YOLOv9来了：实时目标检测新SOTA，完胜各种轻量或大型模型！出自v7作者

AIGC动态欢迎阅读

原标题：YOLOv9来了：实时目标检测新SOTA，完胜各种轻量或大型模型！出自v7作者
关键字：知乎,腾讯,梯度,模型,信息
文章来源：量子位
内容字数：4919字

内容摘要：

丰色发自凹非寺量子位 | 公众号 QbitAI距离YOLOv8发布仅1年的时间，v9诞生了！
这个新版本主打用“可编程梯度信息来学习你想学的任何内容”。
无论是轻量级还是大型模型，它都完胜，一举成为目标检测领域新SOTA：
网友的心情be like:
鉴于源码已经发布，有人已率先实测了一把效果：
对比v8当时的表现，可以说是进步很大：
来吧，速度论文。
可编程梯度信息+轻量级GELAN架构一般来说，为了使模型预测结果最接近真实情况，目前的深度学习方法比较侧重于如何设计出一个最合适的目标函数。
同时，还要设计一种适当的架构，用于获取足够的信息，方便后续预测。
在此，作者认为：
现有的方法忽略了一个问题，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。
因此，YOLOv9主要的就是数据通过深度网络传输时丢失的问题，具体来说就是“信息瓶颈和可逆函数”。
具体贡献上，一是提出可编程梯度信息（PGI）的概念，来应对深度网络检测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。
下图为PGI及相关网络架构和方法示

原文链接：YOLOv9来了：实时目标检测新SOTA，完胜各种轻量或大型模型！出自v7作者