2024年2月にyolov9が発表されました。yolov8の発表が2023年1月だったので、約1年ぶりの更新です。本記事ではyolov9を使った物体検出をGoogle Colaboratory上で実装していきます。
関連記事
【リアルタイムで物体検出】yolov8をanaconda環境でサクッと動かす
yolov9について
今回発表されたyolov9の精度は以下のようになります。
![](https://arika-blog.com/wp-content/uploads/2024/03/performance-1024x884.jpg)
MS COCOとは、Microsoftが提供しているデータセットです。また、AP(Average Precision)とは物体検出の評価指標としてよく使われるもので、100%に近づくほど良いです。つまり、過去に発表されたモデルよりも高いパフォーマンスを示していることが分かります。
またモデルは以下の通りです。
Model | Test Size | APval | AP50val | AP75val | Param. | FLOPs |
---|---|---|---|---|---|---|
YOLOv9-T | 640 | 38.3% | 53.1% | 41.3% | 2.0M | 7.7G |
YOLOv9-S | 640 | 46.8% | 63.4% | 50.7% | 7.1M | 26.4G |
YOLOv9-M | 640 | 51.4% | 68.1% | 56.1% | 20.0M | 76.3G |
YOLOv9-C | 640 | 53.0% | 70.2% | 57.8% | 25.3M | 102.1G |
YOLOv9-E | 640 | 55.6% | 72.8% | 60.6% | 57.3M | 189.0G |
yolov9の論文はarXivに公開されています。
arXiv(アーカイヴ、archiveと同じ発音)は、物理学、数学、計算機科学、数量生物学(英語版)、数量ファイナンス、統計学、電子工学・システム科学、経済学の、プレプリントを含む様々な論文が保存・公開されているウェブサイトである。
引用:Wikipedia
yolov9を使ってみる
Google Colaboratory上でyolov9を使ってみます。
関連記事
Google Colabratoryを使ってPythonをはじめよう
ランタイムをGPUに変更します。
![](https://arika-blog.com/wp-content/uploads/2024/04/119591db1dc3c8217c33e55e856e9ab7-1024x538.png)
![](https://arika-blog.com/wp-content/uploads/2024/04/ef2c491c65de7097b446c9a824f42959.png)
コードは以下の通りです。
![](https://arika-blog.com/wp-content/uploads/2022/11/icon-12-150x150.png)
先頭に!をつけるとshellのコマンドを実行できます。
2023年3月時点、yolov9/utils/general.pyの903行目prediction = prediction[0]をprediction = prediction[0][1]とする必要があります。
詳しくはIssuesをご確認ください。
たったの5行で物体検出ができました。
![](https://arika-blog.com/wp-content/uploads/2024/03/3afa32b6-86ec-41bd-a28c-8ae3c9131d4a.jpg)
まとめ
yolov9を使って物体検出を行いました。Google Colaboratoryを使うと簡単に実装できるので興味のある方は是非お試しください。
コメント