1、YOLOv9简介
YOLOv9已于2024年2月份发布,其主要破解的就是数据通过深度网络传输时丢失的问题,具体来说就是“信息瓶颈和可逆函数”。
一是提出可编程梯度信息(PGI)的概念,来应对深度网络检测多个目标所需的各种变化。
PGI可以为目标任务提供完整的输入信息来计算目标函数,从而获得可靠的梯度信息来更新网络权重。
下图为PGI及相关网络架构和方法示意图。
其中(a)为路径聚合网络,(b) 为可逆列,(c)传统深度监督,(d)为作者提出的可编程梯度信息(即PGI)。
它主要由三部分组成:
主分支:用于推理的架构;辅助可逆分支:生成可靠的梯度,为主分支提供反向传输;多级辅助信息:用来控制主分支学习可规划的多级语义信息。作者解释:
YOLOv9的第二个贡献是设计了一种新的基于梯度路径规划的轻量级网络架构GELAN,用于证明PGI的有效性。
它通过模仿CSPNet架构+扩展ELAN网络而得出,可以支持任何计算块(CSPNet和ELAN都是采用梯度路径规划设计的神经网络)。
大小同类模型都完胜
效果验证在MS COCO数据集上进行。
所有模型都使用从头开始训练策略进行训练,总训练次数为500个epoch。
基于YOLOv7和Dynamic YOLOv7构建了YOLOv9的通用版和扩展版。
2、YOLOv9预训练模型下载
由于官方模型下载不易,备份如下:
yolov9-c.pt地址:
https://download.csdn.net/download/lwx666sl/88869712
yolov9-e.pt地址:
https://download.csdn.net/download/lwx666sl/88869714
gelan-c.pt地址:
https://download.csdn.net/download/lwx666sl/88869920
gelan-e.pt
https://download.csdn.net/download/lwx666sl/88869923