Link to this sectionDAMO-YOLO so với YOLOv9#

Bối cảnh của công nghệ phát hiện vật thể thời gian thực vẫn tiếp tục phát triển với tốc độ chóng mặt. Khi các đội ngũ kỹ thuật và nhà nghiên cứu nỗ lực tìm kiếm sự cân bằng hoàn hảo giữa độ chính xác, tốc độ suy luận và hiệu suất tính toán, hai kiến trúc đáng chú ý đã xuất hiện từ cộng đồng nghiên cứu: DAMO-YOLO và YOLOv9. Cả hai model đều giới thiệu những cải tiến kiến trúc đáng kể nhằm mở rộng ranh giới của những gì có thể thực hiện được trong thị giác máy tính.

Hướng dẫn kỹ thuật chi tiết này cung cấp phân tích sâu sắc về hai model này, so sánh các phương pháp kiến trúc độc đáo, phương pháp huấn luyện và khả năng triển khai trong thực tế của chúng. Chúng tôi cũng sẽ khám phá cách hệ sinh thái phần mềm rộng lớn đóng vai trò quan trọng trong phát triển AI hiện đại, làm nổi bật những ưu điểm của các nền tảng tích hợp như Ultralytics Platform và thế hệ model mới hơn như YOLO26.

Link to this sectionTóm tắt điều hành: Lựa chọn kiến trúc phù hợp#

Mặc dù cả hai model đều đại diện cho những cột mốc quan trọng trong nghiên cứu deep learning, chúng phục vụ cho các triết lý triển khai hơi khác nhau.

DAMO-YOLO vượt trội trong các môi trường nơi có thể sử dụng Neural Architecture Search (NAS) chuyên sâu để khai thác các cấu hình hiệu suất cụ thể, biến nó thành một nghiên cứu thú vị cho việc triển khai tùy chỉnh trên thiết bị biên. Ngược lại, YOLOv9 tập trung mạnh vào việc giải quyết các nút thắt thông tin trong deep learning, mang lại hiệu quả tham số cực cao.

Tuy nhiên, đối với các triển khai sẵn sàng cho sản xuất, các đội ngũ kỹ thuật luôn khuyến nghị tận dụng Ultralytics ecosystem thống nhất. Đối với các dự án mới, model YOLO26 mới nhất mang lại những điều tốt nhất của cả hai thế giới: độ chính xác hiện đại kết hợp với thiết kế end-to-end nguyên bản giúp loại bỏ nhu cầu xử lý hậu kỳ phức tạp.

Link to this sectionThông số kỹ thuật và Quyền tác giả#

Việc hiểu nguồn gốc và trọng tâm phát triển của các model này cung cấp bối cảnh cần thiết cho những thế mạnh tương ứng của chúng.

Link to this sectionDAMO-YOLO#

Được phát triển bởi các nhà nghiên cứu tại Alibaba Group, DAMO-YOLO tập trung mạnh vào việc tạo kiến trúc tự động và hợp nhất tính năng hiệu quả.

• Tác giả: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang và Xiuyu Sun
• Tổ chức: Alibaba Group
• Ngày phát hành: 23 tháng 11, 2022
• Bài báo Arxiv: DAMO-YOLO Research Paper
• GitHub chính thức: tinyvision/DAMO-YOLO Repository
• Tài liệu: DAMO-YOLO README

Tìm hiểu thêm về DAMO-YOLO

Link to this sectionYOLOv9#

Được giới thiệu như một giải pháp cho việc mất thông tin trong các mạng tích chập sâu, YOLOv9 đẩy giới hạn lý thuyết về bảo toàn gradient trong quá trình huấn luyện.

• Tác giả: Chien-Yao Wang và Hong-Yuan Mark Liao
• Tổ chức: Institute of Information Science, Academia Sinica, Taiwan
• Ngày phát hành: 21 tháng 2, 2024
• Bài báo Arxiv: YOLOv9 Research Paper
• GitHub chính thức: WongKinYiu/yolov9 Repository
• Tài liệu: YOLOv9 Ultralytics Docs

Tìm hiểu thêm về YOLOv9

Link to this sectionCải tiến kiến trúc#

Link to this sectionDAMO-YOLO: Được thúc đẩy bởi Neural Architecture Search#

DAMO-YOLO tạo sự khác biệt thông qua các thành phần được tùy chỉnh cao, do máy tạo ra. Backbone của nó được tạo bằng Neural Architecture Search (NAS), nhắm mục tiêu cụ thể vào suy luận độ trễ thấp trên nhiều phần cứng khác nhau.

Kiến trúc này có tính năng RepGFPN (Reparameterized Generalized Feature Pyramid Network) hiệu quả để hợp nhất tính năng, giúp tăng cường phát hiện vật thể đa quy mô mà không làm tăng quá mức chi phí tính toán. Hơn nữa, nó sử dụng thiết kế ZeroHead để đơn giản hóa phần đầu phát hiện (detection head) và sử dụng AlignedOTA để gán nhãn, kết hợp với quy trình nâng cao chưng cất (distillation) tinh vi trong quá trình huấn luyện. Mặc dù các kỹ thuật này mang lại suy luận nhanh, quy trình chưng cất đa giai đoạn thường đòi hỏi VRAM đáng kể và thời gian huấn luyện kéo dài.

Link to this sectionYOLOv9: Giải quyết nút thắt thông tin#

YOLOv9 giải quyết một vấn đề cơ bản trong các mạng sâu: sự mất mát dần dần thông tin dữ liệu đầu vào khi nó đi qua các lớp liên tiếp.

Để chống lại điều này, các tác giả đã giới thiệu Programmable Gradient Information (PGI), một khung giám sát phụ được thiết kế để giữ lại các chi tiết quan trọng cho các lớp sâu, tạo ra các gradient cực kỳ đáng tin cậy cho việc cập nhật trọng số. Đồng hành cùng PGI là kiến trúc GELAN (Generalized Efficient Layer Aggregation Network). GELAN tối ưu hóa hiệu quả tham số bằng cách kết hợp thế mạnh của CSPNet và ELAN, tối đa hóa luồng thông tin trong khi vẫn giảm thiểu nghiêm ngặt các Floating Point Operations (FLOPs).

Link to this sectionPhân tích hiệu năng và các chỉ số#

Khi đánh giá hiệu suất, cả hai model đều thể hiện mean Average Precision (mAP) mạnh mẽ trên các tiêu chuẩn như COCO. YOLOv9 đạt được độ chính xác tuyệt đối cao hơn trên các kích thước model tương đương, tận dụng kiến trúc PGI của nó để duy trì độ trung thực cao trên các tập dữ liệu khó.

Như đã hiển thị ở trên, YOLOv9-E đạt được độ chính xác cao nhất, trong khi các biến thể DAMO-YOLO và YOLOv9 nhỏ hơn duy trì tốc độ suy luận cạnh tranh cao thông qua TensorRT optimizations.

Link to this sectionPhương pháp huấn luyện và Hệ sinh thái#

Trong khi kiến trúc thô là quan trọng, khả năng sử dụng và hiệu quả huấn luyện được quyết định bởi hệ sinh thái của một model là tối quan trọng đối với ứng dụng thực tế.

Sự phụ thuộc của DAMO-YOLO vào chưng cất kiến thức thường đòi hỏi phải huấn luyện một model "giáo viên" cồng kềnh trước khi truyền kiến thức sang model "học sinh" mục tiêu. Cách tiếp cận nghiên cứu truyền thống này làm tăng đáng kể yêu cầu bộ nhớ và thời gian chu kỳ huấn luyện. Tương tự, repository YOLOv9 gốc đòi hỏi phải điều hướng các tệp cấu hình phức tạp có thể làm chậm quá trình phát triển linh hoạt.

Ngược lại, việc tích hợp các model vào Ultralytics Platform hoàn toàn thay đổi trải nghiệm của nhà phát triển. Gói Python của Ultralytics trừu tượng hóa mã boilerplate, cho phép các đội ngũ xử lý tăng cường dữ liệu, tinh chỉnh siêu tham số và xuất model một cách dễ dàng.

Link to this sectionCác Ứng dụng Thực tế và Trường hợp Sử dụng#

Các kiến trúc khác nhau tự nhiên vượt trội trong các ngành cụ thể dựa trên yêu cầu tài nguyên và cấu hình độ chính xác của chúng.

• DAMO-YOLO trong Edge AI: Do các backbone được tối ưu hóa bằng NAS, DAMO-YOLO thường được khám phá trong các hệ thống nhúng nơi việc tái tham số hóa phần cứng cụ thể là một nhu cầu thiết yếu nghiêm ngặt, chẳng hạn như triển khai ASIC tùy chỉnh trong kiểm soát chất lượng sản xuất cơ bản.
• YOLOv9 trong Precision Analytics: Với hiệu quả tham số cao và khả năng giữ lại gradient được thúc đẩy bởi PGI, YOLOv9 rất tuyệt vời cho các kịch bản phát hiện vật thể dày đặc, chẳng hạn như phân tích hình ảnh trên không hoặc theo dõi các vật thể nhỏ trong môi trường bán lẻ đông đúc.

Link to this sectionCác trường hợp sử dụng và Khuyến nghị#

Việc lựa chọn giữa DAMO-YOLO và YOLOv9 phụ thuộc vào yêu cầu dự án cụ thể, các hạn chế triển khai và tùy chọn hệ sinh thái của bạn.

Link to this sectionKhi nào nên chọn DAMO-YOLO#

DAMO-YOLO là một lựa chọn mạnh mẽ cho:

• Phân tích video thông lượng cao: Xử lý luồng video FPS cao trên cơ sở hạ tầng GPU NVIDIA cố định, nơi thông lượng batch-1 là chỉ số chính.
• Dây chuyền sản xuất công nghiệp: Các kịch bản với hạn chế độ trễ GPU nghiêm ngặt trên phần cứng chuyên dụng, chẳng hạn như kiểm tra chất lượng 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 tái tham số hóa hiệu quả đối với hiệu năng phát hiện.

Link to this sectionKhi nào nên chọn YOLOv9#

YOLOv9 được khuyến nghị cho:

• Nghiên cứu Nút thắt Thông tin (Information Bottleneck): Các dự án học thuật nghiên cứu về Programmable Gradient Information (PGI) và kiến trúc Generalized Efficient Layer Aggregation Network (GELAN).
• Nghiên cứu Tối ưu hóa Luồng Gradient: Nghiên cứu tập trung vào việc hiểu và giảm thiểu tình trạng mất thông tin trong các lớp mạng sâu trong quá trình huấn luyện.
• Đo lường Phát hiện Độ chính xác cao: Các kịch bản mà hiệu suất đo lường trên bộ dữ liệu COCO của YOLOv9 cần thiết làm điểm tham chiếu cho các so sánh kiến trúc.

Link to this sectionKhi nào nên chọn Ultralytics (YOLO26)#

Đối với hầu hết các dự án mới, Ultralytics YOLO26 cung cấp sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm nhà phát triển:

• 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 hậu xử lý Non-Maximum Suppression.
• Môi trường chỉ dùng CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi suy luận CPU nhanh hơn tới 43% của YOLO26 mang lại lợi thế quyết định.
• Phát hiện vật thể nhỏ: Các kịch bản đầy thách thức như hình ảnh máy bay không người lái trên không hoặc phân tích cảm biến IoT, nơi ProgLoss và STAL tăng cường đáng kể độ chính xác trên các vật thể cực nhỏ.

Link to this sectionƯu thế của Ultralytics: Tiến tới YOLO26#

Đối với người dùng đang so sánh các kiến trúc cũ, việc chuyển đổi sang hệ sinh thái Ultralytics hiện đại—cụ thể là latest YOLO26 models—mang lại một lợi thế không thể so sánh.

YOLO26 thay đổi căn bản bối cảnh triển khai thông qua Thiết kế không dùng NMS End-to-End. Bằng cách loại bỏ hoàn toàn xử lý hậu kỳ Non-Maximum Suppression (NMS), nó mang lại các kiến trúc triển khai nhanh hơn và đơn giản hơn đáng kể. Kết hợp với việc loại bỏ Distribution Focal Loss (DFL), YOLO26 cung cấp khả năng tương thích vượt trội cho các thiết bị biên và thiết bị tiêu thụ điện năng thấp.

Hơn nữa, YOLO26 tích hợp MuSGD Optimizer mang tính cách mạng, một sự kết hợp giữa Stochastic Gradient Descent và các tối ưu hóa Muon lấy cảm hứng từ những đổi mới trong huấn luyện LLM. Điều này mang lại sự hội tụ huấn luyện cực kỳ ổn định trong khi vẫn duy trì mức sử dụng bộ nhớ thấp đáng kể so với các lựa chọn thay thế nặng về Transformer.

from ultralytics import YOLO

# Load the latest NMS-free YOLO26 model
model = YOLO("yolo26n.pt")

# Train on your custom dataset efficiently
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

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

Cho dù bạn cần instance segmentation nâng cao, pose estimation độ chính xác cao hay phát hiện bounding box tiêu chuẩn, sự linh hoạt của khung làm việc Ultralytics đảm bảo rằng đội ngũ của bạn dành ít thời gian hơn để cấu hình môi trường deep learning và dành nhiều thời gian hơn để triển khai các giải pháp AI mạnh mẽ. Với các cải tiến tác vụ chuyên biệt như ProgLoss + STAL để tăng cường nhận dạng vật thể nhỏ, YOLO26 là lựa chọn hàng đầu cho thế hệ ứng dụng thị giác tiếp theo.