PP-YOLOE+ và YOLOv10
Thị giác máy tính liên tục phát triển với các model mới cải thiện khả năng phát hiện đối tượng thời gian thực. Phần so sánh kỹ thuật này phân tích PP-YOLOE+ và YOLOv10, hai kiến trúc có năng lực được thiết kế cho các hệ sinh thái khác nhau. Bài viết cũng giải thích cách lĩnh vực này đang chuyển dịch sang các công cụ thống nhất, dễ sử dụng như Ultralytics Platform và model YOLO26.
Giới thiệu các model#
Để chọn nền tảng phù hợp cho dự án thị giác máy tính, bạn cần hiểu rõ sự đánh đổi trong kiến trúc, các ràng buộc triển khai và mức độ hỗ trợ của hệ sinh thái đối với từng model.
Tổng quan về PP-YOLOE+#
Được các tác giả PaddlePaddle tại Baidu phát triển, PP-YOLOE+ là bước tiến tiếp theo so với các phiên bản trước trong hệ sinh thái PaddleDetection.
- Tác giả: Nhóm tác giả PaddlePaddle
- Tổ chức: Baidu
- Ngày: 2022-04-02
- arXiv: https://arxiv.org/abs/2203.16250
- GitHub: Kho lưu trữ PaddleDetection
- Tài liệu: Tài liệu chính thức của PP-YOLOE+
Ưu điểm: PP-YOLOE+ phát huy hiệu quả trong môi trường tích hợp sâu với framework PaddlePaddle. Model sử dụng backbone CSPRepResNet và chiến lược gán nhãn căn chỉnh theo tác vụ (TAL) để đạt mean Average Precision (mAP) cao. Model được tối ưu để triển khai trên GPU cấp server thường dùng trong các ứng dụng công nghiệp.
Nhược điểm: Hạn chế chính của PP-YOLOE+ là phụ thuộc nhiều vào hệ sinh thái PaddlePaddle, vốn có thể kém trực quan hơn với nhà phát triển đã quen dùng PyTorch. Model cũng cần Non-Maximum Suppression (NMS) truyền thống để hậu xử lý, làm tăng độ trễ và độ phức tạp triển khai.
Tổng quan về YOLOv10#
Do các nhà nghiên cứu tại Đại học Thanh Hoa phát hành, YOLOv10 tạo ra thay đổi kiến trúc đáng kể bằng cách loại bỏ NMS khỏi pipeline inference.
- 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
- Tài liệu: Tài liệu YOLOv10
Ưu điểm: Tính năng nổi bật của YOLOv10 là cơ chế gán nhãn kép nhất quán để huấn luyện không cần NMS. Điều này có nghĩa là model dự đoán bounding box nguyên bản mà không cần bước lọc thứ cấp, giúp triển khai model đơn giản hơn nhiều và chạy nhanh hơn trên thiết bị edge. Model đạt được sự cân bằng tốt giữa số lượng tham số thấp và độ chính xác cao.
Nhược điểm: Dù rất hiệu quả với tác vụ phát hiện đối tượng 2D tiêu chuẩn, YOLOv10 không hỗ trợ nguyên bản các tác vụ thị giác máy tính quan trọng khác như phân đoạn instance và ước tính tư thế, làm hạn chế tính linh hoạt trong các pipeline đa tác vụ phức tạp.
So sánh hiệu năng và chỉ số#
Hiểu rõ hiệu năng của các model này trong những benchmark tiêu chuẩn là yếu tố quan trọng để lựa chọn kiến trúc phù hợp. Bảng dưới đây so sánh kích thước, độ chính xác và độ trễ của chúng.
| Model | kích thước (pixel) | mAPval50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
| 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 |
Phân tích kỹ thuật#
Khi phân tích dữ liệu, có thể nhận thấy một số xu hướng chính. Các model YOLOv10 nano và small hướng đến hiệu quả trên edge; YOLOv10n chỉ sử dụng 2.3 triệu tham số và 6.7B FLOPs. Thiết kế nhẹ này, kết hợp với kiến trúc không cần NMS, giúp giảm đáng kể độ trễ trên các nền tảng sử dụng TensorRT và OpenVINO.
Ngược lại, PP-YOLOE+ thể hiện năng lực vượt trội ở các nhóm model có trọng số lớn hơn; biến thể X-large nhỉnh hơn YOLOv10x một chút về mAP (54.7% so với 54.4%). Tuy nhiên, điều này đánh đổi bằng số lượng tham số cao hơn gấp ba lần (98.42M so với 29.5M), khiến YOLOv10x trở thành model hiệu quả hơn đáng kể trong môi trường hạn chế bộ nhớ.
Lợi thế của hệ sinh thái Ultralytics#
Dù PP-YOLOE+ và YOLOv10 đều có những thành tựu kỹ thuật đáng chú ý, kỹ thuật ML hiện đại đòi hỏi nhiều hơn một kiến trúc đơn thuần; điều cần thiết là một hệ sinh thái được duy trì tốt.
Ultralytics cung cấp package Python giúp đơn giản hóa đáng kể thu thập và gán nhãn dữ liệu, huấn luyện và triển khai. So với framework nghiên cứu cồng kềnh hoặc model Transformer cũ, kiến trúc Ultralytics chỉ cần một phần nhỏ bộ nhớ CUDA trong quá trình huấn luyện, cho phép tăng batch size và lặp nhanh hơn. Package Ultralytics cũng rất linh hoạt, hỗ trợ sẵn phân loại ảnh, OBB (Oriented Bounding Box) và theo dõi đối tượng mạnh mẽ.
Ra mắt YOLO26: Thế hệ tiếp theo#
Ra mắt vào tháng 1 năm 2026, Ultralytics YOLO26 kết hợp những điểm mạnh nhất từ các model như YOLOv10, đồng thời khắc phục các hạn chế của chúng.
Những cải tiến chính của YOLO26:
- Thiết kế đầu-cuối không cần NMS: Dựa trên phương pháp huấn luyện không cần NMS mà YOLOv10 đã giới thiệu cho các model YOLO, YOLO26 cung cấp head đầu-cuối tùy chọn (
nms=False), loại bỏ bước hậu xử lý NMS để triển khai nhanh và đơn giản hơn trên nhiều loại phần cứng. - Loại bỏ DFL: Bằng cách loại bỏ Distribution Focal Loss (DFL), kiến trúc model trở nên đơn giản hơn khi export, cải thiện khả năng tương thích với thiết bị AI edge công suất thấp.
- Optimizer MuSGD: Lấy cảm hứng từ kỹ thuật huấn luyện mô hình ngôn ngữ lớn (chẳng hạn Kimi K2 của Moonshot AI), YOLO26 sử dụng phương pháp kết hợp SGD và Muon. Phương pháp này mang lại quá trình huấn luyện ổn định và hội tụ nhanh hơn đáng kể.
- Inference CPU nhanh hơn đến 43%: Được tối ưu cho các tình huống thực tế, YOLO26n nhanh hơn YOLO11n đến 43% trong các ứng dụng dựa vào khả năng tính toán của CPU, phù hợp với giám sát thông minh và triển khai trên thiết bị di động.
- ProgLoss + STAL: Hàm loss tiến triển và chiến lược gán nhãn nhận biết đối tượng nhỏ cải thiện đáng kể khả năng nhận diện đối tượng nhỏ, yếu tố then chốt đối với ảnh chụp từ trên không và robotics.
- Cải tiến theo tác vụ: Khác với YOLOv10, YOLO26 hỗ trợ sẵn proto đa tỷ lệ cho segmentation và Residual Log-Likelihood Estimation (RLE) cho ước tính tư thế.
Triển khai thực tế#
Model Ultralytics được thiết kế để bắt đầu sử dụng thật đơn giản. Chỉ với vài dòng code, bạn có thể bắt đầu chạy huấn luyện bằng các pipeline tăng cường dữ liệu hiện đại.
from ultralytics import YOLO
# Tải model YOLO26 được khuyến nghị cao
model = YOLO("yolo26n.pt")
# Huấn luyện model trên bộ dữ liệu COCO8
# Mức sử dụng bộ nhớ được tối ưu hóa đáng kể so với các kiến trúc Transformer
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)
# Chạy inference đầu cuối không cần NMS
inference_results = model("https://ultralytics.com/images/bus.jpg", nms=False)
# Xuất trực tiếp sang ONNX hoặc TensorRT để triển khai
model.export(format="onnx", simplify=True)Trường hợp sử dụng và khuyến nghị#
Việc chọn PP-YOLOE+ hay YOLOv10 phụ thuộc vào yêu cầu cụ thể của dự án, các giới hạn triển khai và lựa chọn hệ sinh thái.
Khi nào nên chọn PP-YOLOE+#
PP-YOLOE+ là lựa chọn phù hợp trong các trường hợp:
- Tích hợp hệ sinh thái PaddlePaddle: Các tổ chức có hạ tầng hiện hữu được xây dựng trên framework và bộ công cụ PaddlePaddle của Baidu.
- Triển khai biên bằng Paddle Lite: Triển khai lên phần cứng có kernel suy luận được tối ưu hóa cao, dành riêng cho Paddle Lite hoặc inference engine Paddle.
- Phát hiện độ chính xác cao phía máy chủ: Các kịch bản ưu tiên độ chính xác phát hiện tối đa trên máy chủ GPU mạnh, nơi sự phụ thuộc vào framework không phải vấn đề đáng lo ngại.
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 lại sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm developer:
- 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 khả năng tăng tốc GPU chuyên dụng, nơi tốc độ suy luận CPU nhanh hơn tới 43% của YOLO26 (YOLO26n so với YOLO11n) mang lại 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.
Kết luận#
PP-YOLOE+ vẫn là lựa chọn đáng tin cậy cho các nhóm gắn bó với hệ sinh thái Baidu và môi trường máy chủ công nghiệp. YOLOv10 là một cột mốc học thuật quan trọng, chứng minh tính khả thi của phát hiện thời gian thực không cần NMS.
Tuy nhiên, với các nhà phát triển đang tìm kiếm sự kết hợp tối ưu giữa độ chính xác, tốc độ suy luận nhanh và khả năng đa nhiệm, Ultralytics YOLO26 là lựa chọn được khuyến nghị. Những cải tiến về hiệu quả huấn luyện và triển khai ưu tiên edge giúp model này trở thành giải pháp mạnh mẽ, linh hoạt cho thị giác máy tính cấp sản xuất.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.