़ाइन किए गए हैं:

1. सहायक प्रतिवर्ती शाखाएँ

अतिरिक्त शाखाएँ प्रदान करती हैं प्रतिवर्ती कनेक्शन RevCols जैसे ब्लॉक का उपयोग करके इनपुट पर वापस जाएँ। यह सूचना बाधा से बचते हुए स्वच्छ ग्रेडिएंट बनाए रखता है।

2. बहु-स्तरीय ढाल एकीकरण

एक फ़्यूज़न ब्लॉक मुख्य मॉडल पर वापस फ़ीड करने से पहले सभी शाखाओं से ग्रेडिएंट एकत्र करता है। यह शाखाओं में विचलन को रोकता है।

अधिक विश्वसनीय ग्रेडिएंट उत्पन्न करके, पीजीआई सभी मॉडल आकारों में प्रशिक्षण अभिसरण और दक्षता में सुधार करता है:

• हल्के मॉडल गहन पर्यवेक्षण से लाभ उठाएं जिसका उपयोग वे पहले नहीं कर सके थे
• बड़े मॉडल बेहतर सामान्यीकरण को सक्षम करने वाले स्वच्छ ग्रेडिएंट प्राप्त करें

प्रयोगों से पता चला है कि पीजीआई ने बेसलाइन GELAN की तुलना में छोटे और बड़े YOLOv9 कॉन्फ़िगरेशन के लिए सटीकता को बढ़ाया है:

• YOLOv0.1-स्मॉल के लिए +0.4-9% एपी
• बड़े YOLOv0.5 मॉडल के लिए +0.6-9% एपी

इसलिए पीजीआई के प्रोग्रामेबल ग्रेडिएंट बड़े और छोटे मॉडलों को अधिक कुशलता से प्रशिक्षित करने में सक्षम बनाते हैं।

YOLOv9 नई अत्याधुनिक सटीकता सेट करता है

GELAN से वास्तुशिल्प सुधार और पीजीआई से प्रशिक्षण संवर्द्धन के संयोजन से, YOLOv9 वास्तविक समय वस्तु पहचान के लिए नए अत्याधुनिक परिणाम प्राप्त करता है।

COCO डेटासेट पर प्रयोगों से पता चलता है कि सटीकता और दक्षता में YOLOv9 पूर्व YOLO संस्करणों के साथ-साथ YOLO-MS जैसे अन्य वास्तविक समय डिटेक्टरों को भी पीछे छोड़ देता है:

कुछ प्रमुख झलकियाँ:

• YOLOv9-Small 10% कम मापदंडों और गणनाओं के साथ YOLO-MS-Small से आगे है
• YOLOv9-Medium आधे से भी कम संसाधनों का उपयोग करके भारी YOLOv7 मॉडल से मेल खाता है
• YOLOv9-Large 8% कम मापदंडों और 15% कम FLOPs के साथ YOLOv25-X से बेहतर प्रदर्शन करता है

उल्लेखनीय रूप से, छोटे YOLOv9 मॉडल अन्य डिटेक्टरों के भारी मॉडल से भी आगे निकल जाते हैं जो RT-DETR-X जैसे पूर्व-प्रशिक्षण का उपयोग करते हैं। 4x कम मापदंडों के बावजूद, YOLOv9-E सटीकता में RT-DETR-X से बेहतर प्रदर्शन करता है।

ये परिणाम YOLOv9 की बेहतर दक्षता प्रदर्शित करते हैं। सुधार अधिक वास्तविक दुनिया के उपयोग के मामलों में उच्च सटीकता वाली वस्तु का पता लगाने में सक्षम बनाते हैं।

YOLOv9 अपग्रेड पर मुख्य बातें

आइए कुछ प्रमुख उन्नयनों और नवाचारों पर शीघ्रता से नजर डालें जो YOLOv9 के नए अत्याधुनिक प्रदर्शन को सक्षम बनाते हैं:

• GELAN अनुकूलित वास्तुकला - लचीले एकत्रीकरण ब्लॉकों के माध्यम से पैरामीटर दक्षता में सुधार होता है। विभिन्न लक्ष्यों के लिए मॉडल स्केलिंग की अनुमति देता है।
• प्रोग्रामयोग्य ग्रेडिएंट जानकारी - प्रतिवर्ती कनेक्शन और फ़्यूज़न के माध्यम से विश्वसनीय ग्रेडिएंट प्रदान करता है। सभी मॉडल आकारों में प्रशिक्षण में सुधार करता है।
• कम संसाधनों के साथ अधिक सटीकता - बेहतर सटीकता के साथ YOLOv10 की तुलना में मापदंडों और गणनाओं को 15-8% कम कर देता है। अधिक कुशल अनुमान सक्षम बनाता है.
• सभी मॉडल आकारों में बेहतर परिणाम - हल्के, मध्यम और बड़े मॉडल कॉन्फ़िगरेशन के लिए नए अत्याधुनिक सेट करता है। भारी पूर्व-प्रशिक्षित मॉडल से बेहतर प्रदर्शन करता है।
• विस्तारित प्रयोज्यता - उच्च दक्षता व्यावहारिक उपयोग के मामलों को विस्तृत करती है, जैसे किनारे वाले उपकरणों पर वास्तविक समय का पता लगाना।

सटीकता, दक्षता और प्रयोज्यता को सीधे संबोधित करके, YOLOv9 विभिन्न वास्तविक दुनिया की जरूरतों को पूरा करने के लिए ऑब्जेक्ट डिटेक्शन को आगे बढ़ाता है। उन्नयन इस महत्वपूर्ण कंप्यूटर विज़न क्षमता में भविष्य के नवाचार के लिए एक मजबूत आधार प्रदान करता है।