Bắt đầu

YOLO11 và PP-YOLOE+

Việc chọn kiến trúc mạng neural phù hợp đóng vai trò thiết yếu khi triển khai các ứng dụng thị giác máy tính trong môi trường production. Bài so sánh này xem xét hai model phát hiện vật thể thời gian thực nổi bật là Ultralytics YOLO11 và PP-YOLOE+ của Baidu. Cả hai đều có hiệu năng tốt, nhưng có cách tiếp cận khá khác nhau về độ chính xác, tốc độ suy luận và hệ sinh thái dành cho developer.

Biểu đồ tương tác bên dưới thể hiện sự đánh đổi giữa tốc độ và độ chính xác của cả hai model, giúp bạn xác định lựa chọn phù hợp nhất với các giới hạn phần cứng.

Nguồn gốc model và quá trình phát triển kỹ thuật#

Việc tìm hiểu nguồn gốc và triết lý thiết kế của các model này cung cấp bối cảnh hữu ích về thế mạnh riêng và các trường hợp sử dụng phù hợp nhất của chúng.

Thông tin về YOLO11#

Được phát triển bởi Ultralytics, YOLO11 cải tiến dòng YOLO với sự cân bằng giữa tốc độ suy luận, hiệu quả sử dụng tham số và tính dễ sử dụng. Model này nổi bật với khả năng hỗ trợ đa tác vụ thống nhất và Python API thân thiện với developer.

Thông tin chi tiết về PP-YOLOE+#

PP-YOLOE+ là phiên bản nâng cấp của PP-YOLOE, vốn phát triển từ PP-YOLOv2 và được xây dựng trên framework PaddlePaddle. Model sử dụng các thay đổi kiến trúc như backbone CSPRepResNet và phương pháp học căn chỉnh tác vụ (TAL) để cải thiện độ chính xác, đặc biệt trên GPU cao cấp.

Tìm hiểu thêm về PP-YOLOE+

Khác biệt về kiến trúc#

Kiến trúc của YOLO11 và PP-YOLOE+ phản ánh những ưu tiên thiết kế khác nhau.

YOLO11 kết hợp backbone hiệu quả với head phát hiện không dùng anchor. Model sử dụng các block C3k2 và Spatial Pyramid Pooling - Fast (SPPF) để trích xuất đặc trưng đa tỷ lệ với chi phí tính toán tối thiểu, giúp giảm độ trễ suy luận trên thiết bị có tài nguyên hạn chế như NPU edge và CPU di động. YOLO11 cũng hỗ trợ sẵn phân đoạn instance, phân loại ảnh, ước lượng tư thế và phát hiện hộp giới hạn định hướng (OBB).

PP-YOLOE+ sử dụng backbone CSPRepResNet, neck CSPPAN và head căn chỉnh tác vụ hiệu quả (ET-head). Model dựa vào tái tham số hóa để tăng năng lực biểu diễn trong quá trình huấn luyện, sau đó gộp các tham số đó vào các phép tích chập tiêu chuẩn khi suy luận. Cách này mang lại độ chính xác trung bình (mAP) cao, nhưng các biến thể lớn có nhiều tham số hơn các model YOLO11 tương ứng (52.2M so với 25.3M ở kích thước L), phù hợp với GPU máy chủ hơn là thiết bị edge nhẹ.

Tính linh hoạt đa tác vụ

Nếu dự án cần mở rộng ngoài các hộp giới hạn tiêu chuẩn, Ultralytics YOLO11 hỗ trợ sẵn phân đoạn, phân loại, ước lượng tư thế và phát hiện OBB trong cùng một API, giảm chi phí phát triển so với việc tích hợp nhiều repository riêng biệt.

Hiệu năng và benchmark#

Bảng bên dưới so sánh độ chính xác (mAP), tốc độ suy luận trên nhiều phần cứng và hiệu quả của model (số tham số và FLOPs); giá trị tốt nhất trong mỗi cột được in đậm.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
YOLO11n64039.556.11.52.66.5
YOLO11s64047.090.02.59.421.6
YOLO11m64051.5183.24.720.168.1
YOLO11l64053.4238.66.225.387.2
YOLO11x64054.7462.811.356.9195.3
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

Phân tích#

YOLO11 có cân bằng hiệu năng tốt hơn ở hầu hết kích thước. YOLO11m đạt mAP cao hơn PP-YOLOE+m (51.5 so với 49.8), với ít tham số hơn (20.1M so với 23.43M) và tốc độ suy luận TensorRT nhanh hơn (4.7 ms so với 5.56 ms). Ở quy mô lớn nhất, cả hai đều đạt 54.7 mAP, nhưng YOLO11x nhanh hơn (11.3 ms so với 14.3 ms) và có ít tham số hơn đáng kể (56.9M so với 98.42M). PP-YOLOE+ cạnh tranh tốt ở phân khúc nhỏ: PP-YOLOE+t nhỉnh hơn YOLO11n về mAP (39.9 so với 39.5) nhưng có độ trễ cao hơn, còn PP-YOLOE+s dùng ít tham số và FLOPs hơn YOLO11s nhưng độ chính xác thấp hơn. Các model YOLO11 nhỏ cũng cần ít bộ nhớ hơn trong quá trình huấn luyện model và triển khai.

Hệ sinh thái huấn luyện và tính dễ sử dụng#

Phần lớn giá trị thực tiễn của một model phụ thuộc vào mức độ dễ dàng để developer huấn luyện model đó trên dataset thị giác máy tính tùy chỉnh và triển khai vào production.

Lợi thế của Ultralytics#

Ultralytics chú trọng trải nghiệm developer. YOLO11 có thể được huấn luyện thông qua Python API hoặc CLI đơn giản mà không cần mã khung phức tạp, còn Ultralytics Platform cung cấp tính năng huấn luyện không cần code, quản lý dataset và xuất chỉ bằng một lần nhấp sang các định dạng như ONNX, CoreML và TensorRT.

Các model YOLO cũng tiết kiệm bộ nhớ trong quá trình huấn luyện, tránh mức sử dụng VRAM lớn của kiến trúc dựa trên Transformer và các model tái tham số hóa nặng hơn, nhờ đó có thể huấn luyện trên phần cứng phổ thông.

from ultralytics import YOLO

# Tải model YOLO11 đã huấn luyện trước
model = YOLO("yolo11n.pt")

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

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()

Hệ sinh thái PP-YOLOE+#

PP-YOLOE+ hoạt động trong hệ sinh thái PaddleDetection. Framework này mạnh mẽ và tích hợp sâu với các giải pháp công nghiệp của Baidu, nhưng yêu cầu developer sử dụng framework học sâu PaddlePaddle cụ thể. Điều này có thể khiến quá trình làm quen khó khăn hơn đối với các nhóm đã chuẩn hóa PyTorch. Việc xuất model PP-YOLOE+ sang các định dạng edge phổ biến cũng có thể cần thêm bước chuyển đổi so với pipeline xuất tích hợp sẵn của Ultralytics, vốn chuyển YOLO11 sang ONNX, TensorRT và cả PaddlePaddle chỉ bằng một lệnh.

Các trường hợp sử dụng phù hợp nhất#

Việc lựa chọn giữa các model này phụ thuộc vào môi trường triển khai cụ thể của bạn.

  • Chọn YOLO11 để phát triển linh hoạt, điện toán biên và ứng dụng di động. Tốc độ suy luận cao, dung lượng bộ nhớ thấp và khả năng xuất đa dạng khiến model này lý tưởng cho các tác vụ như quản lý tồn kho bán lẻ theo thời gian thực trên CPU tiêu chuẩn, phân tích ảnh hàng không từ drone và các pipeline đa tác vụ phức tạp.
  • Chọn PP-YOLOE+ nếu pipeline production của bạn đã được xây dựng trên hệ sinh thái PaddlePaddle hoặc nếu bạn triển khai lên máy chủ suy luận chuyên dụng, cao cấp, nơi giới hạn bộ nhớ và khả năng tương thích phần cứng (ngoài phần cứng được Paddle tối ưu hóa) không phải là mối quan tâm hàng đầu.

Thế hệ tiếp theo: Giới thiệu YOLO26#

YOLO11 vẫn là lựa chọn tốt, nhưng với các dự án mới, Ultralytics khuyến nghị YOLO26. Ra mắt vào tháng 1 năm 2026, YOLO26 cải thiện cả hiệu quả lẫn độ chính xác so với các phiên bản tiền nhiệm.

Các cải tiến chính của YOLO26:

  • Thiết kế end-to-end không cần NMS: Head one-to-one tùy chọn của YOLO26 (nms=False) bỏ qua bước hậu xử lý Non-Maximum Suppression (NMS). Điều này giảm độ trễ và đơn giản hóa logic triển khai, kế thừa cách tiếp cận được giới thiệu lần đầu trong YOLOv10.
  • Suy luận CPU nhanh hơn đến 43%: YOLO26n chạy trên CPU nhanh hơn YOLO11n đến 43%, giúp cải thiện hiệu năng thời gian thực trên các thiết bị edge không có GPU.
  • Optimizer MuSGD: Lấy cảm hứng từ quá trình huấn luyện mô hình ngôn ngữ lớn (LLM), phương pháp kết hợp SGD và Muon này giúp hội tụ nhanh hơn và huấn luyện ổn định hơn.
  • ProgLoss + STAL: Progressive Loss và phương pháp gán nhãn nhận biết mục tiêu nhỏ (STAL) cải thiện khả năng nhận diện vật thể nhỏ, yếu tố then chốt trong ứng dụng drone và giám sát an ninh.
  • Loại bỏ DFL: Loại bỏ Distribution Focal Loss giúp đơn giản hóa quá trình xuất model và tăng khả năng tương thích với nhiều thiết bị edge.

Với các dự án mới ưu tiên tốc độ, khả năng xuất đơn giản và độ chính xác, YOLO26 là lựa chọn được khuyến nghị; bạn có thể huấn luyện và triển khai model này trên Ultralytics Platform.

Nếu đang đánh giá các kiến trúc khác, hãy xem bài so sánh RT-DETR và YOLO11 hoặc tìm hiểu YOLO11 so sánh với YOLOv8, YOLOv9 và YOLOv10 như thế nào.

Người đóng góp

Bình luận

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