【YOLO性能对比试验】YOLOv9c/v8n/v6n/v5n的训练结果对比及结论参考

最新推荐文章于 2024-05-03 00:16:00 发布

阿_旭

最新推荐文章于 2024-05-03 00:16:00 发布

阅读量3.1k

点赞数 22

分类专栏： YOLO对比实验专栏文章标签： YOLO 深度学习人工智能 YOLO对比试验 AI

本文链接：https://blog.csdn.net/qq_42589613/article/details/136966596

版权

YOLO对比实验专栏专栏收录该内容

2 篇文章 4 订阅

订阅专栏

《博主简介》

小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。
✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~
👍感谢小伙伴们点赞、关注！

《------往期经典推荐------》

一、AI应用软件开发实战专栏【链接】

项目名称	项目名称
1.【人脸识别与管理系统开发】	2.【车牌识别与自动收费管理系统开发】
3.【手势识别系统开发】	4.【人脸面部活体检测系统开发】
5.【图片风格快速迁移软件开发】	6.【人脸表表情识别系统】
7.【YOLOv8多目标识别与自动标注软件开发】	8.【基于YOLOv8深度学习的行人跌倒检测系统】
9.【基于YOLOv8深度学习的PCB板缺陷检测系统】	10.【基于YOLOv8深度学习的生活垃圾分类目标检测系统】
11.【基于YOLOv8深度学习的安全帽目标检测系统】	12.【基于YOLOv8深度学习的120种犬类检测与识别系统】
13.【基于YOLOv8深度学习的路面坑洞检测系统】	14.【基于YOLOv8深度学习的火焰烟雾检测系统】
15.【基于YOLOv8深度学习的钢材表面缺陷检测系统】	16.【基于YOLOv8深度学习的舰船目标分类检测系统】
17.【基于YOLOv8深度学习的西红柿成熟度检测系统】	18.【基于YOLOv8深度学习的血细胞检测与计数系统】
19.【基于YOLOv8深度学习的吸烟/抽烟行为检测系统】	20.【基于YOLOv8深度学习的水稻害虫检测与识别系统】
21.【基于YOLOv8深度学习的高精度车辆行人检测与计数系统】	22.【基于YOLOv8深度学习的路面标志线检测与识别系统】
23.【基于YOLOv8深度学习的智能小麦害虫检测识别系统】	24.【基于YOLOv8深度学习的智能玉米害虫检测识别系统】
25.【基于YOLOv8深度学习的200种鸟类智能检测与识别系统】	26.【基于YOLOv8深度学习的45种交通标志智能检测与识别系统】
27.【基于YOLOv8深度学习的人脸面部表情识别系统】	28.【基于YOLOv8深度学习的苹果叶片病害智能诊断系统】
29.【基于YOLOv8深度学习的智能肺炎诊断系统】	30.【基于YOLOv8深度学习的葡萄簇目标检测系统】
31.【基于YOLOv8深度学习的100种中草药智能识别系统】	32.【基于YOLOv8深度学习的102种花卉智能识别系统】
33.【基于YOLOv8深度学习的100种蝴蝶智能识别系统】	34.【基于YOLOv8深度学习的水稻叶片病害智能诊断系统】
35.【基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统】	36.【基于YOLOv8深度学习的智能草莓病害检测与分割系统】
37.【基于YOLOv8深度学习的复杂场景下船舶目标检测系统】	38.【基于YOLOv8深度学习的农作物幼苗与杂草检测系统】
39.【基于YOLOv8深度学习的智能道路裂缝检测与分析系统】	40.【基于YOLOv8深度学习的葡萄病害智能诊断与防治系统】
41.【基于YOLOv8深度学习的遥感地理空间物体检测系统】	42.【基于YOLOv8深度学习的无人机视角地面物体检测系统】
43.【基于YOLOv8深度学习的木薯病害智能诊断与防治系统】	44.【基于YOLOv8深度学习的野外火焰烟雾检测系统】
45.【基于YOLOv8深度学习的脑肿瘤智能检测系统】	46.【基于YOLOv8深度学习的玉米叶片病害智能诊断与防治系统】
47.【基于YOLOv8深度学习的橙子病害智能诊断与防治系统】

二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】，持续更新中~~

《------正文------》

本文主要是针对YOLOv9c/v8n/v6n/v5n这4种模型，在自己的某烟雾目标检测数据集上进行了训练对比实验，并得出了一些参考性的结论，供小伙伴们参考学习。如果有什么问题，欢迎一起学习交流。

注：本文训练结果得出的试验结论仅供参考，并不能一概而论，不同数据集的训练结果也可能会不一样。

1.引言

YOLOv9 的核心创新在于解决深度神经网络中信息丢失所带来的挑战。在追求最佳实时物体检测的过程中，YOLOv9 以其创新的方法克服了深度神经网络固有的信息丢失难题，脱颖而出。通过整合 PGI 和多功能 GELAN 架构，YOLOv9 不仅增强了模型的学习能力，还确保了在整个检测过程中保留关键信息，从而实现了卓越的准确性和性能。

性能对比

官方给出的不同YOLO版本在COCO数据集上的性能对比如下。从图中可以看出从性能上讲，YOLOv9对比于其他版本，在性能上还是有很大提升的。
在这里插入图片描述

2.YOLOv9的主要亮点

YOLOv9 引入了可编程梯度信息 (PGI) 和广义高效层聚合网络 (GELAN) 等开创性技术，标志着实时目标检测领域的重大进步。该模型在效率、准确性和适应性方面都有显著提高，在 MS COCO 数据集上树立了新的标杆。

可编程梯度信息 (PGI)

PGI 是 YOLOv9 为解决信息瓶颈问题而引入的一个新概念，可确保在深层网络中保留重要数据。这样就可以生成可靠的梯度，促进模型的准确更新，提高整体检测性能。
在这里插入图片描述

通用高效层聚合网络（GELAN）

GELAN 是一项战略性的架构进步，使 YOLOv9 能够实现更高的参数利用率和计算效率。它的设计允许灵活集成各种计算模块，使 YOLOv9 能够适应广泛的应用，而不会牺牲速度或精度。

在这里插入图片描述

3. 本文不同YOLO版本对比试验

本文主要是针对YOLOv9c/v8n/v6n/v5n这4种模型，在自己的某烟雾目标检测数据集上进行了训练对比实验。训练轮数150个epoch。
各模型参数量如下：

Model	Test Size（像素）	Param（M）	FLOPs(B)
yolov5nu	640	2.6	7.7
yolov6n	640	4.7	11.4
yolov8n	640	3.2	8.7
yolov9-c	640	25.3	102.1

训练过程的损失曲线对比如下：
在这里插入图片描述

训练过程中的精确度（Precision）、召回率（Recall）、平均精确度（Mean Average Precision, mAP）等参数的对比如下：
在这里插入图片描述
最终精度结果对比：

名称	YOLOv5n	YOLOv6n	YOLOv8n	YOLOv9c
mAP@0.5	0.944	0.845	0.953	0.946
F1-Score	0.91	0.81	0.91	0.91

4. 结论

针对此目标检测数据集，从上述的模型训练试验结果可以看出：
1.从模型训练过程损失曲线上看，模型训练收敛速度YOLOv5n/v8n > YOLOv9c >YOLOv6n。YOLOv5n与YOLOv8n这两个模型训练的收敛速度基本相同。YOLOv6n收敛速度较慢
2.从训练结果的性能精度上看，YOLOv8n得到的结果最优，YOLOv8n > YOLOv9c > YOLOv5n > YOLOv6n。但YOLOv8n 、YOLOv9c、YOLOv5n这3个模型的训练结果相差不是很多，差距在1%以内。但YOLOv8n 、YOLOv9c、YOLOv5n明显优于YOLOv6n的训练结果，均比YOLOv6n的精度约提高了10%。