YOLO11 và YOLOv5
Lựa chọn kiến trúc mạng neural phù hợp là quyết định then chốt đối với mọi dự án thị giác máy tính. Khi trí tuệ nhân tạo phát triển, các công cụ dành cho developer và nhà nghiên cứu cũng vậy. Hướng dẫn này cung cấp phần so sánh kỹ thuật giữa hai model được sử dụng rộng rãi trong hệ sinh thái Ultralytics: YOLOv5 đã có lịch sử lâu dài và YOLO11 mới hơn.
Dù bạn triển khai model gọn nhẹ cho các ứng dụng AI biên hay xử lý luồng video độ phân giải cao trên GPU đám mây, việc hiểu rõ khác biệt về kiến trúc, chỉ số hiệu năng và trường hợp sử dụng lý tưởng của các model này sẽ giúp bạn đưa ra lựa chọn dựa trên dữ liệu, phù hợp với các giới hạn triển khai cụ thể.
Nguồn gốc model và thông tin kỹ thuật#
Cả hai model đều thể hiện trọng tâm của Ultralytics vào cộng tác mã nguồn mở, hiệu năng đáng tin cậy và tính dễ sử dụng, đồng thời được cộng đồng machine learning ứng dụng rộng rãi.
Thông tin về YOLO11#
- Tác giả: Glenn Jocher và Jing Qiu
- Tổ chức: Ultralytics
- Ngày: 2024-09-27
- GitHub: ultralytics/ultralytics
- Tài liệu: Tài liệu YOLO11
Thông tin về YOLOv5#
- Tác giả: Glenn Jocher
- Tổ chức: Ultralytics
- Ngày: 2020-06-26
- GitHub: ultralytics/yolov5
- Tài liệu: Tài liệu YOLOv5
Khác biệt về kiến trúc#
Quá trình phát triển từ YOLOv5 lên YOLO11 mang đến một số thay đổi kiến trúc giúp cải thiện độ chính xác và hiệu quả sử dụng parameter.
YOLOv5 là model YOLO đời đầu được xây dựng nguyên bản bằng PyTorch, với backbone CSPNet (Cross Stage Partial Network) và neck PANet (Path Aggregation Network). Model dựa vào phát hiện dựa trên anchor, đòi hỏi các anchor box được xác định trước để dự đoán ranh giới đối tượng. Dù rất hiệu quả, việc điều chỉnh các anchor này cho dataset thị giác máy tính tùy chỉnh có thể khá rườm rà.
Ngược lại, YOLO11 sử dụng phương pháp phát hiện không cần anchor. Phương pháp này loại bỏ nhu cầu điều chỉnh anchor box thủ công, tinh gọn quá trình training và cải thiện khả năng tổng quát hóa trên các dataset đa dạng như dataset COCO. Ngoài ra, YOLO11 có head tách rời, nghĩa là các tác vụ phân loại và hồi quy bounding box được xử lý ở các nhánh riêng. Sự tách biệt này cải thiện tốc độ hội tụ và độ chính xác trung bình trung bình (mAP), đặc biệt trong các tình huống phát hiện đối tượng phức tạp.
Chỉ số hiệu năng và benchmark#
Bảng dưới đây đối chiếu các chỉ số chính ở nhiều kích thước model. Cả hai đều là model Ultralytics có yêu cầu bộ nhớ thấp, thường tiêu thụ ít bộ nhớ CUDA hơn trong quá trình training so với các lựa chọn dựa trên Transformer, giúp giảm rào cản phần cứng.
| 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 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
YOLO11 đạt mAP cao hơn ở mọi kích thước. Ví dụ, YOLO11m đạt 51.5 mAP với 20.1M parameter, trong khi YOLOv5m đạt 45.4 mAP với 21.2M parameter. YOLOv5n, YOLOv5s và YOLOv5m nhanh hơn đôi chút trên T4 TensorRT, nhưng độ chính xác thấp hơn đáng kể.
Phương pháp huấn luyện và tính dễ sử dụng#
Một nguyên tắc cốt lõi của Ultralytics là tính dễ sử dụng, được hỗ trợ bởi hệ sinh thái duy trì tốt và cộng đồng hỗ trợ rộng lớn.
Trước đây, YOLOv5 dựa vào các script giao diện dòng lệnh (CLI) (train.py, detect.py) để thực thi. Dù mạnh mẽ, việc tích hợp trực tiếp các script này vào ứng dụng Python tùy chỉnh thường đòi hỏi giải pháp обход tạm.
YOLO11 được xây dựng trên package Python ultralytics tinh gọn (ra mắt cùng YOLOv8). API hợp nhất này xử lý mọi thứ, từ huấn luyện đến xuất model sang các định dạng như ONNX, OpenVINO và TensorRT một cách tự nhiên.
Để làm việc không cần code, developer có thể dùng Ultralytics Platform để gán nhãn dữ liệu, training model trên cloud và triển khai model lên thiết bị edge.
So sánh mã#
Sau đây là cách training YOLO11 bằng Python API:
from ultralytics import YOLO
# Tải model YOLO11 cỡ nhỏ đã được huấn luyện trước
model = YOLO("yolo11s.pt")
# Huấn luyện model trên dữ liệu tùy chỉnh
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)
# Xuất model sang ONNX để triển khai
model.export(format="onnx")Đối với hệ thống cũ sử dụng repository YOLOv5, lệnh training qua CLI như sau:
# Clone the repository and run the training script
git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt
python train.py --img 640 --batch 16 --epochs 50 --data coco128.yaml --weights yolov5s.ptTrường hợp sử dụng lý tưởng và ứng dụng thực tế#
Mỗi model đều có những ưu điểm riêng, phù hợp với các môi trường vận hành khác nhau.
Khi nào nên dùng YOLOv5#
Dù đã có thế hệ mới hơn, YOLOv5 vẫn là lựa chọn đáng tin cậy cho:
- Tích hợp hệ thống cũ: Các môi trường tích hợp sâu với cấu trúc tensor hoặc pipeline triển khai riêng của YOLOv5, vốn khó tái cấu trúc.
- Baseline học thuật: Các nhà nghiên cứu cần baseline đã được xác lập và sử dụng lâu năm để thực hiện nghiên cứu học thuật có thể tái lập trong lĩnh vực phân tích ảnh y tế.
Khi nào nên dùng YOLO11#
YOLO11 là lựa chọn tốt hơn cho pipeline production hiện đại nhờ tính linh hoạt:
- Môi trường đa nhiệm: YOLOv5 bổ sung phân đoạn instance và phân loại ảnh trong các bản phát hành sau, trong khi YOLO11 hỗ trợ sẵn phát hiện, phân đoạn, phân loại, ước tính tư thế và phát hiện bounding box định hướng (OBB).
- Phân tích video mật độ cao: Lý tưởng cho hệ thống giao thông thông minh hoặc quản lý hàng tồn kho bán lẻ, nơi độ chính xác cao trong các cảnh phức tạp là yếu tố thiết yếu.
Hướng tới tương lai: Kiến trúc YOLO26#
YOLO11 vẫn là một tiêu chuẩn mạnh mẽ, nhưng thị giác máy tính tiếp tục phát triển. Developer bắt đầu dự án mới cũng nên cân nhắc Ultralytics YOLO26 (phát hành tháng 1 năm 2026), model hiện được khuyến nghị.
YOLO26 được thiết kế để tối ưu trên edge và mở rộng đến quy mô doanh nghiệp. Các thay đổi chính gồm:
- Thiết kế end-to-end không cần NMS: YOLO26 hỗ trợ suy luận end-to-end gốc, bỏ qua bước hậu xử lý loại bỏ phi cực đại (NMS) bằng
nms=Falseđể triển khai nhanh hơn và đơn giản hơn. - Loại bỏ DFL: Distribution Focal Loss đã được loại bỏ để đơn giản hóa việc xuất model và tăng khả năng tương thích với thiết bị công suất thấp.
- Optimizer MuSGD: Phương pháp kết hợp SGD và Muon, đưa độ ổn định khi training mô hình ngôn ngữ lớn (LLM) vào thị giác máy tính để tăng tốc hội tụ.
- Suy luận CPU nhanh hơn tới 43%: YOLO26n chạy nhanh hơn tới 43% so với YOLO11n trên CPU, phù hợp với triển khai IoT và thiết bị không có GPU chuyên dụng.
- ProgLoss + STAL: Progressive Loss và Small-Target-Aware Label Assignment (STAL) cải thiện khả năng nhận diện đối tượng nhỏ, yếu tố thiết yếu đối với hình ảnh drone chụp từ trên không.
Tóm tắt#
Việc lựa chọn giữa YOLO11 và YOLOv5 cuối cùng phụ thuộc vào giai đoạn vòng đời của dự án. YOLOv5 có độ ổn định đã được kiểm chứng và cộng đồng lớn. Trong hai model, YOLO11 là lựa chọn tốt hơn cho công việc mới, kết hợp độ chính xác cao hơn, Python API đơn giản hơn và hỗ trợ nhiều tác vụ hơn. Để đạt độ chính xác và tốc độ CPU tốt nhất hiện nay, hãy bắt đầu với YOLO26; bạn cũng có thể training và triển khai model này trên Ultralytics Platform.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.