EfficientDet và YOLOv10
Trong computer vision, việc lựa chọn kiến trúc phát hiện đối tượng phù hợp đóng vai trò thiết yếu để cân bằng độ chính xác, độ trễ và hiệu quả tính toán. Hướng dẫn kỹ thuật này so sánh hai model có tầm ảnh hưởng: EfficientDet của Google và YOLOv10 của Đại học Thanh Hoa. Cả hai đều đánh dấu bước tiến đáng kể trong phát hiện đối tượng, nhưng tiếp cận thiết kế kiến trúc và tối ưu hóa model theo những hướng rất khác nhau.
Hướng dẫn này trình bày các kiến trúc cốt lõi, đánh giá benchmark hiệu năng trên các dataset tiêu chuẩn như COCO và thảo luận cách tích hợp các model vào pipeline machine learning hiện đại, bao gồm hệ sinh thái Ultralytics.
EfficientDet: Tiên phong trong compound scaling#
Ra mắt vào cuối năm 2019, EfficientDet thiết lập benchmark mới về khả năng phát hiện đối tượng chính xác và có thể mở rộng nhờ giới thiệu phương pháp có cơ sở để scaling các chiều của mạng.
Các cải tiến và kiến trúc then chốt#
- Tác giả: Mingxing Tan, Ruoming Pang và Quoc V. Le
- Tổ chức: Google Brain
- Ngày: 2019-11-20
- arXiv: https://arxiv.org/abs/1911.09070
- GitHub: Repository EfficientDet
EfficientDet được xây dựng trên backbone EfficientNet và sử dụng Mạng kim tự tháp đặc trưng hai chiều (BiFPN) mới. Không giống Mạng kim tự tháp đặc trưng (FPN) truyền thống, vốn cộng các đặc trưng mà không phân biệt tầm quan trọng, BiFPN dùng trọng số có thể học để hợp nhất đặc trưng đa tỷ lệ. Nhờ vậy, mạng có thể học hiệu quả những đặc trưng ở độ phân giải nào đóng góp nhiều nhất cho dự đoán cuối cùng. EfficientDet cũng dùng phương pháp compound scaling để đồng thời thay đổi đồng đều độ phân giải, độ sâu và độ rộng của backbone, mạng đặc trưng cũng như các mạng dự đoán box/class.
EfficientDet vẫn là lựa chọn vững chắc cho các hệ thống cũ tích hợp sâu với pipeline TensorFlow đời trước, nhưng đòi hỏi đáng kể bộ nhớ khi huấn luyện và phụ thuộc vào hệ sinh thái cũ, vốn có thể cồng kềnh hơn các framework hiện đại, linh hoạt.
YOLOv10: Đột phá không dùng NMS#
Ra mắt vào giữa năm 2024, YOLOv10 đã thay đổi lĩnh vực phát hiện đối tượng thời gian thực bằng cách loại bỏ nhu cầu dùng Non-Maximum Suppression (NMS) trong hậu xử lý, giúp giảm đáng kể độ trễ suy luận.
Các cải tiến và kiến trúc then chốt#
- Tác giả: Ao Wang, Hui Chen, Lihao Liu và cộng sự
- Tổ chức: Đại học Thanh Hoa
- Ngày: 2024-05-23
- arXiv: https://arxiv.org/abs/2405.14458
- GitHub: Kho lưu trữ YOLOv10
YOLOv10 giới thiệu chiến lược gán nhãn kép nhất quán để huấn luyện không cần NMS. Bằng cách sử dụng cả phương pháp gán nhãn one-to-many và one-to-one trong quá trình huấn luyện, mạng học cách tạo ra các hộp giới hạn khớp duy nhất mà không cần NMS để lọc các kết quả trùng lặp. Thiết kế model toàn diện, hướng đến hiệu quả và độ chính xác này giảm dư thừa tính toán, khiến YOLOv10 trở thành lựa chọn phù hợp cho điện toán biên và các ứng dụng truyền video độ trễ thấp. Model cũng tích hợp vào hệ sinh thái Ultralytics, cung cấp cho developer Python API dễ sử dụng.
Nhờ loại bỏ bước NMS, YOLOv10 giữ tốc độ suy luận ổn định bất kể số lượng đối tượng được phát hiện trong cảnh, loại bỏ các đợt tăng đột biến độ trễ thường thấy trong các ứng dụng computer vision có cảnh đông đúc.
So sánh hiệu năng: Độ chính xác, tốc độ và hiệu quả#
Khi triển khai model trong môi trường thực tế, nhà phát triển cần cân nhắc Độ chính xác trung bình (mAP) cùng số lượng tham số và phép toán tính toán (FLOPs). Bảng dưới đây trình bày chi tiết các chỉ số này ở những biến thể tỷ lệ của cả hai model.
| Model | kích thước (pixel) | mAPval50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
Lưu ý: Biến thể YOLOv10n cần ít tham số hơn (2.3M) và đạt tốc độ TensorRT nhanh hơn nhiều (1.84ms) so với các biến thể EfficientDet nhỏ nhất, nhờ đó phù hợp hơn đáng kể cho suy luận thời gian thực trong môi trường production.
Vì sao nên chọn Ultralytics để triển khai model?#
Cả hai model đều có ý nghĩa về mặt lịch sử và cấu trúc, nhưng việc tích hợp chúng vào pipeline hiện đại có thể là một thách thức. Ultralytics Platform hỗ trợ giải quyết vấn đề này. Với hệ sinh thái thống nhất, Ultralytics đơn giản hóa toàn bộ vòng đời, từ gán nhãn dữ liệu đến triển khai.
- Tính dễ sử dụng: Gói Ultralytics Python cung cấp một giao diện duy nhất cho huấn luyện model, validation và export, thay thế hàng trăm dòng code mẫu rườm rà bằng các lệnh ngắn gọn.
- Hệ sinh thái và tính linh hoạt: EfficientDet chuyên về phát hiện đối tượng, còn các model Ultralytics YOLO hỗ trợ thêm phân đoạn instance, phân loại, ước lượng tư thế và hộp giới hạn định hướng (OBB).
- Hiệu quả huấn luyện: Nhờ các kỹ thuật như batching tự động và huấn luyện phân tán, các model Ultralytics huấn luyện nhanh hơn và tiêu thụ ít bộ nhớ CUDA hơn nhiều so với Transformer cồng kềnh hoặc kiến trúc TensorFlow đa nhánh cũ.
Ví dụ code: Huấn luyện YOLOv10#
Việc triển khai YOLOv10 với Ultralytics rất đơn giản. Đoạn code sau minh họa cách khởi tạo, huấn luyện và đánh giá mạng YOLOv10 hoàn toàn thông qua Python API.
from ultralytics import YOLO
# Tải model YOLOv10 đã huấn luyện trước (biến thể nano cho tốc độ trên thiết bị biên)
model = YOLO("yolov10n.pt")
# Huấn luyện model trên bộ dữ liệu COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, batch=16)
# Đánh giá model trên tập validation
metrics = model.val()
# Xuất model sang ONNX để triển khai trong môi trường production
model.export(format="onnx")Trường hợp sử dụng và khuyến nghị#
Việc chọn EfficientDet hay YOLOv10 tùy thuộc vào yêu cầu cụ thể của dự án, các giới hạn triển khai và hệ sinh thái bạn ưu tiên.
Khi nào nên chọn EfficientDet#
EfficientDet là lựa chọn phù hợp nếu:
- Pipeline Google Cloud và TPU: Các hệ thống dựa trên TensorFlow chạy trên hạ tầng TPU của Google Cloud, nơi bản triển khai tham chiếu của EfficientDet hỗ trợ huấn luyện trên TPU.
- Nghiên cứu mở rộng theo hệ số: Benchmark học thuật tập trung nghiên cứu tác động của việc mở rộng cân bằng độ sâu, chiều rộng và độ phân giải của mạng.
- Triển khai di động qua LiteRT: Các dự án yêu cầu cụ thể việc xuất sang LiteRT (trước đây là TensorFlow Lite) cho Android hoặc thiết bị Linux nhúng.
Khi nào nên chọn YOLOv10#
YOLOv10 được khuyến nghị cho:
- Phát hiện thời gian thực không cần NMS: Các ứng dụng hưởng lợi từ khả năng phát hiện end-to-end không cần Non-Maximum Suppression, giúp giảm độ phức tạp khi triển khai.
- Cân bằng giữa tốc độ và độ chính xác: Các dự án cần sự cân bằng tốt giữa tốc độ inference và độ chính xác phát hiện trên nhiều quy mô model.
- Ứng dụng cần độ trễ ổn định: Các tình huống triển khai yêu cầu thời gian inference có thể dự đoán, chẳng hạn như robotics hoặc hệ thống tự hành.
Khi nào nên chọn Ultralytics (YOLO26)#
Với hầu hết dự án mới, Ultralytics YOLO26 mang đến sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm dành cho nhà phát triển:
- Triển khai trên thiết bị biên không cần NMS: Các ứng dụng cần inference có độ trễ thấp và ổn định mà không phải xử lý hậu kỳ Non-Maximum Suppression phức tạp.
- Môi trường chỉ có CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi khả năng inference CPU nhanh hơn YOLO11n đến 43% của YOLO26n tạo ra lợi thế rõ rệt.
- Phát hiện vật thể nhỏ: Các tình huống khó 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 khi phát hiện vật thể rất nhỏ.
Tương lai đã đến: Ultralytics YOLO26 ra mắt#
Dù YOLOv10 giới thiệu thiết kế YOLO không cần NMS, công nghệ này đã tiếp tục phát triển. Ra mắt vào tháng 1 năm 2026, Ultralytics YOLO26 hiện là model Ultralytics được khuyến nghị cho AI thị giác. Model kết hợp thế mạnh của các kiến trúc trước đây, như khả năng đa nhiệm của YOLO11 và khả năng phát hiện end-to-end của RT-DETR, trong một dòng model được tối ưu hóa.
Nếu bắt đầu một dự án mới, hãy chọn YOLO26. Model mang đến sự linh hoạt và dễ sử dụng thông qua Ultralytics Platform.
Các cải tiến chính trong YOLO26:
- Thiết kế end-to-end không cần NMS: Phát triển từ nền tảng YOLOv10, YOLO26 cung cấp đầu end-to-end one-to-one tùy chọn (
nms=False), bỏ qua NMS và giảm thiểu logic triển khai. - Suy luận CPU nhanh hơn tới 43%: Việc loại bỏ Distribution Focal Loss (DFL) giúp YOLO26 giảm đáng kể overhead tính toán; YOLO26n chạy trên CPU nhanh hơn YOLO11n tới 43%, phù hợp với thiết bị AI biên.
- Optimizer MuSGD: YOLO26 kế thừa các kỹ thuật từ huấn luyện Mô hình Ngôn ngữ Lớn (LLM). Bằng cách kết hợp độ ổn định của SGD với tốc độ của Muon, model hội tụ nhanh hơn và đáng tin cậy hơn.
- ProgLoss + STAL: Progressive Loss và phương pháp gán nhãn nhận biết đối tượng nhỏ giải quyết những vấn đề tồn tại lâu nay trong phát hiện đối tượng nhỏ, lĩnh vực mà EfficientDet thường gặp khó khăn.
Kết luận: Chọn model phù hợp với trường hợp sử dụng#
Cuối cùng, việc chọn mạng nào tùy thuộc vào các giới hạn triển khai của bạn:
- EfficientDet vẫn là chủ đề được giới học thuật quan tâm trong nghiên cứu compound scaling và phù hợp với các nhà nghiên cứu duy trì hệ thống TensorFlow hiện có, trong đó kích thước model trên ổ đĩa quan trọng hơn tốc độ chạy.
- YOLOv10 phù hợp với các ứng dụng đòi hỏi độ trễ cực thấp, chẳng hạn như theo dõi nhiều đối tượng tốc độ cao và giám sát giao thông, nhờ kiến trúc không cần NMS.
- Tuy nhiên, YOLO26 là lựa chọn được khuyến nghị hàng đầu cho các dự án computer vision hiện đại, mang lại sự cân bằng hiệu năng tốt giữa độ chính xác, dung lượng bộ nhớ thấp và tính linh hoạt đa nhiệm, với sự hỗ trợ của hệ sinh thái Ultralytics mạnh mẽ.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.