Bắt đầu

YOLO26 so với DAMO-YOLO

Lựa chọn model thị giác máy tính đòi hỏi cân bằng tốc độ suy luận, độ chính xác và khả năng triển khai dễ dàng. Trang này so sánh Ultralytics YOLO26 và DAMO-YOLO. Cả hai đều hướng đến phát hiện đối tượng thời gian thực, nhưng có triết lý thiết kế và trường hợp sử dụng dự kiến khác nhau.

Đổi mới và thiết kế kiến trúc#

Ultralytics YOLO26: AI 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 là model mới nhất trong dòng Ultralytics YOLO và là lựa chọn được đề xuất cho các dự án mới. Model được thiết kế cho điện toán edge và kế thừa các ý tưởng tối ưu hóa từ quá trình huấn luyện LLM.

Các đặc điểm kiến trúc chính của YOLO26 gồm:

  • Thiết kế end-to-end 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 end-to-end gốc. Head one-to-one tùy chọn (nms=False) bỏ qua bước hậu xử lý Non-Maximum Suppression (NMS), giúp độ trễ dễ dự đoán hơn và đơn giản hóa pipeline triển khai.
  • Loại bỏ DFL: Việc loại bỏ Hàm mất mát tiêu điểm phân phối giúp tinh gọn đồ thị model. Nhờ vậy, quá trình xuất sang các framework triển khai như ONNX và TensorRT thuận tiện hơn nhiều, đồng thời đảm bảo khả năng tương thích tốt hơn với các thiết bị biên 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, giúp quá trình huấn luyện ổn định hơn và hội tụ nhanh hơn.
  • ProgLoss + STAL: Progressive Loss và phương pháp gán nhãn nhận biết mục tiêu nhỏ (STAL) cải thiện khả năng nhận diện đối tượng nhỏ, điều quan trọng trong phân tích ảnh trên không bằng drone và các pipeline robotics.

DAMO-YOLO: Tìm kiếm kiến trúc mạng nơ-ron 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 vào khám phá kiến trúc tự động. Nghiên cứu được trình bày chi tiết trong bài báo arXiv, sử dụng Neural Architecture Search (NAS) để tìm backbone đáp ứng các 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 định hướng theo entropy cực đại để tự động thiết kế backbone cân bằng giữa độ chính xác và tốc độ triển khai mục tiêu.
  • RepGFPN hiệu quả: Thiết kế neck nặng giúp cải thiện việc hợp nhất đặc trưng ở nhiều tỷ lệ để xử lý các cảnh hình ảnh phức tạp.
  • ZeroHead: Detection head nhẹ được thiết kế để giảm thiểu chi phí tính toán trong các lớp dự đoán cuối.

Tìm hiểu thêm về DAMO-YOLO

Chọn kiến trúc phù hợp

Kiến trúc dựa trên NAS của DAMO-YOLO phù hợp với các giới hạn phần cứng cụ thể được xác định trước, trong khi thiết kế không cần NMS tùy chọn và việc loại bỏ DFL của YOLO26 khiến model dễ chuyển đổi và có tính dự đoán cao hơn trên môi trường edge lẫn cloud.

So sánh hiệu năng và chỉ số#

So sánh trực tiếp các biến thể model được huấn luyện trên dataset COCO tiêu chuẩn cho thấy các đặc tính hiệu năng khác biệt. Bảng dưới đây trình bày sự đánh đổi giữa độ chính xác (mAP), tốc độ và mức tiêu thụ tài nguyên tính toán (số tham số và FLOPs).

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
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
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

Phân tích hiệu năng#

YOLO26n có 2.4M tham số và chạy trong 1.7 ms trên GPU NVIDIA T4 với TensorRT. YOLO26n cũng nhanh hơn YOLO11n tới 43% trên CPU, khiến YOLO26 phù hợp với thiết bị edge không có bộ tăng tốc GPU chuyên dụng.

DAMO-YOLOt nhỉnh hơn YOLO26n về mAP (42.0 so với 40.9), nhưng số lượng tham số cao hơn khoảng 3.5 lần (8.5M). Ở các kích thước s, m và l, YOLO26 chính xác hơn DAMO-YOLO (ví dụ, 55.0 so với 50.8 mAP ở các model l), có ít tham số hơn và tốc độ TensorRT cao hơn; model cũng thường sử dụng ít bộ nhớ CUDA hơn khi huấn luyện.

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

Giá trị của một model còn phụ thuộc vào mức độ dễ dàng để nhà phát triển và nhà nghiên cứu huấn luyện, triển khai và bảo trì model đó.

Lợi thế của Ultralytics#

Các model Ultralytics đi kèm hệ sinh thái được bảo trì tốt, tập trung vào nhà phát triển. Các quy trình làm việc liên quan đến tăng cường dữ liệu, điều chỉnh siêu tham số và theo dõi thử nghiệm đều được thực hiện bằng các lệnh đơn giản.

YOLO26 cũng linh hoạt hơn. DAMO-YOLO chỉ là model phát hiện đối tượng, còn YOLO26 hỗ trợ phát hiện, phân đoạn instance, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại, ước tính pose và phát hiện OBB, với các cải tiến dành riêng cho từng tác vụ như:

Phương pháp huấn luyện#

Huấn luyện DAMO-YOLO thường bao gồm quá trình chưng cất tri thức, trong đó một model “teacher” lớn huấn luyện model “student” nhỏ hơn. Phương pháp này cải thiện độ chính xác nhưng đòi hỏi nhiều bộ nhớ GPU hơn và chu kỳ huấn luyện dài hơn.

YOLO26 huấn luyện mà không cần model teacher và thường cần ít bộ nhớ hơn, nhờ đó huấn luyện hiệu quả trên phần cứng phổ thông với optimizer MuSGD. Sau đây là cách huấn luyện model YOLO26 bằng Ultralytics Python API dựa trên PyTorch:

from ultralytics import YOLO

# Khởi tạo model YOLO26 nano end-to-end nguyên bản
model = YOLO("yolo26n.pt")

# Huấn luyện trên dataset tùy chỉnh
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# Export model đã tối ưu, không cần NMS
model.export(format="onnx", nms=False)
Khám phá các model khác

Nếu muốn khám phá các kiến trúc hiện đại khác trong hệ sinh thái Ultralytics, YOLO11 vẫn là lựa chọn phù hợp cho các pipeline hiện có được xây dựng trên model này. Ngoài ra, các nhà nghiên cứu quan tâm đến kiến trúc dựa trên Transformer có thể tìm hiểu model RT-DETR.

Ứng dụng thực tế#

Lựa chọn phù hợp phụ thuộc vào môi trường triển khai của bạn.

AI biên và thiết bị IoT#

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 phù hợp hơn. Tốc độ suy luận CPU cao hơn, head tùy chọn không cần NMS và footprint tham số nhỏ cho phép model chạy trên thiết bị edge như Raspberry Pi mà vẫn duy trì độ chính xác.

Sản xuất tốc độ cao và kiểm soát chất lượng#

Trong các dây chuyền tự động hóa sản xuất, phát hiện lỗi trên băng chuyền chuyển động nhanh đòi hỏi độ trễ thấp và ổn định. DAMO-YOLO hoạt động tốt trên một số cấu hình GPU nhất định, nhưng độ trễ biến thiên của bước hậu xử lý NMS có thể khiến các bộ truyền động robot mất đồng bộ. Khi bật head không cần NMS (nms=False), YOLO26 duy trì thời gian xử lý khung hình ổn định, đơn giản hóa việc tích hợp vào robotics công nghiệp tốc độ cao.

Ảnh từ drone và ảnh hàng không#

Phát hiện đối tượng nhỏ từ độ cao lớn là một bài toán khó. ProgLoss và STAL trong YOLO26 cải thiện khả năng nhận diện đối tượng nhỏ, hữu ích khi theo dõi động vật hoang dã hoặc phân tích tắc nghẽn giao thông từ UAV, nơi các đối tượng chỉ chiếm vài pixel.

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 ưu tiên về hệ sinh thái.

Khi nào nên chọn YOLO26#

YOLO26 là lựa chọn phù hợp 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.

Khi nào nên chọn DAMO-YOLO#

DAMO-YOLO được khuyến nghị cho:

  • Phân tích video thông lượng cao: Xử lý 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 kịch bản có yêu cầu nghiêm ngặt về độ trễ GPU trên phần cứng chuyên dụng, chẳng hạn như kiểm tra chất lượng thời gian thực trên dây chuyền lắp ráp.
  • Nghiên cứu Neural Architecture Search: Nghiên cứu ảnh hưởng của tìm kiếm kiến trúc tự động (MAE-NAS) và các backbone tái tham số hóa hiệu quả đến hiệu năng phát hiện.

Kết luận#

DAMO-YOLO là một nghiên cứu hữu ích về Neural Architecture Search cho các mục tiêu phần cứng cụ thể, trong khi Ultralytics YOLO26 là lựa chọn toàn diện hơn cho hầu hết chuyên gia. Suy luận tùy chọn không cần NMS, yêu cầu bộ nhớ thấp hơn, optimizer MuSGD và hệ sinh thái được bảo trì tốt giúp nhà phát triển xây dựng, triển khai hệ thống thị giác nhanh chóng và đáng tin cậy.

Người đóng góp

Bình luận

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