Bắt đầu

YOLOv10 và DAMO-YOLO

Khi xây dựng pipeline computer vision hiện đại, việc chọn kiến trúc phát hiện đối tượng thời gian thực phù hợp là rất quan trọng. Phân tích kỹ thuật này trình bày kiến trúc, chỉ số hiệu năng và các trường hợp sử dụng lý tưởng của YOLOv10 và DAMO-YOLO. Cả hai model đều thúc đẩy phát hiện thời gian thực, nhưng đi theo những hướng kiến trúc khác nhau.

Dù dự án yêu cầu triển khai trên phần cứng AI edge hạn chế tài nguyên hay cần độ chính xác tối đa trên GPU cloud, hiểu rõ khác biệt giữa các kiến trúc này sẽ giúp bạn đưa ra quyết định sáng suốt.

Khám phá YOLOv10#

Được giới thiệu bởi các nhà nghiên cứu tại Đại học Thanh Hoa, YOLOv10 mang phương pháp đầu cuối nguyên bản vào họ YOLO, loại bỏ nhu cầu sử dụng Non-Maximum Suppression (NMS) trong quá trình hậu xử lý.

Thông tin về YOLOv10:

Các đặc điểm kiến trúc chính#

Cải tiến chính của YOLOv10 là chiến lược Gán kép nhất quán để huấn luyện không cần NMS. Các detector đối tượng truyền thống dựa vào NMS để lọc các bounding box chồng lấp, gây thêm độ trễ biến thiên và tạo nút thắt cho các ứng dụng thời gian thực như xe tự hành và robot tốc độ cao. Bằng cách dự đoán trực tiếp một bounding box duy nhất cho mỗi đối tượng, YOLOv10 đạt độ trễ inference thấp và dễ dự đoán.

Ngoài ra, model áp dụng Thiết kế toàn diện dựa trên hiệu quả và độ chính xác. Kiến trúc tối ưu nhiều thành phần, bao gồm head phân loại nhẹ và phương pháp giảm độ phân giải tách biệt không gian-kênh, giúp giảm tính toán dư thừa. Nhờ đó, kiến trúc có số tham số thấp hơn và ít FLOPs hơn trong khi vẫn duy trì mean Average Precision (mAP) cạnh tranh.

Đơn giản hóa quá trình export cho production

Vì YOLOv10 loại bỏ các thao tác NMS khỏi đồ thị inference, việc export model sang các định dạng như ONNX hoặc TensorRT trở nên đơn giản hơn, giúp model phù hợp với triển khai edge.

Tìm hiểu thêm về YOLOv10

Ví dụ sử dụng#

YOLOv10 được tích hợp vào hệ sinh thái Ultralytics, vì vậy bạn có thể sử dụng model thông qua package Python của Ultralytics.

from ultralytics import YOLO

# Tải model nano YOLOv10 đã pre-train
model = YOLO("yolov10n.pt")

# Huấn luyện model trên bộ dữ liệu COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Chạy inference trên ảnh kiểm thử
results = model("https://ultralytics.com/images/bus.jpg")

# Export model sang định dạng TensorRT
model.export(format="engine", quantize=16)

Khám phá DAMO-YOLO#

Được Alibaba Group phát triển, DAMO-YOLO tập trung khám phá các cấu trúc mạng hiệu quả thông qua Neural Architecture Search (NAS) tự động, nhằm mở rộng biên Pareto giữa tốc độ và độ chính xác.

Thông tin về DAMO-YOLO:

Các đặc điểm kiến trúc chính#

DAMO-YOLO giới thiệu một số kỹ thuật dành riêng cho ứng dụng công nghiệp. Nền tảng của model là backbone MAE-NAS, được tạo ra bằng tìm kiếm định hướng theo entropy cực đại. Quy trình tự động này khám phá các cấu trúc backbone tuân thủ ngân sách tính toán được xác định trước, cân bằng giữa độ chính xác và độ trễ inference.

Kiến trúc cũng sử dụng neck Efficient RepGFPN. Mạng kim tự tháp đặc trưng này được thiết kế để cải thiện khả năng hợp nhất đặc trưng ở nhiều tỷ lệ, yếu tố thiết yếu cho các tác vụ phức tạp như phân tích ảnh chụp từ trên không, nơi kích thước đối tượng rất đa dạng. DAMO-YOLO cũng triển khai ZeroHead, một head phát hiện tối giản giúp giảm độ phức tạp của các lớp dự đoán cuối và tiết kiệm tính toán trong quá trình inference.

Tìm hiểu thêm về DAMO-YOLO

So sánh hiệu năng#

Khi đánh giá các kiến trúc phát hiện đối tượng, việc tìm ra sự cân bằng phù hợp giữa tốc độ inference, hiệu quả tham số và độ chính xác phát hiện là rất quan trọng. Bảng dưới đây so sánh hiệu năng của YOLOv10 và DAMO-YOLO ở các kích cỡ model tương ứng.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
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
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

YOLOv10 chính xác hơn DAMO-YOLO ở các quy mô tương đương và sử dụng ít tham số hơn: YOLOv10s đạt 46.3 mAP với 7.2M tham số ở mức 2.49 ms, trong khi DAMO-YOLOs đạt 46.0 mAP với 16.3M tham số ở mức 3.45 ms. DAMO-YOLOt có độ chính xác cao so với kích cỡ (42.0 mAP), còn DAMO-YOLOl nhanh hơn YOLOv10l đôi chút trên T4 TensorRT (7.18 ms so với 7.28 ms), nhưng hiệu quả tham số của họ YOLOv10 mang lại lợi thế trong môi trường triển khai hạn chế tài nguyên.

Trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa YOLOv10 và DAMO-YOLO phụ thuộc vào yêu cầu cụ thể của dự án, các ràng buộc triển khai và hệ sinh thái bạn ưu tiên.

Khi nào nên chọn YOLOv10#

YOLOv10 là lựa chọn phù hợp 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.

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.

Khi nào nên chọn Ultralytics (YOLO26)#

Với hầu hết dự án mới, Ultralytics YOLO26 mang đến sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm dành cho nhà phát triển:

  • 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.

Lợi thế của Ultralytics#

Việc chọn kiến trúc cho production đòi hỏi xem xét nhiều hơn các chỉ số thô. Xây dựng ứng dụng bằng model được hỗ trợ trong hệ sinh thái Ultralytics mang lại một số lợi ích thiết thực cho nhà phát triển và nhà nghiên cứu.

Dễ sử dụng và hệ sinh thái được duy trì tốt#

Khác với các repository học thuật độc lập có thể ít được cập nhật, Ultralytics cung cấp một hệ sinh thái được duy trì tích cực. Việc thiết lập môi trường phức tạp cho các model phụ thuộc vào pipeline NAS có thể khó khăn. Thay vào đó, Ultralytics cung cấp Python API và CLI tiêu chuẩn hóa, cùng tài liệu toàn diện, giúp rút ngắn thời gian đưa các giải pháp thị giác tùy chỉnh ra thị trường.

Hiệu quả huấn luyện và yêu cầu bộ nhớ#

Training model lớn có thể nhanh chóng trở nên tốn kém về tính toán. Các kiến trúc Ultralytics YOLO từ lâu nổi tiếng nhờ footprint CUDA memory thấp trong quá trình training và inference. Hiệu quả này cho phép developer training model trên phần cứng dành cho người dùng phổ thông hoặc các instance đám mây tiết kiệm chi phí mà không gặp lỗi hết bộ nhớ, vốn thường xảy ra khi làm việc với các model dựa trên Transformer như RT-DETR.

Theo dõi thử nghiệm

Ultralytics tích hợp với các công cụ MLOps phổ biến. Bạn có thể theo dõi tiến trình huấn luyện model thông qua tích hợp với Weights & Biases, Comet hoặc ClearML mà không cần thêm mã lặp dư thừa.

Tính linh hoạt trên nhiều tác vụ#

Một hạn chế của nhiều model phát hiện chuyên biệt, bao gồm YOLOv10 và DAMO-YOLO, là phạm vi chỉ tập trung vào phát hiện. Trong hệ sinh thái Ultralytics, các model như YOLO11 và YOLO26 mở rộng cùng bộ công cụ đó sang nhiều tác vụ computer vision, bao gồm instance segmentation, image classification, pose estimation và phát hiện oriented bounding box (OBB).

Nhìn về phía trước: Bước tiến của YOLO26#

YOLOv10 đã đưa suy luận không cần NMS vào các model YOLO, còn DAMO-YOLO cho thấy NAS có thể đạt được điều gì. Với các developer bắt đầu dự án mới hiện nay, chúng tôi khuyến nghị Ultralytics YOLO26.

Ra mắt vào tháng 1 năm 2026 để kế nhiệm YOLO11, YOLO26 phát triển dựa trên nền tảng không cần NMS do YOLOv10 đặt ra, với head one-to-one tùy chọn (nms=False).

Các cải tiến chính trong YOLO26 bao gồm:

  • Inference CPU nhanh hơn tới 43%: YOLO26n chạy nhanh hơn YOLO11n tới 43% trên CPU, phù hợp với điện toán edge và các thiết bị công suất thấp.
  • Loại bỏ DFL: Distribution Focal Loss đã bị loại bỏ, giúp export đơn giản hơn và tăng khả năng tương thích với nhiều mục tiêu triển khai khác nhau.
  • Optimizer MuSGD: Phương pháp kết hợp SGD và Muon, đưa khả năng huấn luyện ổn định và hội tụ nhanh hơn của model ngôn ngữ lớn (LLM) vào computer vision.
  • ProgLoss + STAL: Progressive Loss và Small-Target-Aware Label Assignment (STAL) cải thiện khả năng nhận diện đối tượng nhỏ, yếu tố thiết yếu cho các trường hợp sử dụng như nông nghiệp và viễn thám.

Với Ultralytics Platform, nhà phát triển có thể gán nhãn dữ liệu, huấn luyện và triển khai các model như YOLO26 từ cùng một nơi.

Người đóng góp

Bình luận

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