YOLO26 và DAMO-YOLO#

Khi lựa chọn một model thị giác máy tính tiên tiến, việc tìm được sự cân bằng tối ưu giữa tốc độ suy luận, độ chính xác và khả năng triển khai dễ dàng là yếu tố then chốt. Hướng dẫn toàn diện này so sánh hai model nổi bật trong lĩnh vực AI thị giác: Ultralytics YOLO26 và DAMO-YOLO. Mặc dù cả hai kiến trúc đều mở rộng giới hạn của bài toán phát hiện đối tượng theo thời gian thực, triết lý thiết kế nền tảng và các trường hợp sử dụng hướng đến của chúng khác biệt đáng kể.

Các đổi mới và thiết kế kiến trúc#

Ultralytics YOLO26: Tiêu chuẩn thị giác ưu tiên edge#

Được Glenn Jocher và Jing Qiu phát triển tại Ultralytics và phát hành vào ngày 14 tháng 1 năm 2026, YOLO26 đại diện cho một bước tiến vượt bậc trong dòng YOLO. Model này được thiết kế từ đầu cho điện toán edge, kết hợp liền mạch các phương pháp huấn luyện LLM tiên tiến với những kiến trúc thị giác hiện đại.

Các đột phá kiến trúc chính của YOLO26 gồm:

• Thiết kế end-to-end không cần NMS: Kế thừa công trình tiên phong từ YOLOv10, YOLO26 vốn được thiết kế theo hướng end-to-end. Bằng cách loại bỏ hoàn toàn Non-Maximum Suppression (NMS) trong quá trình hậu xử lý, model đảm bảo độ trễ mang tính tất định và đơn giản hóa đáng kể các pipeline triển khai.
• Loại bỏ DFL: Việc loại bỏ Distribution Focal Loss giúp tinh gọn computational graph của model. Điều này giúp quá trình export sang các framework triển khai như ONNX và TensorRT trở nên mượt mà hơn nhiều, đồng thời đảm bảo khả năng tương thích tốt hơn với các thiết bị edge công suất thấp.
• Optimizer MuSGD: Lấy cảm hứng từ Kimi K2 của Moonshot AI, phương pháp lai giữa Stochastic Gradient Descent (SGD) và Muon này đưa các đổi mới trong huấn luyện LLM vào thị giác máy tính, mang lại quá trình huấn luyện ổn định đáng kể và hội tụ nhanh.
• ProgLoss + STAL: Các hàm loss tiên tiến này cải thiện đáng kể khả năng nhận diện đối tượng nhỏ, yếu tố đặc biệt quan trọng đối với phân tích ảnh trên không bằng drone và các pipeline robotics phức tạp.

DAMO-YOLO: Neural Architecture Search ở quy mô lớn#

Được Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang và Xiuyu Sun thuộc Alibaba Group phát triển (phát hành ngày 23 tháng 11 năm 2022), DAMO-YOLO tập trung mạnh vào việc tự động khám phá kiến trúc. Nghiên cứu được trình bày chi tiết trong bài báo arXiv của họ sử dụng Neural Architecture Search (NAS) để tìm các backbone tối ưu trong giới hạn độ trễ nghiêm ngặt.

Các đặc điểm kiến trúc chính của DAMO-YOLO gồm:

• Backbone MAE-NAS: Sử dụng phương pháp tìm kiếm có hướng dẫn bằng entropy tối đa để tự động thiết kế các backbone cân bằng giữa độ chính xác và tốc độ triển khai mục tiêu.
• Efficient RepGFPN: Thiết kế neck lớn mạnh mẽ, tối ưu hóa quá trình fusion đặc trưng ở nhiều scale khác nhau, giúp model có khả năng cao trong việc xử lý các cảnh thị giác phức tạp.
• ZeroHead: Detection head được đơn giản hóa đáng kể, thiết kế để giảm thiểu overhead tính toán trong các layer dự đoán cuối cùng.

Tìm hiểu thêm về DAMO-YOLO

So sánh hiệu năng và các chỉ số#

So sánh trực tiếp các biến thể model được huấn luyện trên bộ dữ liệu COCO tiêu chuẩn cho thấy những hồ sơ hiệu năng khác biệt. Bảng dưới đây nêu rõ sự đánh đổi giữa độ chính xác (mAP), tốc độ và footprint tính toán (số lượng tham số và FLOPs).

Phân tích hiệu năng#

Khi phân tích dữ liệu, sự cân bằng hiệu năng nghiêng mạnh về YOLO26 đối với các ứng dụng hiện đại. Biến thể Nano (YOLO26n) đặc biệt nhẹ với chỉ 2.4M tham số, cung cấp tốc độ vượt trội 1.7 ms trên GPU NVIDIA T4. Hơn nữa, YOLO26 được thiết kế chuyên biệt để đạt tốc độ suy luận trên CPU nhanh hơn tới 43%, biến model này thành lựa chọn hàng đầu cho các thiết bị edge không có bộ tăng tốc GPU chuyên dụng.

Mặc dù DAMO-YOLOt nhỉnh hơn YOLO26n một chút về mAP thuần túy, model phải đánh đổi bằng số lượng tham số gần gấp bốn lần (8.5M). Khi chuyển sang các biến thể lớn hơn, YOLO26 liên tục vượt DAMO-YOLO về độ chính xác, đồng thời duy trì footprint bộ nhớ nhỏ hơn, mức sử dụng bộ nhớ CUDA thấp hơn trong quá trình huấn luyện và tốc độ TensorRT nhanh hơn đáng kể.

Hệ sinh thái, khả năng sử dụng và hiệu quả huấn luyện#

Sức mạnh thực sự của một model machine learning không chỉ nằm ở các chỉ số thô mà còn ở mức độ dễ sử dụng đối với developer và researcher.

Lợi thế của Ultralytics#

Lựa chọn model Ultralytics đảm bảo quyền truy cập vào một hệ sinh thái tinh refined, lấy developer làm trung tâm. Các workflow phức tạp liên quan đến data augmentation, tuning hyperparameter và theo dõi experiment mạnh mẽ được trừu tượng hóa thành các command trực quan.

Hơn nữa, YOLO26 cung cấp tính linh hoạt vượt trội. Trong khi DAMO-YOLO chỉ là một object detector, YOLO26 cung cấp các cải tiến toàn diện, dành riêng cho từng task trên nhiều domain ngay khi cài đặt:

• Instance Segmentation: Sử dụng loss semantic segmentation chuyên biệt và cơ chế tạo prototype đa scale.
• Pose Estimation: Hưởng lợi từ Residual Log-Likelihood Estimation (RLE) tiên tiến.
• Oriented Bounding Box (OBB): Tích hợp các hàm loss góc chuyên biệt để xử lý chính xác các vấn đề biên phức tạp.
• Image Classification: Dùng để gán nhãn ảnh toàn cục nhanh chóng và nhẹ.

Phương pháp huấn luyện#

Việc huấn luyện DAMO-YOLO thường bao gồm một quy trình distillation phức tạp, trong đó một model "teacher" lớn huấn luyện một model "student" nhỏ hơn. Mặc dù kỹ thuật này giúp tăng thêm một phần độ chính xác, nó đòi hỏi nhiều bộ nhớ GPU và chu kỳ huấn luyện dài hơn.

Ngược lại, yêu cầu bộ nhớ của YOLO26 thấp hơn đáng kể. Được hỗ trợ bởi optimizer MuSGD, YOLO26 huấn luyện nhanh và hiệu quả trên phần cứng phổ thông dành cho người dùng. Sau đây là cách dễ dàng huấn luyện một model YOLO26 bằng Python API của Ultralytics được hỗ trợ bởi PyTorch:

from ultralytics import YOLO

# Initialize the natively end-to-end YOLO26 nano model
model = YOLO("yolo26n.pt")

# Train on a custom dataset effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# Export the optimized, NMS-free model
model.export(format="onnx")

Ứng dụng thực tế#

Việc lựa chọn giữa các kiến trúc này cuối cùng phụ thuộc vào môi trường triển khai của bạn.

AI edge và thiết bị IoT#

Đối với camera bán lẻ thông minh, hệ thống giám sát nông nghiệp tự động hoặc robotics, tài nguyên tính toán bị giới hạn nghiêm ngặt. Trong trường hợp này, YOLO26 là lựa chọn tối ưu. Khả năng suy luận trên CPU nhanh hơn 43%, pipeline hoàn toàn không cần NMS và footprint tham số nhỏ cho phép model vận hành mượt mà trên các thiết bị edge như Raspberry Pi mà không làm giảm độ chính xác quan trọng.

Sản xuất tốc độ cao và kiểm soát chất lượng#

Trong các dây chuyền manufacturing automation có tốc độ nhanh, việc phát hiện lỗi trên các băng tải di chuyển nhanh đòi hỏi độ trễ tối thiểu và mang tính tất định. Mặc dù DAMO-YOLO có thể hoạt động ổn định trên các cấu hình GPU cụ thể, độ trễ biến động do quá trình hậu xử lý NMS truyền thống gây ra có thể làm mất đồng bộ các bộ truyền động robot. Bản chất end-to-end của YOLO26 đảm bảo thời gian xử lý khung hình nhất quán và có thể dự đoán trước, đảm bảo tích hợp hoàn hảo vào robot công nghiệp tốc độ cao.

Drone và ảnh trên không#

Việc phát hiện các đối tượng rất nhỏ từ độ cao lớn nổi tiếng là khó. Việc tích hợp ProgLoss và STAL trong YOLO26 cải thiện đáng kể khả năng nhận diện đối tượng nhỏ. Dù theo dõi động vật hoang dã hay phân tích tình trạng ùn tắc giao thông từ UAV, YOLO26 luôn nhận diện được các đối tượng có diện tích pixel nhỏ hơn mà các kiến trúc cũ, bao gồm DAMO-YOLO, thường bỏ sót.

Các trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa YOLO26 và DAMO-YOLO phụ thuộc vào yêu cầu cụ thể của dự án, các ràng buộc triển khai và lựa chọn hệ sinh thái của bạn.

Khi nào nên chọn YOLO26#

YOLO26 là lựa chọn phù hợp cho:

• Triển khai edge không cần NMS: Các ứng dụng yêu cầu suy luận nhất quán, độ trễ thấp mà không có sự phức tạp của bước hậu xử lý triệt tiêu cực đại.
• Môi trường chỉ sử dụng CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi khả năng suy luận trên CPU nhanh hơn tới 43% của YOLO26 mang lại lợi thế quyết định.
• Phát hiện đối tượng nhỏ: Các kịch bản đầy thách thức như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, trong đó ProgLoss và STAL cải thiện đáng kể độ chính xác trên các đối tượng rất nhỏ.

Khi nào nên chọn DAMO-YOLO#

DAMO-YOLO được khuyến nghị cho:

• Phân tích video thông lượng cao: Xử lý các luồng video FPS cao trên hạ tầng GPU NVIDIA cố định, trong đó thông lượng batch-1 là chỉ số chính.
• Dây chuyền sản xuất công nghiệp: Các tình huống có yêu cầu nghiêm ngặt về độ trễ GPU trên phần cứng chuyên dụng, chẳng hạn như kiểm tra chất lượng theo thời gian thực trên dây chuyền lắp ráp.
• Nghiên cứu Neural Architecture Search: Nghiên cứu tác động của tìm kiếm kiến trúc tự động (MAE-NAS) và các backbone được reparameterize hiệu quả đối với hiệu năng phát hiện.

Kết luận#

Mặc dù DAMO-YOLO vẫn là một nghiên cứu hấp dẫn về năng lực của Neural Architecture Search đối với các mục tiêu phần cứng cụ thể, Ultralytics YOLO26 là giải pháp toàn diện và vượt trội dành cho các chuyên gia AI hiện đại. Với kiến trúc end-to-end không cần NMS, yêu cầu bộ nhớ thấp hơn đáng kể, optimizer MuSGD hybrid và hệ sinh thái được duy trì xuất sắc, YOLO26 cho phép developer xây dựng và triển khai các hệ thống thị giác tiên tiến nhanh hơn và đáng tin cậy hơn bao giờ hết.