Bắt đầu

EfficientDet và PP-YOLOE+

Thị giác máy tính đã phát triển nhờ những bước tiến liên tục của các model phát hiện đối tượng. Hai cột mốc quan trọng là EfficientDet của Google và PP-YOLOE+ của Baidu. Cả hai kiến trúc đều cân bằng hiệu quả tính toán với độ chính xác phát hiện, nhưng tiếp cận bài toán theo những triết lý thiết kế khác biệt căn bản.

Hướng dẫn này phân tích kiến trúc, phương pháp huấn luyện và các kịch bản triển khai thực tế của chúng để giúp bạn chọn mạng neural phù hợp cho ứng dụng thị giác máy tính tiếp theo.

Đổi mới kiến trúc và triết lý thiết kế#

Hiểu rõ kiến trúc nền tảng của các model này là yếu tố then chốt để triển khai hiệu quả trong môi trường production, dù trên thiết bị biên hay máy chủ cloud.

EfficientDet: Sức mạnh của compound scaling#

Được phát triển bởi Google Research, EfficientDet đã thay đổi cách mở rộng detector bằng việc thay thế phương pháp mở rộng tùy tiện bằng kỹ thuật compound scaling có cơ sở.

Tìm hiểu thêm về EfficientDet

Cải tiến cốt lõi của EfficientDet nằm ở Mạng kim tự tháp đặc trưng hai chiều (BiFPN). Khác với FPN truyền thống chỉ cộng đặc trưng theo hướng từ trên xuống, BiFPN đưa vào các trọng số có thể học để hợp nhất đặc trưng đa tỷ lệ theo cả hai hướng từ trên xuống và từ dưới lên. Nhờ đó, mạng có thể học mức độ quan trọng của các đặc trưng đầu vào khác nhau. Kết hợp với backbone EfficientNet, EfficientDet đồng thời mở rộng độ phân giải, độ sâu và độ rộng, tạo ra một dòng model (d0 đến d7) đáp ứng nhiều mức ngân sách tính toán.

Scale EfficientDet

Khi triển khai EfficientDet, hãy cân nhắc kỹ phần cứng mục tiêu. Trong khi d0 phù hợp với thiết bị di động, scale lên d7 đòi hỏi đáng kể bộ nhớ GPU và năng lực tính toán.

PP-YOLOE+: Mở rộng giới hạn của PaddlePaddle#

Dựa trên thành công của các phiên bản tiền nhiệm, PP-YOLOE+ được nhóm PaddlePaddle tại Baidu thiết kế để mang lại độ chính xác cao, tối ưu cho triển khai máy chủ có thông lượng lớn.

Tìm hiểu thêm về PP-YOLOE+

PP-YOLOE+ có backbone CSPRepResNet, tận dụng mạng Cross Stage Partial kết hợp với kỹ thuật tái tham số hóa để tăng cường trích xuất đặc trưng mà không làm tăng độ trễ inference. ET-head (head căn chỉnh tác vụ hiệu quả) cải thiện đáng kể sự căn chỉnh giữa tác vụ phân loại và định vị. Model cũng sử dụng thiết kế không anchor kết hợp với gán nhãn động (TAL), giúp tinh gọn quy trình huấn luyện và cải thiện khả năng tổng quát hóa trên nhiều dataset.

Chỉ số hiệu năng và benchmark#

Khi chọn model cho suy luận thời gian thực, việc đánh giá sự cân bằng giữa độ chính xác trung bình (mAP) và tốc độ tính toán là tối quan trọng. Bảng dưới đây trình bày các chỉ số hiệu năng chính của cả hai họ model.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
EfficientDet-d051234.6-3.923.92.54
EfficientDet-d164040.5-7.316.66.1
EfficientDet-d276843.0-10.928.111.0
EfficientDet-d389647.5-19.5912.024.9
EfficientDet-d4102449.7-33.5520.755.2
EfficientDet-d5128051.5-67.8633.7130.0
EfficientDet-d6128052.6-89.2951.9226.0
EfficientDet-d7153653.7-128.0751.9325.0
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59

Như đã thấy, PP-YOLOE+ thường đạt mức độ chính xác cao hơn với số lượng tham số tương đương, đặc biệt ở các biến thể lớn hơn (l và x). Model được tối ưu cho thông lượng GPU, phù hợp để triển khai xử lý batch trên máy chủ. Ngược lại, các model EfficientDet nhỏ có số tham số và FLOPs rất thấp, đây có thể là lợi thế trong môi trường có dung lượng bộ nhớ cực kỳ hạn chế.

Trường hợp sử dụng lý tưởng và chiến lược triển khai#

Việc lựa chọn giữa các kiến trúc này thường phụ thuộc vào tech stack hiện có và phần cứng triển khai.

Khi nào nên chọn EfficientDet:

  • Quy trình AutoML: Nếu bạn phụ thuộc nhiều vào hệ sinh thái Google và sử dụng khả năng tìm kiếm kiến trúc tự động.
  • Thiết bị biên bị giới hạn tài nguyên: Các model cấp thấp (d0, d1) có số lượng tham số nhỏ (3.9M và 6.6M), phù hợp với thiết bị có giới hạn nghiêm ngặt về kích thước model.

Khi nào nên chọn PP-YOLOE+:

  • Máy chủ GPU cao cấp: Các kịch bản cần thông lượng tối đa trên phần cứng NVIDIA, chẳng hạn xử lý hàng trăm luồng video đồng thời để giám sát thành phố thông minh.
  • Hệ sinh thái PaddlePaddle: Nếu nhóm phát triển của bạn đã sử dụng framework deep learning của Baidu, việc tích hợp PP-YOLOE+ rất đơn giản.

Ưu thế của Ultralytics: Giới thiệu YOLO26#

Mặc dù EfficientDet và PP-YOLOE+ là những model có năng lực, các dự án hiện đại cần giải pháp kết hợp hiệu năng cao với tính dễ sử dụng. Đây là điểm khiến Ultralytics YOLO26 nổi bật như lựa chọn được khuyến nghị cho các ứng dụng thị giác máy tính hiện đại.

Ra mắt vào tháng 1 năm 2026, YOLO26 giới thiệu Thiết kế end-to-end không cần NMS tích hợp sẵn. Bằng cách tùy chọn bỏ qua bước hậu xử lý Non-Maximum Suppression (NMS) (nms=False), vốn là nút thắt kéo dài trong các model cũ, YOLO26 giúp triển khai đơn giản hơn và giảm độ biến thiên độ trễ suy luận.

YOLO26 cũng được tối ưu cho triển khai trên edge. Việc loại bỏ Distribution Focal Loss (DFL) đơn giản hóa quy trình export sang các định dạng như ONNX và TensorRT, đồng thời YOLO26n cho tốc độ suy luận trên CPU nhanh hơn tới 43% so với YOLO11n. Nhờ vậy, YOLO26 rất phù hợp với các thiết bị IoT chạy bằng pin.

Huấn luyện ổn định với MuSGD

YOLO26 tích hợp bộ tối ưu MuSGD, một phương pháp kết hợp SGD và Muon. Lấy cảm hứng từ những tiến bộ trong huấn luyện LLM, bộ tối ưu này giúp quá trình huấn luyện ổn định và hội tụ nhanh, tiết kiệm thời gian tính toán trên GPU.

Các nhà phát triển cũng được hưởng lợi từ hàm loss tiến triển và phương pháp gán nhãn có xét đến đối tượng nhỏ của YOLO26 (ProgLoss + STAL), giúp cải thiện khả năng nhận diện vật thể nhỏ—một yêu cầu quan trọng đối với ảnh chụp từ trên không và các ứng dụng nông nghiệp chính xác.

Triển khai với Ultralytics#

Thế mạnh chính của Ultralytics nằm ở hệ sinh thái hợp nhất. Khác với các model đòi hỏi script huấn luyện phức tạp, được tùy biến riêng, YOLO26 cung cấp API tinh gọn. Bạn chỉ cần vài dòng mã Python để huấn luyện model trên dataset tùy chỉnh:

from ultralytics import YOLO

# Tải model YOLO26 đã được huấn luyện trước
model = YOLO("yolo26n.pt")

# Huấn luyện model trên bộ dữ liệu COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Chạy suy luận trên ảnh mới
predictions = model("https://ultralytics.com/images/bus.jpg")

# Xuất sang định dạng ONNX để triển khai
model.export(format="onnx")

Dù cần phát hiện đối tượng tiêu chuẩn hay các tác vụ chuyên biệt như phân đoạn instance và ước lượng tư thế, YOLO26 đều hỗ trợ trực tiếp bằng các prototype đa tỷ lệ và Residual Log-Likelihood Estimation (RLE), tất cả trong cùng một framework thân thiện với người dùng.

Khám phá các model đáng chú ý khác#

Nếu đang đánh giá các kiến trúc cho yêu cầu cụ thể của doanh nghiệp, bạn cũng nên cân nhắc thế hệ trước là Ultralytics YOLO11, một model mạnh mẽ đã được kiểm chứng trong môi trường production. Với các ứng dụng cần kiến trúc dựa trên Transformer, RT-DETR là một lựa chọn thay thế đáng chú ý, dù khi huấn luyện, model này thường đòi hỏi nhiều bộ nhớ CUDA hơn các biến thể YOLO hiệu quả hơn.

Tóm lại, EfficientDet cung cấp phương pháp scale có cơ sở chặt chẽ và PP-YOLOE+ mang lại thông lượng GPU xuất sắc trong framework riêng, nhưng Ultralytics YOLO26 là giải pháp cân bằng, linh hoạt và thân thiện với nhà phát triển nhất hiện nay. Kiến trúc đầu-cuối nguyên bản cùng khả năng tích hợp rộng rãi khiến YOLO26 trở thành nền tảng được khuyến nghị cho AI thị giác thế hệ tiếp theo.

Người đóng góp

Bình luận

Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.