YOLOv10 so với EfficientDet
Lựa chọn mạng neural tối ưu cho phát hiện đối tượng là một quyết định quan trọng đối với các hệ thống computer vision hiện đại. Hai kiến trúc có ảnh hưởng đến lĩnh vực này là YOLOv10 và EfficientDet. Cả hai đều hướng đến tối đa hóa độ chính xác đồng thời giảm thiểu chi phí tính toán, nhưng áp dụng các phương pháp kiến trúc rất khác nhau.
Hướng dẫn này trình bày thiết kế, phương pháp huấn luyện và đặc tính triển khai của hai model, giúp nhà phát triển và kỹ sư ML đưa ra quyết định dựa trên dữ liệu cho các ứng dụng AI thị giác. Hướng dẫn cũng xem xét hiệu năng của hai model trên phần cứng từ thiết bị edge AI nhúng đến GPU cloud mạnh mẽ.
YOLOv10: Phát hiện thời gian thực không cần NMS#
Được phát triển nhằm giảm độ trễ theo thời gian thực, YOLOv10 xử lý một trong những nút thắt dai dẳng nhất của họ YOLO: Ức chế phi cực đại (NMS). Bằng cách loại bỏ bước hậu xử lý này, model đạt độ trễ có thể dự đoán, yếu tố quan trọng đối với xe tự hành và robot tốc độ cao.
Các cải tiến kiến trúc#
YOLOv10 giới thiệu phương pháp gán kép nhất quán để huấn luyện không cần NMS. Trong quá trình huấn luyện, model sử dụng cả phép gán nhãn một-nhiều và một-một, cho phép mạng học các biểu diễn phong phú trong khi chỉ xuất một bounding box cho mỗi đối tượng khi suy luận. Kiến trúc này cũng tích hợp thiết kế toàn diện cân bằng hiệu quả và độ chính xác, tinh giản head phân loại và giảm dư thừa tính toán trong các phiên bản trước.
Chi tiết model#
- Tác giả: Ao Wang, Hui Chen, Lihao Liu và cộng sự
- Tổ chức: Đại học Thanh Hoa
- Ngày: 2024-05-23
- Bài báo: YOLOv10: Phát hiện đối tượng end-to-end thời gian thực
- GitHub: THU-MIG/yolov10
- Tài liệu: Tài liệu YOLOv10
Vì YOLOv10 loại bỏ bước NMS, việc xuất model sang các định dạng như định dạng ONNX và NVIDIA TensorRT vốn dễ dàng hơn, không cần phụ thuộc vào plugin runtime tùy chỉnh để lọc bounding box.
Ưu điểm:
- Suy luận có thể dự đoán: Loại bỏ NMS đảm bảo thời gian suy luận nhất quán bất kể số lượng đối tượng trong cảnh.
- Sử dụng ít bộ nhớ hơn: So với các model dựa trên Transformer như RT-DETR, YOLOv10 cần ít bộ nhớ hơn trong cả quá trình huấn luyện lẫn suy luận.
- Cân bằng tốc độ/độ chính xác xuất sắc: Được tối ưu đặc biệt cho các kịch bản độ trễ thấp mà không làm giảm các chỉ số hiệu năng.
Nhược điểm:
- Chỉ tập trung vào một tác vụ: Không giống hệ sinh thái Ultralytics rộng hơn tại đây, repository YOLOv10 ban đầu tập trung vào phát hiện và không hỗ trợ sẵn phân đoạn instance hoặc ước lượng tư thế.
EfficientDet: Có thể mở rộng và cân bằng#
Được Google Brain giới thiệu, EfficientDet tiếp cận bài toán phát hiện đối tượng theo hướng mở rộng quy mô mạng một cách có hệ thống. EfficientDet xây dựng trên backbone phân loại ảnh EfficientNet và giới thiệu một cơ chế hợp nhất đặc trưng mới.
Các cải tiến kiến trúc#
Cốt lõi của EfficientDet là Mạng kim tự tháp đặc trưng hai chiều (BiFPN), cho phép hợp nhất đặc trưng đa tỷ lệ nhanh chóng và dễ dàng. Không giống các FPN truyền thống chỉ cộng đặc trưng theo hướng từ trên xuống, BiFPN bổ sung các kết nối hai chiều xuyên tỷ lệ và trọng số có thể huấn luyện để học mức độ quan trọng của các đặc trưng đầu vào khác nhau. Ngoài ra, EfficientDet sử dụng phương pháp compound scaling, mở rộng đồng đều độ phân giải, độ sâu và độ rộng của tất cả backbone, mạng đặc trưng và mạng dự đoán box/class.
Chi tiết model#
- Tác giả: Mingxing Tan, Ruoming Pang và Quoc V. Le
- Tổ chức: Google Brain
- Ngày: 2019-11-20
- Bài báo: EfficientDet: Phát hiện đối tượng có thể mở rộng và hiệu quả
- GitHub: Google AutoML EfficientDet
Ưu điểm:
- Hiệu quả cao: Tỷ lệ giữa số lượng tham số và độ chính xác rất tốt, giúp các biến thể
-d0đến-d2nhỏ hơn có kích thước rất gọn nhẹ. - Mở rộng có cơ sở: Phương pháp mở rộng đồng bộ giúp người dùng dễ dàng chọn kích thước model phù hợp với ngân sách tính toán cụ thể.
Nhược điểm:
- Tích hợp framework cũ: Bản triển khai gốc phụ thuộc vào các phiên bản TensorFlow cũ, điều này có thể làm phức tạp các pipeline triển khai hiện đại.
- Huấn luyện chậm hơn: Huấn luyện EfficientDet từ đầu chậm và đòi hỏi tinh chỉnh hyperparameter cẩn thận so với tốc độ hội tụ nhanh của các kiến trúc YOLO.
- Tốc độ suy luận: Dù tiết kiệm tham số, các phép toán BiFPN phức tạp thường khiến tốc độ suy luận thực tế trên phần cứng phổ thông chậm hơn các model YOLO được tối ưu cao.
Hiệu năng và benchmark#
Phép thử thực tế đối với các model này là hiệu năng thực nghiệm trên các benchmark tiêu chuẩn như dataset COCO. Bảng bên dưới minh họa những khác biệt quan trọng về số lượng tham số, phép toán dấu phẩy động (FLOPs) và độ trễ suy luận trên GPU NVIDIA T4.
| Model | kích thước (pixel) | mAPval50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
YOLOv10 có lợi thế lớn về tốc độ suy luận trên GPU. Ví dụ, YOLOv10s đạt 46.3 mAP với độ trễ TensorRT là 2.49 ms, trong khi EfficientDet-d3 đạt 47.5 mAP tương đương nhưng mất 19.59 ms. Ở phân khúc cao cấp, YOLOv10m (51.1 mAP, 4.74 ms) gần đạt hiệu năng của EfficientDet-d5 (51.5 mAP, 67.86 ms). Điều này khiến YOLOv10 phù hợp hơn nhiều cho truyền phát video theo thời gian thực hoặc các pipeline sản xuất tốc độ cao. EfficientDet-d0 có FLOPs thấp nhất trong bảng (2.54B).
Trường hợp sử dụng và khuyến nghị#
Việc chọn YOLOv10 hay EfficientDet tùy 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 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 EfficientDet#
EfficientDet được khuyến nghị cho:
- Pipeline Google Cloud và TPU: Các hệ thống dựa trên TensorFlow chạy trên hạ tầng TPU của Google Cloud, nơi bản triển khai tham chiếu của EfficientDet hỗ trợ huấn luyện trên TPU.
- Nghiên cứu mở rộng theo hệ số: Benchmark học thuật tập trung nghiên cứu tác động của việc mở rộng cân bằng độ sâu, chiều rộng và độ phân giải của mạng.
- Triển khai di động qua LiteRT: Các dự án yêu cầu cụ thể việc xuất sang LiteRT (trước đây là TensorFlow Lite) cho Android hoặc thiết bị Linux nhúng.
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 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.
Tiêu chuẩn hiện đại: Ultralytics YOLO26 ra mắt#
YOLOv10 giới thiệu khả năng phát hiện YOLO không cần NMS, còn EfficientDet cho thấy giá trị của phương pháp mở rộng quy mô có cơ sở, nhưng computer vision vẫn tiếp tục phát triển. Với nhà phát triển bắt đầu dự án mới hiện nay, Ultralytics YOLO26 là model được khuyến nghị. Ra mắt vào tháng 1 năm 2026, YOLO26 kết hợp những ý tưởng này trong một package sẵn sàng cho production, được hỗ trợ bởi Ultralytics Platform.
Vì sao YOLO26 vượt trội hơn các đối thủ#
- Thiết kế end-to-end không cần NMS: YOLO26 cung cấp thiết kế end-to-end không cần NMS của YOLOv10 dưới dạng head one-to-one tùy chọn (
nms=False), giúp tinh gọn quá trình triển khai và tăng tốc suy luận. - Suy luận CPU nhanh hơn tới 43%: Với các thiết bị edge không có bộ tăng tốc chuyên dụng, YOLO26n chạy nhanh hơn YOLO11n tới 43% trên CPU tiêu chuẩn.
- Optimizer MuSGD nâng cao: Lấy cảm hứng từ các phương pháp huấn luyện mô hình ngôn ngữ lớn (LLM), YOLO26 sử dụng phương pháp kết hợp SGD và Muon để huấn luyện ổn định và hội tụ nhanh, cải thiện hiệu quả huấn luyện so với EfficientDet.
- ProgLoss + STAL: Progressive Loss và phương pháp gán nhãn nhận biết đối tượng nhỏ (STAL) cải thiện khả năng nhận dạng đối tượng nhỏ, lĩnh vực mà các detector trước đây thường gặp khó khăn.
- Loại bỏ DFL: Loại bỏ Distribution Focal Loss giúp đơn giản hóa việc xuất model sang nhiều định dạng phần cứng, bao gồm OpenVINO và CoreML.
YOLO26 cũng linh hoạt hơn. Trong khi EfficientDet và YOLOv10 là các model phát hiện, YOLO26 còn xử lý phân đoạn instance, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại ảnh, ước lượng tư thế và bounding box định hướng bằng cùng một package Python Ultralytics.
Dễ sử dụng với Ultralytics#
Hệ sinh thái được Ultralytics duy trì tốt đảm bảo trải nghiệm phát triển liền mạch. Việc huấn luyện, kiểm định và xuất model sang TensorRT chỉ cần vài dòng code.
from ultralytics import YOLO
# Tải model YOLOv10 đã huấn luyện trước (hoặc nâng cấp trực tiếp lên YOLO26)
model = YOLO("yolov10n.pt")
# Huấn luyện model hiệu quả trên dataset tùy chỉnh
model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Chạy inference và trực quan hóa kết quả ngay lập tức
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()
# Export để triển khai nhanh chóng
model.export(format="engine", quantize=16)Kết luận#
Khi so sánh YOLOv10 và EfficientDet, lựa chọn phụ thuộc vào sở thích framework và các ràng buộc về tốc độ. EfficientDet cung cấp phương pháp có cấu trúc để mở rộng quy mô model trong hệ sinh thái TensorFlow. Tuy nhiên, YOLOv10 mang lại hiệu năng theo thời gian thực nhanh hơn, sử dụng ít bộ nhớ hơn và có lộ trình triển khai đơn giản hơn nhờ kiến trúc không cần NMS.
Để đạt được sự cân bằng tốt nhất giữa hiệu năng, tính dễ sử dụng và khả năng xử lý đa tác vụ, chúng tôi khuyến nghị YOLO26 trên Ultralytics Platform. YOLO26 kế thừa phương pháp không cần NMS của YOLOv10, bổ sung các kỹ thuật huấn luyện mới hơn như optimizer MuSGD và được cung cấp trong một framework mã nguồn mở, với sự hỗ trợ của cộng đồng toàn cầu đông đảo.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.