YOLO26 so với YOLOv7#

Quá trình phát triển của bài toán phát hiện đối tượng theo thời gian thực đã trải qua nhiều cột mốc, trong đó Ultralytics YOLO26 và YOLOv7 là hai bước tiến quan trọng trong năng lực thị giác máy tính. Trong khi YOLOv7 giới thiệu phương pháp "bag-of-freebies" mạnh mẽ, định nghĩa lại các chuẩn đánh giá độ chính xác vào năm 2022, kiến trúc YOLO26 mới ra mắt tiên phong với các tối ưu hóa edge-first, xử lý end-to-end nguyên bản và động lực huấn luyện ổn định lấy cảm hứng từ những cải tiến của Mô hình ngôn ngữ lớn (LLM).

Bài phân tích chuyên sâu này so sánh hai kiến trúc, phân tích các chỉ số hiệu năng, khác biệt về cấu trúc và các kịch bản triển khai lý tưởng để giúp kỹ sư machine learning đưa ra quyết định sáng suốt cho dự án AI thị giác tiếp theo.

Bối cảnh và chi tiết về model#

Trước khi xem xét dữ liệu hiệu năng, cần hiểu rõ nguồn gốc và các mục tiêu chính của từng model.

Ultralytics YOLO26#

• Tác giả: Glenn Jocher và Jing Qiu
• Tổ chức: Ultralytics
• Ngày: 2026-01-14
• GitHub: Kho lưu trữ Ultralytics
• Tài liệu: Tài liệu YOLO26

YOLOv7#

• Tác giả: Chien-Yao Wang, Alexey Bochkovskiy và Hong-Yuan Mark Liao
• Tổ chức: Institute of Information Science, Academia Sinica, Taiwan
• Ngày: 2022-07-06
• Arxiv: Bài báo YOLOv7
• GitHub: Repository YOLOv7

Tìm hiểu thêm về YOLOv7

Phân tích chuyên sâu về kiến trúc#

Triết lý kiến trúc đằng sau YOLO26 và YOLOv7 khác biệt đáng kể, phản ánh sự chuyển dịch từ việc tối đa hóa hiệu năng trên GPU cao cấp sang tối ưu hóa cho triển khai edge end-to-end liền mạch.

YOLO26: Mô hình edge-first#

Ra mắt vào năm 2026, YOLO26 đổi mới căn bản pipeline triển khai. Đột phá quan trọng nhất của model là Thiết kế end-to-end không cần NMS. Bằng cách loại bỏ bước hậu xử lý Khử cực đại không chồng lấp (NMS), YOLO26 giảm đáng kể biến thiên độ trễ, một ý tưởng lần đầu được thử nghiệm thành công trong YOLOv10. Điều này đảm bảo tốc độ khung hình ổn định ngay cả trong các cảnh đông đúc, yếu tố rất quan trọng đối với robot tự hành và giám sát giao thông.

Ngoài ra, YOLO26 loại bỏ hoàn toàn Distribution Focal Loss (DFL). Loại bỏ DFL giúp đơn giản hóa quá trình export sang các định dạng như ONNX và Apple CoreML, đạt tốc độ suy luận CPU nhanh hơn tới 43%.

Tính ổn định khi huấn luyện cũng là một trọng tâm lớn. Việc giới thiệu bộ tối ưu hóa MuSGD—một phương pháp lai giữa Stochastic Gradient Descent (SGD) tiêu chuẩn và Muon (lấy cảm hứng từ động lực huấn luyện của Kimi K2)—mang lại tính ổn định nâng cao trong huấn luyện LLM cho thị giác máy tính. Kết hợp với các hàm loss ProgLoss + STAL, YOLO26 nổi bật trong việc nhận diện đối tượng nhỏ, một thách thức lâu đời đối với các detector thời gian thực.

YOLOv7: Làm chủ Bag-of-Freebies#

YOLOv7 được xây dựng dựa trên nghiên cứu toàn diện về tối ưu hóa đường dẫn gradient. Đổi mới cốt lõi của model là Extended Efficient Layer Aggregation Network (E-ELAN), cho phép model học các đặc trưng đa dạng hơn mà không làm gián đoạn các đường dẫn gradient ban đầu.

Kiến trúc YOLOv7 cũng phụ thuộc nhiều vào các kỹ thuật tái tham số hóa trong quá trình suy luận, về cơ bản là hợp nhất các layer để tăng tốc mà không làm mất đi các biểu diễn đặc trưng phong phú đã học trong quá trình huấn luyện. Mặc dù mạnh mẽ trên các GPU server NVIDIA TensorRT tiêu chuẩn, phương pháp này vẫn phụ thuộc vào các head phát hiện dựa trên anchor và NMS truyền thống, có thể gây khó khăn khi triển khai trên các thiết bị công suất thấp.

So sánh hiệu năng#

Bảng dưới đây cung cấp so sánh trực tiếp giữa các model được huấn luyện trên bộ dữ liệu COCO tiêu chuẩn. YOLO26 cho thấy cải thiện đáng kể về độ chính xác (mAP) đồng thời duy trì sự cân bằng xuất sắc giữa số lượng tham số và FLOPs.

Lưu ý: YOLO26x vượt YOLOv7x về mAP với khoảng cách ấn tượng (57.5 so với 53.1) trong khi cần ít hơn khoảng 22% tham số.

Lợi thế từ hệ sinh thái Ultralytics#

Một lý do chính khiến các developer thường xuyên chọn YOLO26 là khả năng tích hợp sâu với Ultralytics Platform. Không giống các script độc lập cần thiết cho những kiến trúc cũ, Ultralytics cung cấp một workflow hợp nhất, liền mạch.

1. Dễ sử dụng: Python API cho phép người dùng load, huấn luyện và triển khai model chỉ với vài dòng code. Việc export sang các định dạng di động như TensorFlow Lite chỉ cần thay đổi một tham số duy nhất.
2. Yêu cầu bộ nhớ: Các model Ultralytics được thiết kế kỹ lưỡng để đạt hiệu quả huấn luyện. Chúng cần ít bộ nhớ CUDA hơn đáng kể so với các model vision Transformer nặng, cho phép researcher chạy batch size lớn hơn trên phần cứng phổ thông.
3. Tính linh hoạt: Trong khi YOLOv7 yêu cầu các repository hoàn toàn khác nhau cho từng tác vụ, YOLO26 hỗ trợ nguyên bản phân loại ảnh, phân đoạn instance, ước lượng pose và phát hiện hộp giới hạn định hướng (OBB) từ một thư viện thống nhất. Model cũng bao gồm các hàm loss dành riêng cho từng tác vụ, chẳng hạn như Residual Log-Likelihood Estimation (RLE) cho các pipeline pose người.
4. Phát triển tích cực: Cộng đồng mã nguồn mở Ultralytics cung cấp các bản cập nhật thường xuyên, đảm bảo xử lý nhanh các trường hợp biên và duy trì khả năng tương thích liên tục với các bản phát hành PyTorch mới nhất.

Các trường hợp sử dụng trong thực tế#

Sự khác biệt về kiến trúc giữa các model này quyết định những kịch bản triển khai lý tưởng của chúng.

Khi nào nên chọn YOLO26#

YOLO26 là lựa chọn được khuyến nghị rõ ràng cho các hệ thống thị giác máy tính hiện đại, có định hướng phát triển dài hạn.

• AI edge và IoT: Với khả năng suy luận CPU nhanh hơn 43% cùng số lượng tham số nhẹ, YOLO26n rất phù hợp với các thiết bị hạn chế tài nguyên như Raspberry Pi hoặc camera đô thị thông minh.
• Drone và ảnh chụp từ trên không: Việc tích hợp ProgLoss + STAL cải thiện đáng kể khả năng phát hiện đối tượng nhỏ, khiến model trở thành lựa chọn hàng đầu cho kiểm tra đường ống và nông nghiệp chính xác.
• Robot đa tác vụ: Vì có thể dễ dàng xử lý đồng thời bbox, mask phân đoạn và keypoint pose với mức overhead bộ nhớ tối thiểu, model rất phù hợp cho điều hướng và tương tác robot linh hoạt.

Khi nào nên cân nhắc YOLOv7#

Mặc dù phần lớn đã được thay thế bởi các kiến trúc mới hơn, YOLOv7 vẫn có những ứng dụng chuyên biệt cụ thể.

• Đánh giá benchmark học thuật: Các researcher phát triển head phát hiện dựa trên anchor mới hoặc nghiên cứu chiến lược đường dẫn gradient thường sử dụng YOLOv7 làm baseline tiêu chuẩn để so sánh trên các nền tảng như Papers With Code.
• Pipeline GPU legacy: Các hệ thống doanh nghiệp được xây dựng tùy chỉnh xoay quanh output tensor cụ thể và cấu hình NMS tùy chỉnh của YOLOv7 trên các instance AWS EC2 P4d mạnh có thể trì hoãn việc chuyển sang các model mới hơn cho đến khi cần tái cấu trúc toàn bộ hệ thống.

Ví dụ code: Bắt đầu#

Trải nghiệm developer cho thấy sự tương phản rõ rệt giữa các repository nghiên cứu tiêu chuẩn và hệ sinh thái Ultralytics. Việc huấn luyện một model YOLO26 tùy chỉnh cực kỳ đơn giản:

from ultralytics import YOLO

# Load the latest state-of-the-art YOLO26 small model
model = YOLO("yolo26s.pt")

# Train the model on your custom dataset with automated caching and logging
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Perform an end-to-end NMS-free prediction on an external image
predictions = model("https://ultralytics.com/images/bus.jpg")

# Export the optimized model for edge deployment
model.export(format="onnx")

Suy nghĩ cuối cùng#

Mặc dù YOLOv7 vẫn là một cột mốc được đánh giá cao trong lịch sử phát hiện đối tượng theo thời gian thực, ngành này đã nhanh chóng chuyển sang các model ưu tiên sự đơn giản khi triển khai, tính linh hoạt đa tác vụ và hiệu quả trên edge.

Bằng cách loại bỏ NMS, giới thiệu bộ tối ưu hóa MuSGD và cải thiện đáng kể tốc độ suy luận CPU, Ultralytics YOLO26 trở thành lựa chọn hàng đầu cho developer và kỹ sư doanh nghiệp hiện nay. Kết hợp với hệ sinh thái Ultralytics mạnh mẽ, thân thiện với người dùng, model mang lại sự cân bằng vượt trội giữa tốc độ, độ chính xác và trải nghiệm kỹ thuật.