A Evolução do YOLO

Da versão 3 à versão 9: Uma jornada de inovação em detecção de objetos

YOLOv3 (2018)

Criador: Joseph Redmon
Principais avanços:

  • Introdução de detecção em múltiplas escalas (3 escalas diferentes)
  • Melhor detecção de objetos pequenos
  • Arquitetura Darknet-53 como backbone
  • Predições de bounding boxes mais precisas

YOLOv4 (2020)

Criadores: Alexey Bochkovskiy, Chien-Yao Wang, Hong-Yuan Mark Liao
Principais avanços:

  • Introdução do CSPDarknet53 como backbone
  • Implementação do SPP (Spatial Pyramid Pooling)
  • Uso de PANet para feature aggregation
  • Melhorias significativas em velocidade e precisão
  • Adoção de técnicas de data augmentation avançadas

YOLOv9 (2024)

Criadores: Chien-Yao Wang, I-Hau Yeh, Hong-Yuan Mark Liao
Principais avanços:

  • Programmable Gradient Information (PGI) para melhor treinamento
  • Generalized ELAN (GELAN) para arquitetura mais eficiente
  • Melhor balanceamento entre velocidade e precisão
  • Redução significativa de parâmetros mantendo performance
  • Arquitetura mais leve e eficiente

Comparação entre as Versões

YOLOv3

Pontos Fortes:

  • Bom balanceamento entre velocidade e precisão
  • Detecção robusta em múltiplas escalas
  • Arquitetura mais simples
Limitações:
  • Menos preciso que versões posteriores
  • Não utiliza técnicas modernas de treinamento

YOLOv4

Pontos Fortes:

  • Alta precisão em detecção
  • Bom desempenho em tempo real
  • Arquitetura mais robusta
Limitações:
  • Maior consumo de recursos
  • Treinamento mais complexo

YOLOv9

Pontos Fortes:

  • Arquitetura mais eficiente
  • Menor consumo de recursos
  • Melhor performance geral
Limitações:
  • Relativamente novo no mercado
  • Menos documentação disponível