YOLOv9來了：實時目標檢測新SOTA，完勝各種輕量或大型模型！出自v7作者

AIGC動態歡迎閱讀

原標題：YOLOv9來了：實時目標檢測新SOTA，完勝各種輕量或大型模型！出自v7作者
關鍵字：知乎,騰訊,梯度,模型,信息
文章來源：量子位
內容字數：4919字

內容摘要：

豐色 發自 凹非寺量子位 | 公眾號 QbitAI距離YOLOv8發布僅1年的時間，v9誕生了！
這個新版本主打用“可編程梯度信息來學習你想學的任何內容”。
無論是輕量級還是大型模型，它都完勝，一舉成為目標檢測領域新SOTA：
網友的心情be like:
鑒于源碼已經發布，有人已率先實測了一把效果：
對比v8當時的表現，可以說是進步很大：
來吧，速度論文。
可編程梯度信息+輕量級GELAN架構一般來說，為了使模型預測結果最接近真實情況，目前的深度學習方法比較側重于如何設計出一個最合適的目標函數。
同時，還要設計一種適當的架構，用于獲取足夠的信息，方便后續預測。
在此，作者認為：
現有的方法忽略了一個問題，即當輸入數據經過逐層特征提取和空間變換時，會丟失大量信息。
因此，YOLOv9主要的就是數據通過深度網絡傳輸時丟失的問題，具體來說就是“信息瓶頸和可逆函數”。
具體貢獻上，一是提出可編程梯度信息（PGI）的概念，來應對深度網絡檢測多個目標所需的各種變化。
PGI可以為目標任務提供完整的輸入信息來計算目標函數，從而獲得可靠的梯度信息來更新網絡權重。
下圖為PGI及相關網絡架構和方法示

原文鏈接：YOLOv9來了：實時目標檢測新SOTA，完勝各種輕量或大型模型！出自v7作者

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破