YOLOv9目标识别——详细记录训练环境配置与训练自己的数据集_yolov9训练自己的数据集

前言

YOLOv9引入了一种全新的计算机视觉模型架构，相比目前流行的YOLO模型（如YOLOv8、YOLOv7和YOLOv5），在MS COCO数据集上取得了更高的mAP（平均精度均值）。
YOLOv9是由Chien-Yao Wang、I-Hau Yeh和Hong-Yuan Mark Liao开发的计算机视觉模型。这些研究人员还对YOLOv4、YOLOR和YOLOv7等流行的模型架构进行了研究。YOLOv9引入了两种新的架构：YOLOv9和GELAN。这两种架构都可以通过YOLOv9 Python库进行使用。

使用YOLOv9模型，可以训练出目标检测模型，但不支持分割、分类等任务类型。YOLOv9有四种不同参数数量的模型，按参数个数排序为：v9-S、v9-M、v9-C、v9-E。目前v9-S和v9-M的权重尚不可用。其中，最小的模型在MS COCO数据集的验证集上达到了46.8%的AP，而最大的模型则达到了55.6%。这为目标检测性能提供了一个新的先进水平。下面的图表展示了来自YOLOv9研究团队的研究结果。

算法解读

1. YOLOv9算法改进：

YOLOv9通过从可逆函数的角度对现有的CNN架构进行理论分析，提出了一些改进：

• PGI和辅助可逆分支设计： YOLOv9的作者在分析现有CNN架构时，提出了可逆函数的概念，并设计了PGI和辅助可逆分支。这些改进在实践中取得了显著的成果。

• 解决深度监督的问题： YOLOv9的PGI解决了深度监督仅适用于极深的神经网络架构的问题，从而使得新的轻量级架构也能够获得良好的应用效果。

• GELAN设计： YOLOv9中引入的GELAN仅使用传统卷积技术，却能实现比基于最先进技术的深度可分卷积设计更高的参数使用率。同时，GELAN展现出轻量级、快速和精确的巨大优势。

• 性能提升： 基于PGI和GELAN的改进，YOLOv9在MS COCO数据集上的性能在各个方面都明显超过了现有的实时目标检测器。

2. PGI（可编程梯度信息）：

PGI主要由以下三个组成部分组成：

• 主分支： 主要用于网络的前向推理过程，不需要额外的推理成本。

• 辅助可逆分支： 用于解决由于神经网络加深而导致的信息瓶颈问题。辅助可逆分支采用可逆架构，提供可靠的梯度信息用于参数更新。

• 多级辅助信息： 插入在主分支和辅助监督之间的特征金字塔层次结构中，用于聚合包含所有目标对象的梯度信息，并传递给主分支进行参数更新。
  

3.GELAN模块

YOLOv9引入了一种新的网络架构——GELAN，它结合了两种神经网络架构，即具有梯度路径规划的CSPNet和ELAN。GELAN被设计成一种通用的、高效的层聚合网络，综合考虑了轻量级、推理速度和准确度。
GELAN的整体架构如下图所示。相较于原始的ELAN，GELAN对ELAN的能力进行了泛化。原始的ELAN仅使用卷积层的堆叠，而GELAN则可以使用任何计算块作为其基础模块。这使得GELAN更加灵活，能够适应不同的网络设计需求，并且不局限于特定类型的计算块。

4. 损失函数与样本匹配

根据上述代码，可以看到以下内容：

1. 样本匹配仍然使用了TaskAlign样本匹配，与YOLOv8、YOLOE、YOLOv6等算法保持一致。

2. 分类损失使用了二元交叉熵（BCE）损失。

3. 回归损失则结合了DFL（Distance Focal Loss）损失和CIoU（Complete Intersection over Union）损失。

5. 模型结构

环境安装

我这里训练环境是win10, gpu是3080，cuda 11.7 ,cudnn8.5 , 是Anacoda装的虚拟环境训练的。

环境安装：

conda create -n yolov9 python=3.10
activate ylolv9
1
2

源码下载

git clone https://github.com/WongKinYiu/yolov9.git
cd yolov9 
pip install -r requirements.txt
1
2
3

模型训练

数据准备

YOLOv9遵循YOLOv5-YOLOv8的训练数据构建方式，数据标注与数据转换部分，如果不理解可以参考我之前关于yolov8训练时数据处理部分：YOLOV8实例分割——详细记录环境配置、自定义数据处理到模型训练与部署, 我这里使用安全帽佩带数据集来训练模型。

构建数据集

新增加一个helmet.yaml文件放到yolov9/data目录下。

文件内容如下：

path: D:/DL/yolov9/data
train: images/train  # train images (relative to 'path') 4 images
val: images/val  # val images (relative to 'path') 4 images
#val: images/test # test images (optional)

# Classes
names:
  0: person
  1: head
  2: helmet
1
2
3
4
5
6
7
8
9
10

构建YOLOv9-c模型配置文件

找到yolov9/models/detect/yolov9-c.yaml文件，更改里面的内容：

# YOLOv9

# 参数
nc: 3                     # 类别数
depth_multiple: 1.0       # 模型深度倍数
width_multiple: 1.0       # 层通道数倍数
#activation: nn.LeakyReLU(0.1)
#activation: nn.ReLU()

# 锚点
anchors: 3

# 其他配置...
1
2
3
4
5
6
7
8
9
10
11
12
13

下载预训练的模型

可以手动模型，模型yolov9 git有开源：https://github.com/WongKinYiu/yolov9.git，下载需要使用的模型，我这里是目标检测，我下载了yolov9-c.pt这个模型，放到yolov9根目录下：

模型训练：

python3 train_dual.py --weights=./yolov9-c.pt --cfg=./models/detect/yolov9-c.yaml --data=./data/helmet.yaml --epoch=100 --batch-size=16 --imgsz=640 --hyp=data/hyps/hyp.scratch-high.yaml
1

如果一切顺利就开始在训练了：

在训练过程中，可以在yolov9/run目录下看到当前数据和状态：

推理测试

python detect_dual.py --source './data/images/test.jpg' --img 640 --device 0 --weights 'runs/train/exp/best.pt' --name yolov9_c_640_detect
1