YOLOv9 - 新世代の高効率リアルタイムターゲット検出システム - AiBoss

YOLOv9とは何ですか？

YOLOv9は、中央研究院や台北科技大学などの研究機関の研究チームによって開発された次世代の高度な物体検出システムです。YOLO（You Only Look Once）アルゴリズムシリーズの最新バージョンです。YOLOは、その速度と精度で知られる人気のリアルタイム物体検出アルゴリズムです。YOLOv9は、ディープラーニングにおける情報損失の問題に対処し、さまざまなタスクでモデルのパフォーマンスを向上させることを目指し、前バージョンを改良しています。YOLOv9の中核となる革新は、プログラマブル勾配情報（PGI）と汎用効率的層集約ネットワーク（GELAN）の導入にあり、これにより、モデルはトレーニング中に主要な特徴をより効果的に学習および抽出できるようになり、軽量モデルのパフォーマンスが向上します。

YOLOv9公式サイト入口

公式GitHubリポジトリ：https://github.com/WongKinYiu/yolov9
Arxivの研究論文：https://arxiv.org/abs/2402.13616
Hugging Face Demo：https://huggingface.co/spaces/kadirnar/Yolov9
Google Colab ランタイムアドレス:https://colab.research.google.com/github/roboflow-ai/notebooks/blob/main/notebooks/train-yolov9-object-detection-on-custom-dataset.ipynb

YOLOv9の技術的原理

プログラム可能な勾配情報（PGI）深層ネットワークにおける情報損失の問題に対処するため、YOLOv9ではPGIが導入されました。これは、補助的な可逆ブランチを通じて信頼性の高い勾配情報を生成し、ネットワークパラメータを更新することで、学習効率とモデル性能を向上させる補助的な監視フレームワークです。
汎用型高効率層集約ネットワーク（GELAN）YOLOv9では、勾配パスプランニングに基づき、計算ブロックとネットワークの深さを最適化することでモデルのパラメータ利用率と推論速度を向上させる、GELANと呼ばれる新しい軽量ネットワークアーキテクチャが設計されました。
情報ボトルネックの解消YOLOv9は、PGIとGELANを組み合わせることでデータ伝送中の情報損失を低減し、モデルが対象タスクに必要な特徴をより正確に学習できるようにします。
多段階補助情報PGIには、複数のレベルの補助情報も含まれており、異なる予測ヘッドからの勾配情報を統合することで、メインブランチがより包括的な意味情報を学習できるようにし、それによってモデルの様々なターゲットを検出する能力を向上させます。
トレーニング戦略YOLOv9は、損失関数とオプティマイザのパラメータを調整することで、モデルの収束を速め、トレーニング中の安定性を維持する新しいトレーニング戦略を採用しています。

YOLOv9の性能評価

論文中の実験結果によると、YOLOv9はMS COCOデータセット（物体検出タスクで広く使用されているベンチマークデータセット）において、YOLOシリーズの従来バージョンや他のリアルタイム物体検出器を凌駕する性能を発揮します。YOLOv9は、精度、パラメータ効率、計算複雑性、推論速度において大幅な改善を実現しており、特にリアルタイム処理を必要とするアプリケーションに適した、複数の面で競争力のある物体検出モデルとなっています。

YOLOv9の応用シナリオ

ビデオ監視セキュリティ監視システムにおいて、YOLOv9は監視ビデオをリアルタイムで分析し、異常な行動や特定のターゲットを検出することができます。
自動運転自動運転車において、YOLOv9は道路上の車両、歩行者、交通標識などを迅速に識別することができ、車両のナビゲーションや意思決定を支援する。
ロボットビジョン産業オートメーションやサービス業のロボットにおいて、YOLOv9はロボットが環境内の物体を識別し、把持、取り扱い、または相互作用を実行するのに役立ちます。
野生生物モニタリング生態学研究において、YOLOv9は野生動物を自動的に識別・追跡するために使用でき、研究者がデータを収集するのに役立つ。