集智书童 | YOLOv9开源 | 架构图&模块改进&正负样本匹配&损失函数解读，5分钟即可理解YOLOv9，建议收藏！

最新推荐文章于 2025-04-29 22:17:11 发布
最新推荐文章于 2025-04-29 22:17:11 发布
阅读量2.3k 收藏 16
点赞数 7
分类专栏： 论文阅读one 深度学习拓展阅读 文章标签： python 人工智能 计算机视觉 目标检测 自动驾驶 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/csdn_xmj/article/details/136300958
版权
本文介绍了YOLOv9的开源细节，包括架构改进、PGI和GELAN模块，以及损失函数的调整。YOLOv9在速度和精度上表现出色，预示其可能成为2D目标检测的新标准。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文来源公众号“集智书童”，仅用于学术分享，侵权删，干货满满。

原文链接：YOLOv9开源 | 架构图&模块改进&正负样本匹配&损失函数解读，5分钟即可理解YOLOv9

1 YOLOv9对比图

YOLOv7原作者出手，YOLOv9的性能依旧时一枝独秀：

2 YOLOv9架构图

YOLOv9的整体架构图如下（根据YOLOv9.yaml绘制）：

3 YOLOv9改进点一览

  1. YOLOv9从可逆函数角度理论上分析了现有的CNN架构，基于这种分析，YOLOv9作者还设计了PGI和辅助可逆分支，并取得了优秀的结果；

  2. YOLOv9用到的PGI解决了深度监督只能用于极深的神经网络架构的问题，因此使得新的轻量级架构才更适合落地；

最低0.47元/天 解锁文章
YOLOv9来啦！YOLO目标检测全新工作！性能表现SOTA！在各个方面都大大超过了RT-DETR、YOLOv8等
qq_40716944的博客
02-22 1万+
今天的深度学习方法侧重于如何设计最合适的目标函数，使模型的预测结果最接近实际情况。同时，必须设计一种适当的架构，该架构可以促进获取足够的信息用于预测。现有的方法忽略了一个事实，即当输入数据经过逐层特征提取和空间变换时，会丢失大量信息。本文将深入研究数据通过深度网络传输时数据丢失的重要问题，即信息瓶颈和可逆函数。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现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。
集智书童 | YOLOv10开源｜清华用端到端YOLOv10在速度精度上都生吃YOLOv8和YOLOv9
csdn_xmj的博客
05-27 4854
在本文中，作者针对YOLO系列检测 Pipeline 中的后处理和模型架构进行了研究。对于后处理，作者提出了持续的双重分配以实现无需NMS的训练，从而实现高效的端到端检测。对于模型架构，作者引入了整体效率-精度驱动的模型设计策略，改进了性能与效率之间的权衡。这些改进带来了YOLOv10，这是一个新的实时端到端目标检测器。大量实验表明，与其它先进检测器相比，YOLOv10在性能和延迟方面均达到了最先进水平，充分展示了其优越性。
YOLOU开源 | 汇集YOLO系列所有算法，集算法学习、科研改进、落地于一身！
weixin_40920183的博客
07-28 833
这里推荐一个YOLO系列的算法实现库YOLOU，此处的“U”意为“United”的意思，主要是为了学习而搭建的YOLO学习库，也借此向前辈们致敬，希望不被骂太惨；整个算法完全是以YOLOv5的框架进行，主要包括的目标检测算法有：YOLOv3、YOLOv4、YOLOv5、YOLOv5-Lite、YOLOv6、YOLOv7、YOLOX以及YOLOX-Lite。同时为了方便算法...
【计算机视觉】目标检测：深度解析YOLOv9：下一代实时目标检测架构的创新与实战
最新发布
weixin_43988131的博客
04-29 1729
深度解析YOLOv目标检测：深度解析YOLOv9：下一代实时目标检测架构的创新与实战9：下一代实时目标检测架构的创新与实战
YOLOv9中模块总结补充|RepNCSPELAN4详图
深度学习炼丹师，偶尔分享炼丹技术!
05-09 7004
RepNCSPELAN4是YOLOv9中的特征提取-融合模块，类似前几代YOLO中的C3、C2f等模块。RepNCSPELAN4主要由Conv与ReoNCSP组成，其中的ReoNCSP结构上形似C3与C2f模块，ReoNCSP由Conv与数量不等的RepNBottleneck模块组成，RepNBottleneck的个数由模型的宽度因子决定，RepNBottleneck是一个具有残差结构的基础模块，如下图。
YOLOv12: 实时物体检测的开源项目教程
gitblog_00326的博客
03-31 573
YOLOv12: 实时物体检测的开源项目教程 yolov12 YOLOv12: Attention-Centric Real-Time Object Detectors 项目地址: https://gitcode.com/gh_m...
做个 ROS 2 视觉检测开源库-YOLO介绍与使用
生活不止眼前的苟且
04-22 2354
在无人驾驶和室内工作场景中，机器人需要进行物体识别，包括路上的车辆和行人，以及室内的餐盘回收等任务。计算机视觉技术在机器人系统中扮演着至关重要的角色。其中，YOLO（You Only Look Once）是一种高速而准确的目标检测算法，能够实时识别图像或视频中的多个对象，而无需多次检测。本章将详细介绍如何将目标检测算法YOLO与ROS 2集成，同时探讨如何创建一个开源库来完成目标检测任务。
集智书童 | YOLOv8架构的改进：POLO 模型在多类目标检测中的突破 !
csdn_xmj的博客
11-13 1342
基于无人机影像和目标检测技术的自动化野生动物调查已成为保护生物学中一种强大且日益流行的工具。 大多数检测器需要使用带有标注边界框的训练图像，这种做法既费时又费钱，而且并不总是明确。为了减少这种做法带来的标注负担，作者开发了POLO，这是一种可以在仅使用点标签进行训练的多类目标检测模型。
集智书童 | YOLOv12 正式开源 | 中科院大学携 LLM Trick 让YOLO家族改头换面后依然是效率之王
csdn_xmj的博客
02-20 1256
提升YOLO框架的网络架构一直至关重要，尽管注意力机制在建模能力方面已被证明具有优越性，但长期以来一直专注于基于CNN的改进。这是因为基于注意力的模型无法与基于CNN的模型的速度相匹配。本文提出了一种以注意力为中心的YOLO框架，即YOLOv12，该框架在匹配先前基于CNN的模型速度的同时，利用了注意力机制的性能优势。
集智书童 | 利用知识蒸馏算法优化 YOLOv5 目标检测 ！
csdn_xmj的博客
11-02 1000
这篇论文探讨了知识蒸馏技术在目标检测任务中的应用，尤其是不同蒸馏温度对学生模型性能的影响。通过将YOLOv5s作为教师网络和较小的YOLOv5s作为学生网络，作者发现，随着蒸馏温度的增加，学生的检测准确性逐渐提高，最终在特定温度下实现了mAP50和mAP50-95指标，这些指标优于原始的YOLOv5s模型。
开源项目实战学习之YOLO11：项目结构及功能分析（一）
kngines
04-23 1146
开源项目实战学习之YOLO11：项目结构及功能分析（一）
开源项目-用yolov3实现了轻量级人脸检测.zip
05-19
加入关键点的darknet训练框架，使用yolov3实现了轻量级的人脸检测。借鉴AlexeyAB大神的 darknet 做适量修改。 使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用 其他编译训练都和原版darknet相同使用yolo_landmark.py进行测试，更换里面的模型配置文件即可。
YOLOv9的概述、原理及应用详解（精华版）.pdf
05-27
YOLOv9（You Only Look Once version 9）是一个先进的目标检测算法，它属于YOLO（You Only Look Once）系列算法的最新成员。YOLO系列算法一直以来都以其高效率和实时性著称，而YOLOv9更是在保持这些特性的同时，进一步提升了检测精度和性能。 以下是YOLOv9的核心概念： 1.实时目标检测：YOLOv9继承了YOLO系列的核心特点，即一次性完成目标检测任务，无需像传统算法那样在图像上进行滑动窗口或区域提议（Region Proposal）等操作。这使得YOLOv9能够快速地处理大量图像或视频帧，实现实时检测。 2.端到端学习：YOLOv9采用端到端（End-to-End）的学习方式，直接从输入图像中预测出目标的边界框和类别概率。这种学习方式简化了检测流程，减少了中间步骤，从而提高了检测速度和准确性。 3.多尺度特征融合：为了处理不同尺度的目标，YOLOv9采用了多尺度特征融合技术。它使用深度卷积网络（Deep Convolutional Network）提取不同尺度的特征，并将这些特征进行融合，以提高对小目标和大目标的检测能力。 4.锚
YOLO 开源项目安装与使用教程
gitblog_00603的博客
08-23 454
YOLO 开源项目安装与使用教程 yoloFile watcher with web UI.项目地址:https://gitcode.com/gh_mirrors/yolo1/yolo 一、项目目录结构及介绍 YOLO（You Only Look Once）是Azer Koçulu开发的一个著名的目标检测框架。从提供的GitHub链接 https://github.com/azer/yolo.g...
【土堆】目标检测 YOLOv5 开源项目入门实战 3（最详尽版）—— 关于如何使用云端 GPU 训练 YOLOv5 模型 & 自制数据集并训练
作者正在煮茶中...
12-01 4420
这是我根据 B 站土堆的《目标检测 YOLOv5 开源代码项目调试与讲解实战》整理撰写的第三篇文章，大致讲解了如何使用云端 GPU 训练 YOLOv5 模型，以及如何自制数据集并对其进行训练。作者小白，请多包涵！
YOLO 超详细入门（含开源代码）——网络结构、细节、目标损失函数、优点
热门推荐
IanYue的博客
08-17 5万+
本文适用于目标检测之YOLO零基础入门。
旷视开源 YOLOF
weixin_40688204的博客
03-18 312
，无需 FPN，速度比 YOLOv4 快13% 我爱计算机视觉 公众号『我爱计算机视觉』关注算法，更关注思想的价值 21 人赞同了该文章 #CVPR2021##目标检测# You Only Look One-level Feature 由中科院、国科大以及旷视联合提出 YOLOF，不需要复杂的 FPN，在 GPU 上实现类似 RetinaNet、DETR 和 YOLOv4 的结果，比 RetinaNet 快 2.5 倍、比 DETR 少 7 倍训练时序、比 YOLOv4 快13%。 ..
YOLOv10：毫秒级实时端到端目标检测开源模型
hllyzms的博客
05-26 2171
在本文中，针对YOLO整个检测流程中的后处理和模型架构。对于后处理，提出一致的双重分配进行 NMS-free 训练，实现高效的端到端检测。对于模型架构，引入整体效率-准确性驱动的模型设计策略，改善性能与效率的权衡。这些带来了 YOLOv10，一种新的实时端到端目标检测器。大量实验表明，与其他先进检测器相比，YOLOv10 实现了最先进的性能和延迟，充分证明了其优越性。
YOLOv9王炸！使用可编程梯度信息学习想要学习的内容
gzq0723的博客
03-01 1319
点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute现在的深度学习方法侧重于如何设计最合适的目标函数，使模型的预测结果最接近实际情况。同时，必须设计一种适当的架构，该架构可以促进获取足够的信息用于预测。PART/1前言现有的方法忽略了一个事实，...
yolov8的协议要求使用yolov8的代码要开源吗
04-17
YOLOv8是一种目标检测算法，它是YOLO系列算法的最新版本。关于YOLOv8的协议要求，根据我所了解的情况，YOLOv8的代码并没有强制要求必须开源。然而，具体的协议要求可能会因为不同的实现版本而有所不同，因此建议您在使用YOLOv8代码之前，仔细查看相关的协议和许可证，以确保您的使用符合相关的法律和规定。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值