作者信息
【原文作者】 量子位
【作者简介】 追踪人工智能新趋势，关注科技行业新突破
【微 信 号】 QbitAI
文章摘要
【关 键 词】 YOLOv9、目标检测、可编程梯度、PGI、GELAN
文章标题：YOLOv9正式发布：可编程梯度信息助力目标检测领域新SOTA
文章概述：本文介绍了YOLOv9的最新发布，这是一个在目标检测领域具有重大突破的新版本。YOLOv9的主要特点是引入了可编程梯度信息（PGI）的概念，以解决深度网络在检测多个目标时所面临的信息丢失问题。此外，文章还介绍了YOLOv9的另一个贡献，即设计了一种新的基于梯度路径规划的轻量级网络架构GELAN，用于证明PGI的有效性。
文章详细摘要：
1. YOLOv9发布：在YOLOv8发布后仅一年的时间里，YOLOv9诞生，成为了目标检测领域的新SOTA。这个新版本主打用“可编程梯度信息”来学习任何想学习的目标。
2. 可编程梯度信息：YOLOv9主要解决了数据通过深度网络传输时丢失的问题，即“信息瓶颈和可逆函数”。为此，作者提出了可编程梯度信息（PGI）的概念，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。
3. GELAN架构：YOLOv9的第二个贡献是设计了一种新的基于梯度路径规划的轻量级网络架构GELAN，用于证明PGI的有效性。它通过模仿CSPNet架构并扩展ELAN网络，可以支持任何计算块。
4. 实验结果：在MS COCO数据集上进行了效果验证。与现有方法相比，YOLOv9在轻型、中型、普通和大型模型方面都有了显著的改进。特别是在大模型的参数利用方面，YOLOv9大大超过了使用ImageNet预训练模型的RT-DETR。
5. 开发者背景：YOLOv9的开发团队由Chien-Yao Wang等人领衔，他在YOLOv4和YOLOv7中也有重要贡献。
6. 结语：虽然YOLOv9的发布可能会让一些正在进行毕业设计的学生感到担忧，但实际上不必过于担心。最重要的是有自己的创新，而不是仅仅依赖某个基准算法。
原文信息
【原文链接】 阅读原文
【原文字数】 1542
【阅读时长】 6分钟
