yolov9 を導入してみました。

以下手順

git clone  https://github.com/WongKinYiu/yolov9.git
cd yolov9

ダウンロード

公式GitHub → https://github.com/WongKinYiu/ にも乗っていますが、一応yolov9-eのリンクをここにも置きます。ダウンロードのリンク →
https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-e.pt

bug 修正

vscode 等のエディターで修正
utils/general.py 903行元々prediction = prediction[0] 正しいは prediction = prediction[0][0]

source 0 カメラ

python detect.py --device 0 --source 0 --weights './yolov9-e.pt'

動作動画です

入力画像

source file(画像) はこのような感じで保存されます

python detect.py --device 0 --source "D:\python_learning\datasets\coco\images\test2017\000000006939.jpg" --weights './yolov9-e.pt'

detect: weights=['./yolov9-e.pt'], source=D:\python_learning\datasets\coco\images\test2017\000000006939.jpg, data=data\coco128.yaml, imgsz=[640, 640], conf_thres=0.25, iou_thres=0.45, max_det=1000, device=0, view_img=False, save_txt=False, save_conf=False, save_crop=False, nosave=False, classes=None, agnostic_nms=False, augment=False, visualize=False, update=False, project=runs\detect, name=exp, exist_ok=False, line_thickness=3, hide_labels=False, hide_conf=False, half=False, dnn=False, vid_stride=1
YOLOv5 v0.1-3-g6e49803 Python-3.10.10 torch-2.2.1+cu118 CUDA:0 (NVIDIA GeForce RTX 3080 Laptop GPU, 8192MiB)

Fusing layers...
Model summary: 1119 layers, 69470144 parameters, 0 gradients, 244.0 GFLOPs
image 1/1 D:\python_learning\datasets\coco\images\test2017\000000006939.jpg: 512x640 1 person, 1 truck, 1 handbag, 206.5ms
Speed: 1.0ms pre-process, 206.5ms inference, 53.8ms NMS per image at shape (1, 3, 640, 640)
Results saved to runs\detect\exp9

結果