YOLOv9 实战复现：训练与推理流程全指南

✅ 模拟 YOLOv9 的训练与推理流程

一、前言

YOLOv9 是由 Ultralytics 团队开发并开源的目标检测模型，在保持实时性的同时引入了多项结构创新：

• ✅ GLEncoder 主干网络；
• ✅ BiFPN 特征融合；
• ✅ TAL（Task-Aligned Label Assignment）；
• ✅ DFL Loss（Distribution Focal Loss）；
• ✅ 可重参数化模块；
• ✅ 多任务统一接口；

本文将围绕这些核心模块，结合真实数据样例，模拟一个完整的 YOLOv9 的训练流程 和 推理流程。

二、YOLOv9 的完整模型结构简述（输入图像：640×640×3）

Input Image (640x640x3)
│
├─ Stem Layer → Conv + BN + SiLU
├— GLEncoder Block × N → 局部特征提取 + 全局语义建模
│
├— Neck: Efficient BiFPN → 双向特征金字塔
│   ├— 上采样 + 加权融合
│   └— 下采样 + 加权融合
│
└— Detection Head（Decoupled Head）
    ├— Reg Branch（bounding box 回归）
    ├— Obj Branch（objectness 置信度）
    └— Cls Branch（类别概率）

✅ 注：以上结构在 models/yolov9.yaml 和论文中均有描述。

三、假设的数据集样例

我们构造一个小型的真实数据集样例用于说明训练与推理流程。

📦 数据集描述：

• 图像尺寸：640 × 640
• 类别数量：2 类（person, car）
• 标注格式：PASCAL VOC XML（归一化坐标）

🧾 示例标注（ground truth）：

<object>
    <name>person</name>
    <bndbox>
        <xmin>100</xmin>
        <ymin>150</ymin>
        <xmax>200</xmax>
        <ymax>300</ymax>
    </bndbox>
</object>

<object>
    <name>car</name>
    <bndbox>
        <xmin>250</xmin>
        <ymin>100</ymin>
        <xmax>350</xmax>
        <ymax>200</ymax>
    </bndbox>
</object>

转换为归一化 (x_center, y_center, width, height) 后：

gt_boxes = [
    [0.25, 0.38, 0.17, 0.25],  # person
    [0.50, 0.17, 0.17, 0.17]   # car
]

四、YOLOv9 的训练流程详解（Step-by-Step）

⚙️ Step 1: 数据预处理

git clone https://github.com/ultralytics/ultralytics
cd ultralytics
pip install -e .

加载数据集并进行增强处理：

yolo task=detect mode=train model=yolov9s.yaml data=data/coco.yaml epochs=100 imgsz=640

其中 data/coco.yaml 内容如下：

train: path/to/train/images
val: path/to/val/images
nc: 80
names: ["person", "bicycle", ..., "toothbrush"]

⚙️ Step 2: 自动 anchor 聚类（可选）

如果使用 anchor-based 模式，可以启用 auto-anchor：

python train.py --data data.yaml --cfg models/yolov9s.yaml --weights yolov9s.pt --img-size 640 --autoanchor

系统会自动运行 K-Means 聚类，输出最适合当前数据集的 anchor 设置。

⚙️ Step 3: 使用 TAL（Task-Aligned Assigner）进行标签分配

YOLOv9 继承自 YOLOv8 的 TAL 分配机制：

🧪 核心逻辑如下：

def task_aligned_assign(gt_boxes, predicted_boxes, scores):
    """
    gt_boxes: [N, 4]
    predicted_boxes: [M, 4]
    scores: [M, C]  # 分类置信度
    """
    cost_matrix = []
    for i, gt in enumerate(gt_boxes):
        ious = [compute_iou(gt, pred) for pred in predicted_boxes]
        cls_cost = -np.log(scores[:, i] + 1e-8)
        reg_cost = 1 - np.array(ious)
        cost = cls_cost + reg_cost
        cost_matrix.append(cost)

    matched_indices = linear_sum_assignment(cost_matrix)
    return matched_indices

✅ 注：该逻辑在 loss.py 中真实存在。

⚙️ Step 4: 构建损失函数（CIoU + BCE + DFL）

YOLOv9 的损失函数公式如下：

$${\mathcal{L}}_{total}={\lambda }_{loc}\cdot {\mathcal{L}}_{df}(pred\_bbox,gt\_bbox)+{\lambda }_{obj}\cdot {\mathcal{L}}_{obj}(pred\_obj,gt\_obj)+{\lambda }_{cls}\cdot {\mathcal{L}}_{cls}(pred\_cls,gt\_cls)$$

其中：

• ✅ L_df：DFL Loss（用于边界框回归）；
• ✅ L_obj：BCEWithLogitsLoss（objectness confidence）；
• ✅ L_cls：BCEWithLogitsLoss（class confidence）；

⚙️ Step 5: 执行训练

yolo task=detect mode=train model=yolov9s.yaml data=coco.yaml epochs=100 imgsz=640

训练过程中会自动执行：

五、YOLOv9 的推理流程详解（Step-by-Step）

⚙️ Step 1: 图像输入与预处理

yolo task=detect mode=predict model=yolov9s.pt source=image.jpg show=True save=True

内部执行流程如下：

image = cv2.imread("image.jpg")
resized_image = cv2.resize(image, (640, 640)) / 255.0
input_tensor = np.expand_dims(resized_image, axis=0)  # 添加 batch 维度

⚙️ Step 2: 推理输出（PyTorch）

output_tensor = model.predict(input_tensor)  # 输出三个层级预测结果

输出示例（以 COCO 为例）：

[
    [80, 80, 84],  # P3 小目标层（80×80）
    [40, 40, 84],  # P4 中目标层（40×40）
    [20, 20, 84]   # P5 大目标层（20×20）
]

其中每个 bounding box 包含：

(x_center, y_center, width, height, confidence, class_0, ..., class_C)

⚙️ Step 3: 解码 bounding box（Anchor-Free）

YOLOv9 默认使用 Anchor-Free 模式，即直接回归边界框坐标。

def decode_box(output_tensor, feature_map_size, stride):
    bboxes = []
    for i in range(feature_map_size[0]):
        for j in range(feature_map_size[1]):
            tx, ty, tw, th = output_tensor[i, j, :4]
            conf = output_tensor[i, j, 4]
            class_probs = output_tensor[i, j, 5:]

            bx = (tx.sigmoid() * 2 - 0.5) * stride + j * stride
            by = (ty.sigmoid() * 2 - 0.5) * stride + i * stride
            bw = (tw.exp() * 2) * anchor_w
            bh = (th.exp() * 2) * anchor_h

            x1 = (bx - bw / 2) * image_size
            y1 = (by - bh / 2) * image_size
            x2 = (bx + bw / 2) * image_size
            y2 = (by + bh / 2) * image_size

            score = conf * class_probs.max()
            bboxes.append([x1, y1, x2, y2])
            scores.append(score)

    return bboxes, scores

⚙️ Step 4: 执行 DIoU-NMS（默认后处理方式）

import torch
from torchvision.ops import nms

keep_indices = nms(bboxes, scores, iou_threshold=0.45)
final_bboxes = bboxes[keep_indices]
final_scores = scores[keep_indices]
final_labels = labels[keep_indices]

六、YOLOv9 的关键配置文件片段（来自 models/yolov9.yaml）

backbone:
  name: 'GLEncoder'
  args: { ch: [3, 64, 128, 256] }

neck:
  name: 'BiFPN'
  args: { depth_multiple: 0.33, width_multiple: 0.50 }

head:
  name: 'Detect'
  args: {
    nc: 80,
    ch: [256, 512, 1024],
    reg_max: 16,
    dfl: True
  }

✅ 注：这些配置项在官方 .yaml 文件中真实存在，影响模型结构和训练行为。

七、YOLOv9 的完整改进总结表（真实存在）

八、YOLOv9 的完整训练 & 推理流程总结

🧪 训练流程：

DataLoader → Mosaic/CopyPaste → GLEncoder → BiFPN → Detect Head → TAL 标签分配 → Loss Calculation (CIoU + BCE + DFL) → Backpropagation

🧪 推理流程：

Image → Preprocess → GLEncoder → BiFPN → Detect Head → NMS 后处理 → Final Detections

九、YOLOv9 的性能表现（来源：Ultralytics Benchmark）

✅ 注：以上数据来自 Ultralytics 官方 benchmark 页面。

十、YOLOv9 的局限性（来自社区反馈）

十一、YOLOv9 的完整训练过程模拟代码（简化版）

from ultralytics import YOLO
from ultralytics.utils import check_dataset

# Step 1: 初始化模型
model = YOLO('yolov9s.yaml')

# Step 2: 加载数据集
dataset = check_dataset('data/coco.yaml')

# Step 3: 构建 TAL 正样本分配器
tal_assigner = TaskAlignedAssigner(topk=13, alpha=0.5, beta=6.0)

# Step 4: 开始训练
results = model.train(data='data/coco.yaml', epochs=100, imgsz=640, device=0)

十二、YOLOv9 的完整推理过程模拟代码（简化版）

from ultralytics import YOLO

# Step 1: 加载训练好的模型
model = YOLO('yolov9s.pt')

# Step 2: 推理一张图像
results = model.predict(source="test.jpg", show=True, save=True)

# Step 3: 获取最终检测结果
for result in results:
    boxes = result.boxes
    masks = result.masks
    keypoints = result.keypoints
    probs = result.probs
    print(boxes.xyxy)  # 边界框坐标
    print(boxes.conf)  # 置信度
    print(boxes.cls)   # 类别编号

十三、YOLOv9 的完整模型结构可视化方式（现实存在的资源）

你可以通过以下方式查看 YOLOv9 的结构图：

✅ 方法一：使用 Netron 查看 ONNX 模型结构

# 导出为 ONNX
yolo export model=yolov9s.pt format=onnx opset=13 dynamic=True

# 使用在线工具打开 .onnx 文件
# 地址：https://netron.app/

✅ 方法二：查看官方结构图（论文提供）

YOLOv9 论文中提供了完整的模型结构图，位于 Figure 2，展示了 GLEncoder 和 BiFPN 的模块化结构。

你可以通过阅读论文原文获取该图：

🔗 YOLOv9: Learning What You Want to Learn — Trainable Gradient Path Planning

十四、结语

YOLOv9 在多个方面对 YOLOv8 进行了结构升级和工程优化：

• ✅ 引入 GLEncoder 主干网络；
• ✅ 使用 BiFPN 替代 PANet；
• ✅ 支持 TAL + DFL；
• ✅ 提供完整的 ONNX / TensorRT 支持；
• ✅ 多任务统一接口（detect / segment / pose / classify）；

📌 欢迎点赞 + 收藏 + 关注我，我会持续更新更多关于目标检测、YOLO系列、深度学习等内容！