Bắt đầu

RTDETRv2 so với YOLO26

Các model phát hiện vật thể thời gian thực được đánh giá dựa trên tốc độ, độ chính xác và hiệu quả triển khai. Trang này so sánh hai phương pháp hiện nay: RTDETRv2 dựa trên Transformer và Ultralytics YOLO26, một mạng neural tích chập (CNN) được thiết kế cho triển khai biên. Nội dung đề cập đến kiến trúc, metric hiệu năng và các trường hợp sử dụng phù hợp, giúp bạn chọn model cho dự án thị giác máy tính tiếp theo.

RTDETRv2: Transformer phát hiện thời gian thực#

RTDETRv2 phát triển dựa trên kiến trúc RT-DETR ban đầu, kết hợp khả năng nhận biết ngữ cảnh toàn cục của vision Transformer với tốc độ cần thiết cho các ứng dụng thời gian thực.

Đặc điểm chính:

  • Tác giả: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang và Yi Liu
  • Tổ chức: Baidu
  • Ngày: 2024-07-24
  • Liên kết: arXiv, GitHub, Tài liệu

Kiến trúc và ưu điểm#

Không giống các detector dựa trên anchor truyền thống, RTDETRv2 sử dụng phương pháp dựa trên Transformer, loại bỏ nhu cầu Non-Maximum Suppression (NMS) trong quá trình hậu xử lý. Cơ chế attention giúp model xử lý cảnh phức tạp và các vật thể chồng lấn. Những cải tiến huấn luyện "Bag-of-Freebies" nâng cao độ chính xác trên dataset COCO trong khi vẫn duy trì tốc độ suy luận thực tế trên GPU cao cấp.

Hạn chế#

RTDETRv2 đạt kết quả benchmark tốt, nhưng có thể khó vận hành trong production. Kiến trúc Transformer thường sử dụng nhiều bộ nhớ hơn CNN trong quá trình huấn luyện và suy luận, khiến việc triển khai trên thiết bị AI biên có tài nguyên hạn chế trở nên khó khăn. Huấn luyện Transformer cũng thường đòi hỏi batch size lớn hơn và nhiều bộ nhớ CUDA hơn, có thể trở thành nút thắt trên phần cứng hạn chế.

Tìm hiểu thêm về RTDETRv2

YOLO26: AI thị giác ưu tiên thiết bị biên#

Ra mắt vào tháng 1 năm 2026, Ultralytics YOLO26 là model YOLO mới nhất của Ultralytics và là lựa chọn được khuyến nghị cho dự án mới. Thiết kế của model hướng đến triển khai production đơn giản và suy luận hiệu quả trên phần cứng biên.

Đặc điểm chính:

Các cải tiến kiến trúc#

YOLO26 giới thiệu một số thay đổi nhằm giải quyết các vấn đề phổ biến trong triển khai model:

  • 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 hỗ trợ suy luận đầu-cuối nguyên bản. Head một-một tùy chọn (nms=False) bỏ qua bước hậu xử lý NMS, giúp giảm biến thiên độ trễ và khiến thời gian suy luận trong production dễ dự đoán hơn.
  • Suy luận CPU nhanh hơn đến 43%: Các cải tiến kiến trúc và việc loại bỏ Hàm tiêu điểm phân phối (DFL) giúp YOLO26n nhanh hơn đến 43% trên CPU so với YOLO11n, phù hợp với các thiết bị điện toán biên không có GPU chuyên dụng.
  • Bộ tối ưu MuSGD: Lấy cảm hứng từ các kỹ thuật huấn luyện mô hình ngôn ngữ lớn (LLM), chẳng hạn như Kimi K2 của Moonshot AI, YOLO26 sử dụng bộ tối ưu MuSGD, kết hợp SGD và Muon, để huấn luyện ổn định hơn và hội tụ nhanh hơn.
  • ProgLoss + STAL: Hàm mất mát lũy tiến và Gán nhãn nhận biết đối tượng nhỏ (STAL) cải thiện khả năng nhận diện vật thể nhỏ, điều quan trọng đối với các ứng dụng liên quan đến ảnh chụp từ trên không và giám sát bằng drone.
Các cải tiến theo tác vụ trong YOLO26

Ngoài phát hiện tiêu chuẩn, YOLO26 còn có các cải tiến chuyên biệt theo tác vụ: hàm mất mát phân đoạn ngữ nghĩa và module proto đa tỷ lệ dành cho tác vụ phân đoạn, Ước lượng hợp lý log dư (RLE) cho ước lượng tư thế, và hàm mất mát góc chuyên biệt để xử lý vấn đề ở ranh giới trong phát hiện Hộp giới hạn định hướng (OBB).

So sánh hiệu năng#

Bảng dưới đây so sánh độ chính xác (mAP) và hiệu quả tính toán trên tập validation COCO. Ở mỗi kích thước tương đương, YOLO26 đạt mAP cao hơn RTDETRv2 và có độ trễ TensorRT thấp hơn.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4

YOLO26x đạt 57.5 mAP, cao hơn RTDETRv2-x 3.2 điểm, với ít tham số hơn (55.7M so với 76M) và suy luận TensorRT nhanh hơn (11.8 ms so với 15.03 ms). YOLO26 cũng thường sử dụng ít bộ nhớ hơn, nhờ đó phù hợp hơn với các triển khai biên thời gian thực.

Hệ sinh thái và tính dễ sử dụng#

Ngoài hiệu năng thuần túy, hệ sinh thái hỗ trợ quyết định tốc độ chuyển một model từ nghiên cứu sang production. Nền tảng Ultralytics tích hợp gán nhãn dataset, huấn luyện và triển khai các model Ultralytics tại một nơi.

Hệ sinh thái thống nhất, được duy trì tốt#

RTDETRv2 chủ yếu là một repository nghiên cứu, có thể đòi hỏi thiết lập môi trường phức tạp và viết script thủ công cho các tác vụ tùy chỉnh. Ultralytics YOLO26 được cung cấp trong một package Python trưởng thành, được kiểm thử kỹ lưỡng, với API đơn giản để huấn luyện, validation, dự đoán và export.

Tích hợp sẵn Weights & Biases và Comet giúp theo dõi thử nghiệm ngay trong framework. Trong khi RTDETRv2 tập trung vào phát hiện vật thể, YOLO26 còn hỗ trợ phân đoạn instance, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại ảnh, ước lượng tư thế và phát hiện OBB trong cùng một framework.

Ví dụ mã: Đơn giản trong thực tế#

Python API của Ultralytics tải model, chạy suy luận và export model chỉ với vài dòng code; cùng một package hỗ trợ cả RT-DETR và YOLO26.

from ultralytics import RTDETR, YOLO

# Tải model RT-DETR
model_rtdetr = RTDETR("rtdetr-l.pt")

# Nạp model YOLO26
model_yolo = YOLO("yolo26n.pt")

# Chạy suy luận trên một ảnh
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")

# Hiển thị kết quả YOLO26
results_yolo[0].show()

# Export YOLO26 sang định dạng ONNX
model_yolo.export(format="onnx")

Trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa RT-DETR và YOLO26 phụ thuộc vào các yêu cầu cụ thể của dự án, giới hạn triển khai và lựa chọn hệ sinh thái của bạn.

Khi nào nên chọn RT-DETR#

RT-DETR là lựa chọn phù hợp cho:

  • Nghiên cứu phát hiện dựa trên Transformer: Các dự án nghiên cứu cơ chế attention và kiến trúc Transformer để phát hiện vật thể đầu cuối mà không cần NMS.
  • Tình huống cần độ chính xác cao với độ trễ linh hoạt: Các ứng dụng đặt độ chính xác phát hiện lên hàng đầu và chấp nhận độ trễ suy luận cao hơn đôi chút.
  • Phát hiện vật thể lớn: Các cảnh chủ yếu có vật thể cỡ trung bình đến lớn, trong đó cơ chế attention toàn cục của Transformer mang lại lợi thế tự nhiên.

Khi nào nên chọn YOLO26#

YOLO26 được khuyến nghị cho:

  • 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 tốc độ inference CPU nhanh hơn tới 43% của YOLO26 (YOLO26n so với YOLO11n) mang lại lợi thế đáng kể.
  • 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 độ chính xác khi phát hiện vật thể nhỏ.

Khám phá các kiến trúc khác#

YOLO26 là lựa chọn được khuyến nghị để bắt đầu, nhưng các model đời trước vẫn hữu ích. YOLO11 vẫn được hỗ trợ đầy đủ và phù hợp với các hệ thống hiện có được xây dựng dựa trên model này; xem so sánh RT-DETR và YOLO11 để biết chi tiết. Với các kiến trúc cũ hơn, so sánh EfficientDet và YOLO26 cho thấy các kiến trúc phát hiện vật thể đã tiến bộ đến mức nào.

Lời kết#

Cả RTDETRv2 và YOLO26 đều thúc đẩy sự phát triển của phát hiện vật thể thời gian thực. Với các nhóm ưu tiên lộ trình triển khai production suôn sẻ, footprint bộ nhớ nhỏ và hỗ trợ nhiều tác vụ, Ultralytics YOLO26 là lựa chọn được khuyến nghị. Khả năng suy luận không cần NMS tùy chọn, tốc độ CPU cao và hệ sinh thái Ultralytics giúp các dự án AI thị giác mở rộng quy mô, dù chạy trên máy chủ đám mây hay Raspberry Pi có tài nguyên hạn chế.

Người đóng góp

Bình luận

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