产品中心
YOLOv7原作者出手，YOLOv9的性能依旧时一枝独秀：
YOLOv9的整体架构图如下（根据YOLOv9.yaml绘制）：
PGI主要包括三个组成部分，即：
从图中可以看出，PGI推理过程仅使用主分支，因此不需要任何额外的推理成本。
YOLOv9提出了新网络架构——GELAN。GELAN通过结合两种神经网络架构，即结合用梯度路径规划（CSPNet）和（ELAN）设计了一种广义的高效层聚合网络（GELAN）；GELAN综合考虑了轻量级、推理速度和准确度。
GELAN整体架构如上图所示。YOLOv9将ELAN的能力进行了泛化，原始ELAN仅使用卷积层的堆叠，而GELAN可以使用任何计算块作为基础Module。
通过上图代码可以看到，样本匹配依旧使用的是TaskAlign样本匹配。和YOLOv8、YOLOE、YOLOv6等算法保持一致；
分类损失：BCE Loss 回归损失：DFL Loss + CIoU Loss
可以看出，YOLOv9的性能最为优秀，应该会成为2D检测的新宠。
[1].YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information [2].https://github.com/WongKinYiu/yolov9
