DAMO-YOLO so với YOLO26#

Lĩnh vực thị giác máy tính không ngừng phát triển, được thúc đẩy bởi nhu cầu về các kiến trúc cân bằng giữa độ chính xác cao và khả năng suy luận có độ trễ thấp. Bài so sánh này đi sâu vào các đặc điểm kỹ thuật của DAMO-YOLO và Ultralytics YOLO26, đồng thời xem xét những đổi mới về kiến trúc, phương pháp huấn luyện và các trường hợp sử dụng lý tưởng của chúng.

Dù bạn đang triển khai các model thị giác trên thiết bị biên hay xây dựng các pipeline đám mây có thông lượng cao, việc hiểu rõ những khác biệt tinh tế giữa các model này là yếu tố then chốt để đưa ra quyết định kiến trúc sáng suốt trong quá trình phát triển AI hiện đại.

DAMO-YOLO: Neural Architecture Search ở quy mô lớn#

DAMO-YOLO, được phát triển bởi Alibaba Group, được phát hành vào ngày 23 tháng 11 năm 2022. Do Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang và Xiuyu Sun thiết kế, model này tập trung mạnh vào việc tự động khám phá các kiến trúc hiệu quả bằng Tìm kiếm kiến trúc neural (NAS).

Bạn có thể xem nghiên cứu gốc trong bài báo ArXiv của họ hoặc khám phá mã nguồn trên repository DAMO-YOLO trên GitHub.

Các đặc điểm kiến trúc chính#

DAMO-YOLO giới thiệu một số đổi mới kỹ thuật nhằm mở rộng giới hạn của bài toán phát hiện đối tượng theo thời gian thực:

• MAE-NAS Backbones: DAMO-YOLO sử dụng phương pháp tìm kiếm định hướng bằng entropy tối đa để tìm ra các backbone tối ưu. Phương pháp NAS này khám phá các kiến trúc cân bằng chặt chẽ giữa độ chính xác phát hiện và tốc độ suy luận trên phần cứng cụ thể.
• RepGFPN hiệu quả: Một thiết kế neck nặng giúp cải thiện đáng kể khả năng hợp nhất đặc trưng, đặc biệt hữu ích khi phân tích các cảnh phức tạp như trong ảnh chụp từ trên không.
• Thiết kế ZeroHead: Một detection head được đơn giản hóa đáng kể, giúp giảm độ phức tạp tính toán của các lớp dự đoán cuối cùng.
• AlignedOTA và chưng cất: DAMO-YOLO sử dụng Gán truyền tải tối ưu được căn chỉnh (AlignedOTA) để giải quyết sự mơ hồ trong việc gán nhãn, kết hợp với một chiến lược tăng cường chưng cất tri thức mạnh mẽ nhằm cải thiện độ chính xác của các model student nhỏ hơn bằng cách sử dụng các mạng teacher lớn hơn.

Tìm hiểu thêm về DAMO-YOLO

Lợi thế của Ultralytics: YOLO26#

Được phát hành vào ngày 14 tháng 1 năm 2026 bởi Glenn Jocher và Jing Qiu tại Ultralytics, YOLO26 đại diện cho đỉnh cao của AI thị giác hiệu năng cao, dễ tiếp cận. Dựa trên nền tảng của YOLO11 và YOLOv10, YOLO26 được thiết kế từ gốc để triển khai ưu tiên biên, tính linh hoạt đa tác vụ và sự dễ sử dụng chưa từng có.

Các đổi mới của YOLO26#

Ultralytics YOLO26 giới thiệu một số tính năng đột phá, khiến model này trở thành lựa chọn toàn diện cho các ứng dụng thị giác máy tính hiện đại:

• Thiết kế end-to-end không cần NMS: YOLO26 loại bỏ tự nhiên bước hậu xử lý Ức chế phi cực đại (NMS). Được tiên phong ban đầu trong YOLOv10, cách tiếp cận end-to-end này đơn giản hóa đáng kể các pipeline triển khai và đảm bảo khả năng suy luận xác định với độ trễ thấp.
• Suy luận trên CPU nhanh hơn tới 43%: Được tối ưu về mặt kiến trúc cho điện toán biên, YOLO26 mang lại tốc độ vượt trội trên các thiết bị biên và CPU phổ biến, rất phù hợp cho các thiết bị IoT chạy bằng pin.
• Bộ tối ưu MuSGD: Lấy cảm hứng từ quá trình huấn luyện LLM (chẳng hạn Kimi K2 của Moonshot AI), YOLO26 tích hợp một phương pháp kết hợp giữa SGD và Muon. Phương pháp này đưa độ ổn định của quá trình huấn luyện mô hình ngôn ngữ lớn vào thị giác máy tính, mang lại khả năng hội tụ nhanh hơn và đáng tin cậy hơn.
• Loại bỏ DFL: Bằng cách loại bỏ Distribution Focal Loss, đồ thị model được đơn giản hóa, cho phép export mượt mà sang các định dạng như ONNX và TensorRT.
• ProgLoss + STAL: Các hàm loss nâng cao này mang lại cải thiện đáng kể trong việc nhận dạng đối tượng nhỏ, một tính năng quan trọng đối với hoạt động drone và nông nghiệp.

So sánh hiệu năng#

Khi đánh giá các model này, sự cân bằng giữa độ chính xác (mAP) và hiệu quả tính toán (Tốc độ/FLOPs) là yếu tố tối quan trọng. Bảng dưới đây nêu bật sự khác biệt giữa các model này khi sử dụng dataset COCO tiêu chuẩn của ngành.

Như đã thấy ở trên, YOLO26 liên tục mang lại độ chính xác cao hơn với số lượng parameter và FLOPs ít hơn đáng kể, tạo ra một kiến trúc hiệu quả hơn nhiều cho cả huấn luyện lẫn suy luận.

Hiệu quả Training và Khả năng sử dụng#

Sự phức tạp của DAMO-YOLO#

Mặc dù DAMO-YOLO đạt độ chính xác cạnh tranh, phương pháp huấn luyện của model này rất phức tạp. Việc phụ thuộc vào Tìm kiếm kiến trúc neural (NAS) và chưng cất tri thức chuyên sâu khiến quá trình huấn luyện một model tùy chỉnh thường đòi hỏi tài nguyên GPU đáng kể cùng kiến thức chuyên môn. Quy trình nhiều giai đoạn này—huấn luyện một model teacher khổng lồ để chưng cất thành một model student nhỏ hơn—có thể trở thành nút thắt đối với các đội ngũ kỹ thuật linh hoạt đang cố gắng lặp nhanh trên các dataset tùy chỉnh.

Trải nghiệm Ultralytics tinh gọn#

Ngược lại, Ultralytics YOLO26 được thiết kế để có khả năng sử dụng theo mô hình "zero-to-hero". Toàn bộ vòng đời huấn luyện, validation và triển khai được trừu tượng hóa phía sau một Python API và CLI thống nhất, gọn gàng. Hơn nữa, YOLO26 yêu cầu ít bộ nhớ CUDA hơn đáng kể trong quá trình huấn luyện so với các model dựa trên Transformer như RT-DETR, cho phép các nhà nghiên cứu huấn luyện những model tiên tiến trên phần cứng phổ thông.

Dưới đây là ví dụ cho thấy việc huấn luyện, đánh giá và export một model YOLO26 bằng Ultralytics SDK đơn giản như thế nào:

from ultralytics import YOLO

# Load the latest YOLO26 nano model
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset for 50 epochs
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Evaluate the model's performance on the validation set
metrics = model.val()

# Run inference on a sample image
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()

# Export the model to ONNX format for deployment
model.export(format="onnx")

Đối với các đội ngũ ưu tiên môi trường không cần code, Ultralytics Platform cung cấp giao diện trực quan cho việc gắn nhãn dataset, huấn luyện trên đám mây và triển khai liền mạch.

Ứng dụng thực tế#

Việc lựa chọn kiến trúc phù hợp phụ thuộc rất nhiều vào môi trường triển khai mục tiêu và các giới hạn về phần cứng.

Kiểm soát chất lượng công nghiệp#

Đối với tự động hóa sản xuất tốc độ cao, DAMO-YOLO có thể hoạt động tốt trên phần cứng GPU chuyên dụng. Tuy nhiên, YOLO26 là lựa chọn ưu tiên cho các dây chuyền lắp ráp hiện đại. Thiết kế end-to-end không cần NMS đảm bảo độ trễ có tính xác định và không bị giật, điều thiết yếu khi đồng bộ dữ liệu hình ảnh với các bộ chấp hành robot theo thời gian thực.

AI biên và thiết bị di động#

Việc triển khai thị giác máy tính trên các thiết bị chạy bằng pin đòi hỏi hiệu quả cực cao. Trong khi DAMO-YOLO phụ thuộc vào các neck RepGFPN cụ thể, YOLO26n (Nano) được tối ưu riêng cho điện toán biên. Việc loại bỏ DFL và suy luận trên CPU nhanh hơn 43% khiến model này trở thành giải pháp tối ưu cho camera thông minh, ứng dụng di động và hệ thống báo động an ninh.

Yêu cầu dự án đa tác vụ#

Nếu dự án đòi hỏi nhiều hơn việc chỉ phát hiện đối tượng—chẳng hạn như phân tích kỹ thuật của vận động viên trong thể thao bằng ước lượng tư thế hoặc trích xuất chính xác ranh giới pixel bằng phân đoạn instance—YOLO26 cung cấp hỗ trợ tự nhiên cho tất cả các tác vụ này trong một codebase thống nhất duy nhất. DAMO-YOLO bị giới hạn nghiêm ngặt ở việc phát hiện bounding box.

Các trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa DAMO-YOLO và YOLO26 phụ thuộc vào yêu cầu cụ thể của dự án, các giới hạn triển khai và ưu tiên về hệ sinh thái.

Khi nào nên chọn DAMO-YOLO#

DAMO-YOLO là lựa chọn phù hợp cho:

• Phân tích video thông lượng cao: Xử lý các luồng video FPS cao trên hạ tầng GPU NVIDIA cố định, trong đó thông lượng batch-1 là chỉ số chính.
• Dây chuyền sản xuất công nghiệp: Các tình huống có yêu cầu nghiêm ngặt về độ trễ GPU trên phần cứng chuyên dụng, chẳng hạn như kiểm tra chất lượng theo thời gian thực trên dây chuyền lắp ráp.
• Nghiên cứu Neural Architecture Search: Nghiên cứu tác động của tìm kiếm kiến trúc tự động (MAE-NAS) và các backbone được reparameterize hiệu quả đối với hiệu năng phát hiện.

Khi nào nên chọn YOLO26#

YOLO26 được khuyến nghị cho:

• Triển khai edge không cần NMS: Các ứng dụng yêu cầu suy luận nhất quán, độ trễ thấp mà không có sự phức tạp của bước hậu xử lý triệt tiêu cực đại.
• Môi trường chỉ sử dụng CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi khả năng suy luận trên CPU nhanh hơn tới 43% của YOLO26 mang lại lợi thế quyết định.
• Phát hiện đối tượng nhỏ: Các kịch bản đầy thách thức như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, trong đó ProgLoss và STAL cải thiện đáng kể độ chính xác trên các đối tượng rất nhỏ.

Kết luận#

Cả hai kiến trúc đều là những thành tựu đáng kể trong lĩnh vực deep learning. DAMO-YOLO mang đến góc nhìn thú vị về sức mạnh của Tìm kiếm kiến trúc neural và các kỹ thuật chưng cất được điều chỉnh cho các benchmark phần cứng cụ thể.

Tuy nhiên, đối với các nhà phát triển, nhà nghiên cứu và doanh nghiệp đang tìm kiếm một giải pháp sẵn sàng cho sản xuất, Ultralytics YOLO26 nổi bật là lựa chọn vượt trội. Sự kết hợp giữa thiết kế đầu cuối không dùng NMS, mức tăng suy luận CPU khổng lồ, tính linh hoạt đa tác vụ và khả năng tích hợp vào hệ sinh thái Ultralytics được bảo trì tốt biến YOLO26 thành công cụ mạnh mẽ và thiết thực nhất để giải quyết các thách thức thị giác máy tính trong thế giới thực hiện nay.

Đối với người dùng muốn khám phá các model khác trong hệ sinh thái Ultralytics, tài liệu toàn diện hiện có cho YOLO11, YOLOv8 và RT-DETR dựa trên Transformer.