Link to this sectionDAMO-YOLO so với YOLOv8#

Bối cảnh thị giác máy tính thời gian thực đang liên tục thay đổi khi các nhà nghiên cứu và kỹ sư vượt qua các giới hạn về tốc độ và độ chính xác. Hai cột mốc quan trọng trong hành trình này là DAMO-YOLO và Ultralytics YOLOv8. Mặc dù cả hai mô hình đều nhắm tới việc tối ưu hóa sự cân bằng giữa độ trễ và mAP (mean Average Precision), chúng áp dụng các phương pháp luận và kiến trúc cơ bản khác nhau để giải quyết các thách thức về phát hiện đối tượng.

Phân tích kỹ thuật toàn diện này sẽ so sánh kiến trúc cơ sở, phương pháp huấn luyện và triển khai thực tế của chúng để giúp bạn chọn công cụ phù hợp cho dự án trí tuệ nhân tạo tiếp theo của mình.

Link to this sectionDòng dõi và Thông số kỹ thuật của Mô hình#

Hiểu rõ nguồn gốc của các mô hình deep learning này cung cấp bối cảnh giá trị liên quan đến mục tiêu thiết kế và hệ sinh thái triển khai của chúng.

Link to this sectionChi tiết về DAMO-YOLO#

Tác giả: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang và Xiuyu Sun
Tổ chức: Alibaba Group
Ngày: 2022-11-23
Arxiv: https://arxiv.org/abs/2211.15444v2
GitHub: tinyvision/DAMO-YOLO

Tìm hiểu thêm về DAMO-YOLO

Link to this sectionChi tiết về Ultralytics YOLOv8#

Tác giả: Glenn Jocher, Ayush Chaurasia và Jing Qiu
Tổ chức: Ultralytics
Ngày: 2023-01-10
GitHub: ultralytics/ultralytics
Tài liệu: Tài liệu YOLOv8

Tìm hiểu thêm về YOLOv8

Link to this sectionCải tiến kiến trúc#

Đặc điểm hiệu năng của cả hai kiến trúc đều bắt nguồn từ các quyết định cấu trúc độc đáo của chúng.

Link to this sectionDAMO-YOLO: Được thúc đẩy bởi Tìm kiếm Kiến trúc#

DAMO-YOLO dựa nhiều vào Neural Architecture Search (NAS) để tự động khám phá cấu trúc mạng tối ưu. Nó giới thiệu một khái niệm gọi là MAE-NAS, giúp tìm kiếm các backbone mang lại hiệu năng cao với độ trễ thấp. Ngoài ra, nó sử dụng RepGFPN (Reparameterized Generalized Feature Pyramid Network) hiệu quả để tăng cường sự kết hợp đặc trưng qua các quy mô không gian khác nhau.

Để cải thiện quá trình huấn luyện, đội ngũ Alibaba đã kết hợp thiết kế ZeroHead và gán nhãn AlignedOTA. Hơn nữa, họ dựa nhiều vào một quy trình chưng cất tri thức (knowledge distillation) phức tạp, nơi một mô hình giáo viên nặng nề hướng dẫn mô hình học sinh nhẹ hơn, giúp đạt được các chỉ số chính xác cao hơn trên các benchmark học thuật.

Link to this sectionYOLOv8: Tối giản và Đa năng#

Ultralytics đã áp dụng phương pháp tiếp cận hướng tới nhà phát triển hơn với YOLOv8. Nó chuyển dịch từ thiết kế dựa trên neo (anchor-based) của YOLOv5 sang kiến trúc không cần neo (anchor-free), giảm đáng kể số lượng dự đoán khung bao và tăng tốc độ suy luận. Sự ra đời của module C2f (Cross-Stage Partial Bottleneck with 2 convolutions) đã cải thiện luồng gradient và biểu diễn đặc trưng mà không gây thêm gánh nặng tính toán quá mức.

Không giống như các mô hình chỉ tập trung vào khung bao, YOLOv8 được thiết kế từ đầu để trở thành mô hình đa phương thức (multi-modal). Một codebase PyTorch hợp nhất hỗ trợ nguyên bản cho phân đoạn thực thể (instance segmentation), ước tính tư thế (pose estimation) và phân loại ảnh, giúp các kỹ sư không phải lắp ghép các kho lưu trữ rời rạc.

Link to this sectionSo sánh Hiệu năng#

Khi so sánh các chỉ số thô, việc phân tích cách các khả năng lý thuyết chuyển đổi thành hiệu năng phần cứng là rất quan trọng. Bảng dưới đây minh họa sự đánh đổi giữa các kích thước mô hình.

Trong khi DAMO-YOLO thể hiện tỷ lệ tham số trên độ chính xác tốt nhờ vào các kỹ thuật chưng cất, YOLOv8 cung cấp dải kích thước mô hình rộng hơn (từ Nano đến Extra-large). Mô hình YOLOv8 Nano đại diện cho đỉnh cao trong tối ưu hóa tại biên (edge), tiêu tốn ít tài nguyên hơn trong khi vẫn mang lại độ chính xác cực kỳ hữu dụng.

Link to this sectionHệ sinh thái và trải nghiệm nhà phát triển#

Điểm khác biệt thực sự giữa các bài báo học thuật và các hệ thống sẵn sàng cho sản xuất chính là hệ sinh thái.

Sự phụ thuộc của DAMO-YOLO vào các đường ống chưng cất tri thức mở rộng có thể gây khó khăn cho việc huấn luyện tùy chỉnh. Việc tạo ra một mô hình giáo viên, chuyển giao tri thức và điều chỉnh các backbone dựa trên NAS đòi hỏi bộ nhớ CUDA memory lớn và cấu hình nâng cao, thường làm chậm các đội ngũ kỹ thuật linh hoạt.

Ngược lại, hệ sinh thái Ultralytics đề cao sự dễ sử dụng. Thông qua Ultralytics Platform, các nhà phát triển có thể truy cập các API đơn giản, tài liệu toàn diện và các tích hợp theo dõi thử nghiệm mạnh mẽ. Framework Python hợp nhất giúp việc xây dựng các pipeline phức tạp trở nên dễ dàng.

from ultralytics import YOLO

# Load a pretrained YOLOv8 nano model
model = YOLO("yolov8n.pt")

# Train the model on a custom dataset with built-in augmentations
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)

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

Quy trình làm việc được tối ưu hóa này, cùng với khả năng xuất sang OpenVINO và TensorRT một cách liền mạch, đảm bảo con đường trơn tru từ tạo mẫu cục bộ đến triển khai trên đám mây hoặc tại biên.

Link to this sectionCác ứng dụng thực tế và trường hợp sử dụng lý tưởng#

Việc lựa chọn giữa các kiến trúc này thường phụ thuộc vào các ràng buộc vận hành trong môi trường của bạn.

Link to this sectionDAMO-YOLO phù hợp ở đâu#

DAMO-YOLO là lựa chọn tuyệt vời cho các môi trường học thuật nghiên cứu về Neural Architecture Search hoặc các nhà nghiên cứu đang cố gắng tái tạo các chiến lược tái tham số hóa (rep-parameterization) phức tạp. Nó cũng có thể vượt trội trong các ứng dụng công nghiệp được kiểm soát chặt chẽ, chẳng hạn như phát hiện lỗi tốc độ cao trên dây chuyền sản xuất, với điều kiện đội ngũ có tài nguyên tính toán để xử lý quá trình huấn luyện nhiều giai đoạn của nó.

Link to this sectionTại sao Ultralytics dẫn đầu trong sản xuất#

Đối với phần lớn các dự án thương mại, các mô hình Ultralytics cung cấp sự cân bằng hiệu năng vượt trội.

• Bán lẻ Thông minh: Sử dụng khả năng đa tác vụ của YOLOv8 để xử lý cả phát hiện khung bao cho kho hàng và ước tính tư thế để phân tích hành vi khách hàng.
• Nông nghiệp: Sử dụng phân đoạn thực thể để phát hiện chính xác ranh giới cây trồng và cỏ dại trong các nguồn cấp dữ liệu thời gian thực từ máy kéo.
• Hình ảnh Trên không: Tận dụng Oriented Bounding Boxes (OBB) để theo dõi chính xác các phương tiện và tàu thuyền đã xoay từ máy bay không người lái hoặc vệ tinh.

Link to this sectionĐón đầu tương lai: Giới thiệu YOLO26#

Trong khi YOLOv8 vẫn là một mô hình nền tảng, lĩnh vực này vẫn tiếp tục tiến bộ. Đối với tất cả các phát triển mới, YOLO26 là tiêu chuẩn được khuyến nghị. Được phát hành vào tháng 1 năm 2026, nó đại diện cho một bước nhảy vọt quan trọng trong dòng sản phẩm Ultralytics.

YOLO26 tiên phong trong thiết kế end-to-end NMS-free nguyên bản, loại bỏ hoàn toàn nút thắt Non-Maximum Suppression truyền thống. Bước đột phá về cấu trúc này mang lại hiệu suất suy luận trên CPU nhanh hơn tới 43%, khiến nó trở thành một cỗ máy mạnh mẽ tuyệt đối cho điện toán biên và phần cứng IoT.

Hơn nữa, YOLO26 giới thiệu MuSGD Optimizer, một mô hình lai lấy cảm hứng từ các kỹ thuật huấn luyện Large Language Model (LLM) đảm bảo khả năng hội tụ nhanh hơn và các vòng lặp huấn luyện cực kỳ ổn định. Kết hợp với các thuật toán ProgLoss + STAL mới, YOLO26 thể hiện những cải tiến đáng kinh ngạc trong việc nhận diện đối tượng nhỏ, đảm bảo rằng các triển khai của bạn không chỉ nhanh mà còn chính xác một cách không thỏa hiệp.

Tìm hiểu thêm về YOLO26