转载自:阿旭算法与机器学习
小伙伴们好,我是阿旭。专注于人工智能、AIGC、python、深度学习相关分享研究。欢迎共同学习交流!
一、AI应用软件开发实战专栏
项目名称 | 项目名称 |
---|---|
1.人脸识别与管理系统 | 2.车牌识别与管理系统 |
3.手势识别系统 | 4.人脸面部活体检测系统 |
5.YOLOv8自动标注 | 6.人脸表情识别系统 |
7.行人跌倒检测系统 | 8.PCB板缺陷检测系统 |
9.安全帽检测系统 | 10.生活垃圾分类检测 |
11.火焰烟雾检测系统 | 12.路面坑洞检测系统 |
13.钢材表面缺陷检测 | 14.102种犬类检测系统 |
15.面部口罩检测系统 | 16.西红柿成熟度检测 |
17.血细胞检测计数 | 18.舰船分类检测系统 |
19.吸烟行为检测 | 20.水稻害虫检测识别 |
21.车辆行人检测计数 | 22.小麦害虫检测识别 |
23.玉米害虫检测识别 | 24.200种鸟类检测识别 |
25.交通标志检测识别 | 26.苹果病害识别 |
27.肺炎诊断系统 | 28.100种中草药识别 |
29.102种花卉识别 | 30.100种蝴蝶识别 |
31.车辆行人追踪系统 | 32.水稻病害识别 |
33.车牌检测识别系统 | 34.草莓病害检测分割 |
35.复杂环境船舶检测 | 36.裂缝检测分析系统 |
37.田间杂草检测系统 | 38.葡萄病害识别 |
39.路面坑洞检测分割 | 40.遥感地面物体检测 |
41.无人机视角检测 | 42.木薯病害识别预防 |
43.野火烟雾检测 | 44.脑肿瘤检测 |
45.玉米病害检测 | 46.橙子病害识别 |
《------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。
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。
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。
图片
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。
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。
图片
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。
图片
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:
图片
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:
图片
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 |
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:
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
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%。
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可能也会不一样。
后续还会出更多关于模型对比、模型改进对比等相关实验结果供大家参考。欢迎持续关注~~~
end