点击上方 蓝字 关注我们
微信公众号： OpenCV学堂
关注获取更多计算机视觉与深度学习知识
前言
自从YOLOv9出来以后，很多人都问我是不是从此以后YOLOv9就是YOLO系列最厉害的了，我其实很难从正面给出答案，毕竟没有调查权就发言权。毕竟别人论文写的天花乱坠的，而且还有一群跟风带节奏的自媒体，忽悠一帮深度学习小白争先恐后看YOLOv9。但是反过来想想CVPR但凡出个对象检测论文就是SOTA，这么多年多少SOOTA下来了，我其实喜欢用的，能解决问题的模型还是那几个，有点换汤不换药的感觉。今天我就斗胆稍微扒一扒YOLOv9的模型跟推理。
工程文件与模型下载
官方的库在这里
https://github.com/WongKinYiu/yolov9
我直接下载了，第一次我下载Tag下面的，发现跑不起来，只能从Master下面直接下载了，然后我看到了官方的模型列表与mAP指标如下：
我尝试 下载YOLOv9-T、YOLOv9-S、YOLOv9-M三种模型均以失败而告终 ，只能下载YOLOv9-C这个模型，此外YOLOv9-E也可以下载，下载以后发现YOLOv9-C大小为：
跟它对应的YOLOv8-L模型大小为83.7M，对应的mAP52.9， 真的只比它多0.1 ，我感觉这个是因为它的模型更大，所以精度多0.1是正常的。
其实对CNN网络来说只要你把模型搞大点，精度肯定会上升，这个是常识，这能算创新吗？然后居然还 有个XX的人发了一个视频说YOLOv9杀疯了，我觉得是他自己疯了 。
导出与推理测试
用官方的命令行然后直接推理这个模型，看一下耗时（GPU3050ti）
再导出ONNX格式模型
发现第一是导出ONNX格式模型巨大无比、这种肯定不能随便就实时，必须得好卡；第二是里面 导出信息居然还有YOLOv5 Hub的信息 ，我晕倒，你这到底哪里抄来的代码？
然后我打开YOLOv9导出的ONNX格式文件，发现居然有两个输出层，而且结构完全一致
我斗胆推测，用第一个即可，第二个是个废的，但是既然是废的，你导出它干嘛，以为你比YOLOv8厉害，结果却处处透露出山寨模型的痕迹。我看这个结构跟YOLOv8一致， 直接简单粗暴的把这个导出YOLOv9 ONNX模型用我以前写给YOLOv8部署的C++代码运行了，然后奇迹又出现了，一行代码都不用改，直接运行成功，我晕倒 ，这兼容性史无前例的强悍。
虽然速度感人，说它是YOLOv8结构的魔改谁会不信，但是 是不是真涨点了我不敢乱说，而且这个魔改以后模型变得更大了，推理耗时更多了，就这一帮人跟后面吹，真是世风日下，人心不古！
扫码开启YOLOv8全家桶
原价：
39
8
优惠价：
299
推荐阅读
