YOLO11 so với YOLOv10
Các kiến trúc thị giác máy tính thời gian thực liên tục được cải tiến trên cả thiết bị biên lẫn hạ tầng đám mây. Phân tích kỹ thuật này so sánh hai model có ảnh hưởng lớn: Ultralytics YOLO11 và YOLOv10. Cả hai đều thúc đẩy phát hiện đối tượng vào năm 2024, nhưng áp dụng các cách tiếp cận kiến trúc khác nhau để đạt hiệu năng.
Tìm hiểu kiến trúc YOLO11#
Thông tin YOLO11:
- Tác giả: Glenn Jocher và Jing Qiu
- Tổ chức: Ultralytics
- Ngày: 2024-09-27
- GitHub: https://github.com/ultralytics/ultralytics
- Tài liệu: https://docs.ultralytics.com/models/yolo11
YOLO11 kế thừa nhiều năm nghiên cứu về thị giác máy tính và AI. Thiết kế của model chú trọng độ phong phú của đặc trưng và tính linh hoạt trên nhiều tác vụ thị giác máy tính.
Một trong những cải tiến nổi bật của YOLO11 là triển khai Khối C3k2. Module bottleneck được tinh chỉnh này cải thiện luồng gradient qua mạng và hiệu quả tham số mà vẫn duy trì độ chính xác cao. Ngoài ra, YOLO11 sử dụng cơ chế chú ý không gian nâng cao, giúp nhận diện các vật thể nhỏ hoặc bị che khuất một phần. Nhờ đó, model phù hợp với các trường hợp sử dụng ảnh trên không và phân tích ảnh y tế chi tiết.
YOLO11 sử dụng thiết kế không anchor, giúp giảm việc tinh chỉnh siêu tham số và tổng quát hóa tốt trên nhiều tập dữ liệu tùy chỉnh. Yêu cầu bộ nhớ trong quá trình huấn luyện cũng thấp hơn các kiến trúc dựa trên transformer, cho phép nhà nghiên cứu huấn luyện model lớn hiệu quả trên phần cứng phổ thông tiêu chuẩn.
Tìm hiểu kiến trúc YOLOv10#
Thông tin về YOLOv10:
- 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: https://github.com/THU-MIG/yolov10
- Tài liệu: https://docs.ultralytics.com/models/yolov10
Được phát triển bởi các nhà nghiên cứu tại Đại học Thanh Hoa, YOLOv10 là model đầu-cuối đầu tiên trong dòng YOLO. Đặc điểm cốt lõi của model là Huấn luyện không cần NMS: bằng cách sử dụng cơ chế gán nhãn kép nhất quán trong quá trình huấn luyện, model học cách dự đoán một hộp giới hạn cho mỗi đối tượng khi suy luận. Nhờ vậy, không cần lọc phi cực đại (NMS) trong quá trình suy luận; đây là bước hậu xử lý vốn thường gây ra nút thắt độ trễ trong pipeline triển khai.
Kiến trúc này còn giới thiệu chiến lược thiết kế toàn diện nhằm cân bằng hiệu quả và độ chính xác. Chiến lược tích hợp downsampling tách biệt không gian-kênh và thiết kế block định hướng theo thứ hạng, giúp giảm có chọn lọc phần dư thừa trong các giai đoạn của mạng. Nhờ đó, số FLOPs và chi phí tính toán giảm mà không làm suy giảm đáng kể độ chính xác trung bình (mAP). Với các ứng dụng thời gian thực mà từng mili giây đều quan trọng, loại bỏ NMS tạo ra đồ thị suy luận xác định, rất phù hợp với thiết bị AI biên.
Chỉ số hiệu năng và benchmark#
Phần so sánh này cân nhắc độ chính xác, số lượng tham số và tốc độ. Bảng sau cho thấy sự khác biệt giữa hai model ở nhiều quy mô trên bộ dữ liệu COCO.
| Model | kích thước (pixel) | mAPval50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
| 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 |
YOLO11 đạt mAP cao hơn đôi chút ở mọi quy mô tương ứng (ví dụ, 39.5 so với 38.5 ở các model nano và 54.7 so với 54.4 ở các model x), trong khi YOLOv10 sử dụng ít tham số hơn ở các quy mô lớn (29.5M so với 56.9M ở các model x). Độ trễ TensorRT trên T4 tương đương giữa hai dòng model.
Khi chuẩn bị model để triển khai, việc export sang các định dạng tối ưu là rất quan trọng. Có thể export cả YOLO11 và YOLOv10 sang các định dạng như ONNX và TensorRT bằng framework Ultralytics. Xem hướng dẫn về các tùy chọn triển khai model để biết chỉ dẫn từng bước.
Lợi thế của hệ sinh thái Ultralytics#
Dù các chỉ số hiệu năng độc lập rất quan trọng, framework xung quanh mới quyết định thành công thực tế của một dự án machine learning. Đây là điểm nổi bật của YOLO11, với tư cách là một phần gốc của hệ sinh thái Ultralytics.
Ultralytics Platform mang đến trải nghiệm người dùng tinh gọn. Với Python API đơn giản và thống nhất, developer có thể xử lý nhiều tác vụ hơn hộp giới hạn cơ bản. YOLO11 hỗ trợ sẵn phân đoạn instance, phân loại ảnh, ước tính tư thế và phát hiện hộp giới hạn định hướng (OBB), trong khi YOLOv10 tập trung vào phát hiện. Tính linh hoạt này thường không có trong các kho nghiên cứu chuyên biệt.
Ngoài ra, hệ sinh thái được hỗ trợ bởi tài liệu phong phú và cộng đồng năng động. Các tích hợp với công cụ như Weights & Biases để theo dõi thí nghiệm và OpenVINO để tối ưu hóa phần cứng Intel được tích hợp trực tiếp vào thư viện. Huấn luyện model chỉ cần rất ít code khung và sử dụng ít bộ nhớ CUDA hơn các model transformer nặng như RT-DETR.
Ví dụ code thực hành#
Việc huấn luyện và chạy suy luận bằng Ultralytics chỉ cần vài dòng code; cùng một API xử lý được cả YOLO11 lẫn YOLOv10.
from ultralytics import YOLO
# Khởi tạo model (YOLO11n hoặc YOLOv10n)
model = YOLO("yolo11n.pt")
# Huấn luyện model hiệu quả trên dataset tùy chỉnh
# Ultralytics tự động xử lý hyperparameter và tối ưu hóa bộ nhớ
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)
# Chạy suy luận trên một ảnh
inference_results = model("https://ultralytics.com/images/bus.jpg")
# Hiển thị các đối tượng được phát hiện
inference_results[0].show()Trường hợp sử dụng và khuyến nghị#
Lựa chọn giữa YOLO11 và YOLOv10 phụ thuộc vào yêu cầu cụ thể của dự án, các giới hạn triển khai và lựa chọn hệ sinh thái của bạn.
Khi nào nên chọn YOLO11#
YOLO11 là lựa chọn phù hợp cho:
- Triển khai biên trong môi trường production: Các ứng dụng thương mại trên thiết bị như Raspberry Pi hoặc NVIDIA Jetson, nơi độ tin cậy và hoạt động bảo trì liên tục là ưu tiên hàng đầu.
- Ứng dụng thị giác đa nhiệm: Các dự án cần phát hiện, phân đoạn, phân loại, ước tính tư thế và OBB trong một framework thống nhất.
- Tạo nguyên mẫu và triển khai nhanh: Các nhóm cần chuyển nhanh từ thu thập dữ liệu sang production bằng Ultralytics Python API.
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 khả năng tăng tốc bằng GPU chuyên dụng, nơi tốc độ suy luận CPU nhanh hơn tới 43% của YOLO26n so với YOLO11n mang lại lợi thế quyết định.
- 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.
Thế hệ tiếp theo: YOLO26#
YOLOv10 giới thiệu tính năng phát hiện YOLO không cần NMS, còn YOLO11 cải tiến tính linh hoạt đa nhiệm. Với developer bắt đầu triển khai production mới hiện nay, chúng tôi khuyến nghị Ultralytics YOLO26.
Ra mắt vào tháng 1 năm 2026, YOLO26 kết hợp ưu điểm của cả hai. Model cung cấp thiết kế end-to-end không cần NMS của YOLOv10 dưới dạng head one-to-one tùy chọn (nms=False), giúp đơn giản hóa pipeline triển khai và duy trì độ trễ ổn định. YOLO26 còn bổ sung các tối ưu hóa tập trung vào edge: Loại bỏ DFL (loại bỏ Distribution Focal Loss) giúp đơn giản hóa quá trình xuất model, còn YOLO26n chạy nhanh hơn tới 43% trên CPU so với YOLO11n, khiến YOLO26 trở thành lựa chọn phù hợp cho thiết bị IoT công suất thấp và ứng dụng di động.
YOLO26 cũng đưa độ ổn định trong huấn luyện mô hình ngôn ngữ lớn (LLM) vào thị giác máy tính thông qua Bộ tối ưu MuSGD, phương pháp lai giữa SGD và Muon. Kết hợp với ProgLoss + STAL (Progressive Loss và Gán nhãn nhận biết đối tượng nhỏ), YOLO26 cải thiện precision trên đối tượng nhỏ, yếu tố thiết yếu cho phát hiện trong video giao thông chi tiết và tự động hóa robot phức tạp.
Kết luận#
Việc chọn model thị giác phù hợp phụ thuộc vào các giới hạn vận hành cụ thể. YOLOv10 là một cột mốc nghiên cứu quan trọng, cho thấy có thể loại bỏ NMS khỏi pipeline phát hiện YOLO. Để cân bằng tốt hơn giữa hiệu năng, tính linh hoạt của tác vụ và công cụ triển khai, YOLO11 là giải pháp đáng tin cậy, sẵn sàng cho doanh nghiệp.
Với các kỹ sư muốn có tùy chọn suy luận đầu-cuối cùng hiệu năng thiết bị biên cao, chuyển sang YOLO26 là lộ trình được khuyến nghị. Sử dụng Ultralytics Platform giúp duy trì dự án trên nền tảng hiệu quả và được bảo trì tốt.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.