Bắt đầu

YOLO26 so với YOLOv10

Các ứng dụng thị giác máy tính ngày càng đòi hỏi model nhanh hơn, chính xác hơn và hiệu quả hơn. Hướng dẫn này so sánh hai kiến trúc phát hiện đối tượng thời gian thực có ảnh hưởng lớn, YOLO26 và YOLOv10, xét trên kiến trúc, chỉ số hiệu năng và khả năng triển khai để giúp nhà phát triển và nhà nghiên cứu chọn model phù hợp cho ứng dụng thị giác của mình.

Sự phát triển của các kiến trúc không cần NMS#

Trong nhiều năm, họ YOLO (Bạn chỉ cần nhìn một lần) dựa vào Loại bỏ hộp giới hạn không tối đa (NMS) để lọc các hộp giới hạn dư thừa trong quá trình hậu xử lý. Dù hiệu quả, NMS làm tăng độ trễ suy luận và gây khó khăn cho việc triển khai trên các thiết bị biên như Raspberry Pi hoặc bộ xử lý nơ-ron chuyên dụng (NPU).

YOLOv10 đã đưa thiết kế end-to-end không cần NMS vào dòng YOLO. Ultralytics YOLO26 tinh chỉnh phương pháp này cho môi trường production dưới dạng head one-to-one tùy chọn và mở rộng phương pháp này sang nhiều tác vụ hơn.

Nút thắt cổ chai ở bước hậu xử lý

Loại bỏ NMS giúp loại bỏ bước hậu xử lý động, phụ thuộc dữ liệu vốn thường cản trở việc tối ưu hóa model thị giác máy tính trên các bộ tăng tốc phần cứng như TensorRT và OpenVINO.

YOLOv10: Phát hiện thời gian thực không cần NMS#

Được phát triển bởi các nhà nghiên cứu tại Đại học Thanh Hoa, YOLOv10 giới thiệu chiến lược gán kép nhất quán nhằm loại bỏ nhu cầu sử dụng NMS. Bằng cách áp dụng thiết kế model toàn diện, hướng đến hiệu quả và độ chính xác, model giảm dư thừa tính toán trong khi vẫn duy trì mAP (độ chính xác trung bình) ở mức cao.

Ưu điểm:

  • Kiến trúc không cần NMS: Thiết kế không cần NMS đầu tiên trong dòng YOLO, giúp giảm độ trễ cho các ứng dụng thời gian thực.
  • Hiệu quả: Đem lại sự cân bằng tốt giữa số lượng tham số và tốc độ suy luận so với các model thế hệ trước.

Nhược điểm:

  • Hỗ trợ tác vụ hạn chế: Chủ yếu tập trung vào phát hiện đối tượng tiêu chuẩn, thiếu hỗ trợ tích hợp sẵn cho các tác vụ nâng cao như phân đoạn hoặc ước lượng tư thế.
  • Tập trung vào học thuật: Codebase hướng đến nghiên cứu hơn là triển khai production cho doanh nghiệp.

Tìm hiểu thêm về YOLOv10

YOLO26: Chuẩn mực mới cho thiết bị biên và đám mây#

Ra mắt kế nhiệm YOLO11, YOLO26 phát triển dựa trên ý tưởng không cần NMS với head một-một tùy chọn (nms=False). Model tích hợp với Ultralytics Platform, nền tảng cung cấp công cụ gán nhãn, huấn luyện và triển khai xuyên suốt pipeline machine learning.

YOLO26 giới thiệu một số thay đổi về kiến trúc:

  • Loại bỏ DFL: Hàm mất mát tiêu cự phân phối đã bị loại bỏ. Điều này đơn giản hóa quy trình xuất model và cải thiện khả năng tương thích với thiết bị biên công suất thấp.
  • Suy luận CPU nhanh hơn tới 43%: Nhờ loại bỏ DFL và tối ưu cấu trúc, YOLO26n chạy nhanh hơn tới 43% trên CPU so với YOLO11n, rất phù hợp cho triển khai IoT và thiết bị di động.
  • Bộ tối ưu MuSGD: Lấy cảm hứng từ các kỹ thuật huấn luyện mô hình ngôn ngữ lớn (LLM), chẳng hạn như Kimi K2 của Moonshot AI, YOLO26 sử dụng phương pháp kết hợp SGD và Muon. Cách này mang lại quá trình huấn luyện ổn định hơn và hội tụ nhanh hơn cho thị giác máy tính.
  • ProgLoss + STAL: Hàm loss tiến triển và gán nhãn nhận biết mục tiêu nhỏ (STAL) cải thiện khả năng nhận diện vật thể nhỏ, điều quan trọng đối với ảnh chụp từ trên không và giám sát an ninh bằng drone.
  • Cải tiến theo từng tác vụ: YOLO26 cũng hỗ trợ phân đoạn, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại, ước lượng tư thế và OBB. Model bổ sung hàm loss phân đoạn ngữ nghĩa và proto đa tỷ lệ cho Phân đoạn, Ước lượng hợp lý log phần dư (RLE) cho Ước lượng tư thế và hàm loss góc chuyên biệt cho Hộp giới hạn định hướng (OBB).

Phân tích hiệu năng và metric#

Bảng sau so sánh hiệu năng phát hiện trên COCO của các model YOLO26 và YOLOv10. YOLO26 chính xác hơn ở mọi kích thước, từ mức chênh lệch +2,4 mAP ở các model n đến +3,1 ở các model x, trong khi YOLOv10 sử dụng ít tham số và FLOPs hơn ở quy mô x (29,5M so với 55,7M tham số, 160,4B so với 194,4B 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
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

Lợi thế của Ultralytics: Hiệu quả huấn luyện và bộ nhớ#

Khi triển khai model vào production, yêu cầu bộ nhớ và hiệu quả huấn luyện cũng quan trọng không kém tốc độ suy luận. Các model Ultralytics, đặc biệt là YOLO26, được tối ưu để giảm mức sử dụng bộ nhớ CUDA trong quá trình huấn luyện. Nhờ đó, nhà phát triển có thể dùng batch size lớn hơn trên GPU phổ thông, giảm thời gian huấn luyện và chi phí tính toán. Ngược lại, các model Transformer nặng như RT-DETR thường cần phần cứng cao cấp, đắt tiền để huấn luyện hiệu quả.

Tích hợp liên tục và hệ sinh thái

Một lợi ích quan trọng khi chọn YOLO26 là khả năng tích hợp với hệ sinh thái Ultralytics được duy trì tốt, bao quát quy trình từ gán nhãn dữ liệu đến theo dõi thử nghiệm.

Triển khai thực tế: Ví dụ code#

Với API Python của Ultralytics, việc chuyển từ model cũ như YOLOv8 sang YOLO26 chỉ cần thay đổi một dòng code.

Sau đây là ví dụ huấn luyện, chạy suy luận và xuất model bằng YOLO26:

from ultralytics import YOLO

# 1. Load the YOLO26 nano model
model = YOLO("yolo26n.pt")

# 2. Train the model on the COCO8 dataset efficiently
# optimizer='auto' selects MuSGD for longer training runs; memory management is automatic
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
    device="cpu",  # Easily switch to 0 for GPU
)

# 3. Perform NMS-free inference on a sample image
predictions = model.predict("https://ultralytics.com/images/bus.jpg", nms=False)

# 4. Display the results to screen
predictions[0].show()

# 5. Export to ONNX for simplified edge deployment
export_path = model.export(format="onnx")
print(f"Model exported successfully to {export_path}")

Trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa YOLO26 và YOLOv10 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 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.

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.

Kết luận#

YOLOv10 đóng góp đáng kể cho cộng đồng nghiên cứu khi giới thiệu khả năng phát hiện bằng YOLO không cần NMS, còn YOLO26 đưa phương pháp này vào production. Với tốc độ suy luận CPU nhanh hơn tới 43% (YOLO26n so với YOLO11n), bộ tối ưu MuSGD và hỗ trợ bảy tác vụ thị giác, YOLO26 là lựa chọn được khuyến nghị cho cả điện toán biên lẫn triển khai đám mây quy mô lớn.

Với các nhóm ưu tiên cộng đồng tích cực, tài liệu toàn diện và trải nghiệm phát triển mượt mà, hệ sinh thái Ultralytics là lựa chọn phù hợp. Với các tình huống chuyên biệt, bạn cũng có thể tìm hiểu YOLO-World để phát hiện từ vựng mở zero-shot. Với phần lớn trường hợp sử dụng thực tế, YOLO26 là lựa chọn được khuyến nghị.

Người đóng góp

Bình luận

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