科技发展的速度真的是很快呀!YOLOv8还没有捂热,YOLOv9就出来了,先一睹为快!
论文:https://arxiv.org/pdf/2402.13616.pdf (YOLOv9: Learning What You Want to Learn
Using Programmable Gradient Information)
代码 Github:https://github.com/WongKinYiu/yolov9
资源:https://download.csdn.net/download/A__MP/88908327
一 :【论文简貌】
1.1 指标/参数比较图(MS COCO 数据集)
1.2 性能对比表
其他的细节,可以去论文中看看,感觉改的东西还是挺多的,下面直接进行训练部分。
二:【YOLOv9训练】
写在前面:YOLOv9的训练文件(train.py
)设计与YOLOv5是非常相似的,所以如果你使用过YOLOv5的话,操作YOLOv9的训练还是很简单的。
【2.1 训练前准备】
2.1.1 虚拟环境搭建
关于这部分操作前面我写过一篇文章,可以看看,这次调试YOLOv9的时候,我顺着走了一遍,问题不大,只不过YOLOv8变YOLOv9,链接如下。
搭建虚拟环境:https://blog.csdn.net/A__MP/article/details/136331757
2.1.2:数据集准备
我测试过了,数据集的文件目录与YOLOv8一致,是可以进行训练的。也就是说,如果你前一段时间在玩YOLOv8,你完全可以将你的数据集“移植过来”,只需要改变一下你的data.yaml
中的路径。
当然,你也可以使用YOLOv5的数据集文件目录格式,也是可以行得通的。这么说吧,这两种是互通的,在YOLOv8上我试过了,不过我建议使用YOLOv8的格式,比较规整和舒服。
**数据集准备:**https://blog.csdn.net/A__MP/article/details/136411203
(注意:因为这篇重点讲训练过程,所以前两个过程分享了两个链接,麻烦了。)
【2.2:训练】 (准备好就可以开始训练了!!)
2.2.1 打开项目,并安装依赖包
首先,利用Pycharm打开下载好的YOLOv9项目。看右下角所处的虚拟环境是否是自己设置的,如果不是,请修改回来。 https://blog.csdn.net/A__MP/article/details/136357068
这个链接中的前两步。
注意