YOLOv9 (You Only Look Once version 9) — ИИ для анализа изображений с открытым исходным кодом, который распознает объекты в режиме реального времени. Программное обеспечение позволяет машинам "видеть" как люди и идентифицировать самые разные объекты на изображениях.

Обнаружение объектов — это фундаментальная задача компьютерного зрения, которая заключается в идентификации и локализации объектов на изображении или видео. За прошедшие годы методы глубокого обучения произвели революцию в области обнаружения объектов, позволив создать более точные и эффективные алгоритмы обнаружения. Одним из таких прорывов в глубоком обучении является YOLOv9.

YOLO обладает высокой точностью и работает на стандартном компьютерном оборудовании. Он поддерживает такие функции, как распознавание объектов, сегментация экземпляров и классификация изображений.

В YOLOv9 реализованы две новые технологии: Programmable Gradient Information (PGI) и Generalized Efficient Layer Aggregation Network (GELAN). PGI улучшает обновление сети для более точного распознавания объектов, а GELAN оптимизирует архитектуру сети для повышения точности и скорости. 

YOLOv9 опирается на успех своих предшественников и включает в себя несколько ключевых улучшений. Одной из примечательных особенностей YOLOv9 является способность обнаруживать объекты разного масштаба и соотношения сторон. 

Еще одна ключевая особенность YOLOv9 — использование архитектуры Darknet, которая представляет собой глубокую нейронную сеть, специально разработанную для обнаружения объектов. Архитектура Darknet позволяет YOLOv9 эффективно обрабатывать большие объемы визуальных данных, что приводит к более быстрому и точному обнаружению объектов. Кроме того, в YOLOv9 используется техника, называемая объединением пирамид признаков, которая помогает обнаруживать объекты разных масштабов, используя признаки из нескольких слоев сети.

Хотя YOLOv9 была разработана специально для распознавания объектов, она может быть адаптирована и для других задач машинного зрения за счет усовершенствования архитектуры сети и процесса обучения. В области автономных транспортных средств YOLOv9 может использоваться для обнаружения объектов в режиме реального времени, позволяя автомобилю обнаруживать и реагировать на пешеходов, велосипедистов и другие транспортные средства на дороге. Аналогичным образом, в системах видеонаблюдения YOLOv9 может использоваться для обнаружения и отслеживания нарушителей, обеспечивая безопасность и сохранность помещений.

В сфере розничной торговли YOLOv9 может использоваться для управления запасами и контроля за полками. Модель может точно обнаруживать и подсчитывать товары на полках, что позволит ритейлерам автоматизировать процесс отслеживания запасов. Кроме того, YOLOv9 может применяться в здравоохранении для анализа медицинских изображений, помогая в диагностике заболеваний и отклонений.

Разработчики YOLOv9 — Чиен-Яо Ванг, И-Хау Йех и Хонг-Юан Марк Ляо — опубликовали исходный код на GitHub. Инструкции по адаптации YOLOv9 к вашим данным доступны здесь.