PP-YOLOE+ so với YOLOv7: So sánh kỹ thuật để phát hiện đối tượng
Việc lựa chọn mô hình phát hiện đối tượng phù hợp là rất quan trọng đối với các tác vụ thị giác máy tính. Trang này cung cấp so sánh kỹ thuật chi tiết giữa PP-YOLOE+ và YOLOv7 , hai mô hình tiên tiến, để giúp bạn đưa ra quyết định sáng suốt. Chúng ta sẽ khám phá thiết kế kiến trúc, chuẩn hiệu suất và ứng dụng lý tưởng của chúng.
YOLOv7: Tối ưu hóa cho tốc độ và hiệu quả
YOLOv7 , từ YOLO family, nổi tiếng vì tập trung vào phát hiện đối tượng theo thời gian thực trong khi vẫn duy trì hiệu quả cao. Nó được phát triển bởi Chien-Yao Wang, Alexey Bochkovskiy và Hong-Yuan Mark Liao từ Viện Khoa học Thông tin, Academia Sinica, Đài Loan và được phát hành vào ngày 2022-07-06.
- Kiến trúc : YOLOv7 sử dụng Mạng tổng hợp lớp hiệu quả mở rộng (E-ELAN) trong xương sống của nó để tăng cường khả năng học mạng. Nó cũng kết hợp tham số hóa lại mô hình và đào tạo hướng dẫn từ thô đến tinh để cải thiện độ chính xác mà không ảnh hưởng đáng kể đến tốc độ suy luận.
- Hiệu suất: YOLOv7 đạt được sự cân bằng tuyệt vời giữa tốc độ và độ chính xác. Các mô hình như
YOLOv7lVàYOLOv7xthể hiện các giá trị mAP cao với tốc độ suy luận nhanh, đặc biệt khi được tối ưu hóa với TensorRT . - Các trường hợp sử dụng : Tốc độ của YOLOv7 làm cho nó phù hợp với các ứng dụng thời gian thực như hệ thống báo động an ninh , ước tính tốc độ và hệ thống rô-bốt , nơi độ trễ thấp là rất quan trọng. Hiệu quả của nó cũng cho phép triển khai trên các thiết bị biên như NVIDIA Jetson.
PP-YOLOE+: Không cần neo và đa năng
PP-YOLOE+ , được phát triển bởi PaddlePaddle Các tác giả tại Baidu và phát hành vào ngày 2022-04-02, là một mô hình phát hiện đối tượng không có neo từ PaddleDetection. Nó nhấn mạnh vào sự đơn giản và hiệu suất mạnh mẽ.
- Kiến trúc : PP-YOLOE+ áp dụng phương pháp không neo, đơn giản hóa thiết kế mô hình và giảm điều chỉnh siêu tham số. Nó có đầu tách rời và VariFocal Loss để cải thiện khả năng phân loại và định vị. PP-YOLOE+ được xây dựng dựa trên mô hình PP-YOLOE cơ bản với các cải tiến ở xương sống, cổ và đầu để có độ chính xác và hiệu quả tốt hơn.
- Hiệu suất : Các mô hình PP-YOLOE+ đạt được sự cân bằng tốt giữa độ chính xác và tốc độ. Nhiều kích cỡ khác nhau (t, s, m, l, x) cung cấp điểm mAP cạnh tranh và nhanh chóng TensorRT thời gian suy luận, giúp chúng có thể thích ứng với các nhu cầu khác nhau.
- Trường hợp sử dụng : Thiết kế không neo và hiệu suất cân bằng của PP-YOLOE+ giúp sản phẩm linh hoạt cho các ứng dụng như kiểm tra chất lượng công nghiệp , hiệu quả tái chế và các tình huống yêu cầu phát hiện mạnh mẽ và chính xác mà không ảnh hưởng đến tốc độ. Hiệu quả của sản phẩm cho phép triển khai trên nhiều nền tảng phần cứng khác nhau.
Tài liệu PP-YOLOE+ (PaddleDetection)
Bảng so sánh mô hình
| Người mẫu | kích cỡ (điểm ảnh) |
giá trị mAP 50-95 |
Tốc độ CPU ONNX (bệnh đa xơ cứng) |
Tốc độ T4 TensorRT10 (bệnh đa xơ cứng) |
tham số (Nam) |
Thất bại (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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Phần kết luận
Cả YOLOv7 và PP-YOLOE+ đều là các mô hình phát hiện đối tượng mạnh mẽ với những ưu điểm riêng biệt. YOLOv7 vượt trội về tốc độ và hiệu quả, khiến nó trở nên lý tưởng cho các ứng dụng thời gian thực và ứng dụng biên. PP-YOLOE+, với thiết kế không có neo và hiệu suất cân bằng, cung cấp giải pháp linh hoạt và đơn giản hơn cho nhiều trường hợp sử dụng.
Đối với những người tìm kiếm các lựa chọn khác, Ultralytics cung cấp một loạt các YOLO các mô hình, bao gồm YOLOv8 , YOLOv9 , YOLO10 , YOLO11 và RT-DETR , mỗi mô hình được tối ưu hóa cho các đặc điểm hiệu suất và nhu cầu ứng dụng khác nhau. Khám phá các mô hình này để tìm mô hình phù hợp nhất cho dự án thị giác máy tính cụ thể của bạn và tận dụng Ultralytics HUB để hợp lý hóa quy trình đào tạo và triển khai mô hình của bạn.
