3D视觉工坊 | 手把手教你在自己的数据集上训练YOLOv9！

本文来源公众号“3D视觉工坊”，仅用于学术分享，侵权删，干货满满。

原文链接：手把手教你在自己的数据集上训练YOLOv9！

在前面的两篇文章和江大白 | 目标检测YOLOv9算法，重磅开源！（附论文及源码）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！中，我们介绍了YOLOv9的理论部分，接下来我们看一下YOLOv9的实践操作吧 !

0. 写在前面

今天笔者为大家分享国外的James Gallagher和Piotr Skalski编写的YOLOv9使用教程！原博客链接为https://blog.roboflow.com/train-yolov9-model。

YOLOv9开源了一种新的CV模型架构，比现有流行的YOLO模型（YOLOv8、YOLOv7和YOLOv5）在MS COCO数据集上取得了更高的mAP。

本指南展示了如何在自定义数据集上训练YOLOv9模型，将通过一个训练视觉模型的例子来识别一个球场上的足球运动员。有了这一点，可以用这个指南使用你想要的任何数据集。

话不多说，让我们开始!

1. 什么是YOLOv9？

YOLOv9是由Chien-Yao Wang, I-Hau Yeh, and Hong-Yuan Mark Liao开发的计算机视觉模型。Hong-Yuan Mark Liao和Chien-Yao Wang还对YOLOv4、YOLOR和YOLOv7等流行的模型架构进行了研究。YOLOv9引入了两种新的架构：YOLOv9和GELAN，这两种架构都可以从论文发布的YOLOv9 Python库中使用。

使用YOLOv9模型，可以训练出一个目标检测模型。此时不支持分割、分类等任务类型。YOLOv9有四种模型，按参数个数排序是：v9-S、v9-M、v9-C、v9-E。目前v9 - S和v9 - M的权重暂不可用。其中最小的模型在MS COCO数据集的验证集上达到了46.8 %的AP，