YOLOv10 và PP-YOLOE+
Trong lĩnh vực computer vision, chọn kiến trúc phù hợp cho phát hiện đối tượng thời gian thực đòi hỏi cân bằng giữa độ chính xác, tốc độ inference và hiệu quả triển khai. Hai lựa chọn đáng chú ý là YOLOv10 và PP-YOLOE+. Cả hai đều là detector có năng lực, nhưng xuất phát từ những triết lý thiết kế và hệ sinh thái khác nhau.
Hướng dẫn kỹ thuật này phân tích hai kiến trúc, bao gồm các chỉ số hiệu năng, khác biệt về cấu trúc và các ứng dụng thực tế phù hợp. Hiểu rõ những khác biệt này giúp kỹ sư machine learning và nhà nghiên cứu đưa ra quyết định sáng suốt cho pipeline triển khai.
YOLOv10: Phát hiện thời gian thực không cần NMS#
Được phát triển bởi các nhà nghiên cứu tại Đại học Thanh Hoa, YOLOv10 tạo ra bước chuyển lớn về kiến trúc bằng cách loại bỏ nhu cầu sử dụng Non-Maximum Suppression (NMS) trong quá trình hậu xử lý. Phương pháp đầu cuối này giải quyết nút thắt tồn tại lâu nay trong inference thời gian thực, giúp triển khai nhanh hơn và dễ dự đoán hơn, đặc biệt trên các thiết bị có tài nguyên tính toán hạn chế.
Siêu dữ liệu kỹ thuật#
- Tác giả: Ao Wang, Hui Chen, Lihao Liu và cộng sự
- Tổ chức: Đại học Thanh Hoa
- Ngày: 2024-05-23
- arXiv: 2405.14458
- GitHub: THU-MIG/yolov10
- Tài liệu: Tài liệu YOLOv10
Ưu điểm và nhược điểm của kiến trúc#
Điểm nổi bật của YOLOv10 là cơ chế gán kép nhất quán cho training không cần NMS, cho phép model dự đoán trực tiếp bounding box mà không phụ thuộc vào ngưỡng heuristic. Điều này tạo nên sự cân bằng vượt trội giữa tốc độ và độ chính xác, đặc biệt ở các biến thể model nhỏ hơn. Kiến trúc này cũng sử dụng thiết kế toàn diện hướng đến hiệu quả và độ chính xác, giảm thiểu tính toán dư thừa.
Tuy nhiên, vì chỉ tập trung vào detection, model thiếu tính linh hoạt vốn có ở các model hỗ trợ phân đoạn instance hoặc ước lượng pose ngay khi cài đặt.
PP-YOLOE+: Phát hiện không dùng anchor trên PaddlePaddle#
PP-YOLOE+ là phiên bản nâng cấp của PP-YOLOE ban đầu, do nhóm PaddlePaddle của Baidu phát triển. Model kế thừa thiết kế anchor-free được tối ưu và tích hợp các chiến lược huấn luyện cải tiến nhằm nâng cao mean Average Precision (mAP) trên các benchmark tiêu chuẩn.
Siêu dữ liệu kỹ thuật#
- Tác giả: Nhóm tác giả PaddlePaddle
- Tổ chức: Baidu
- Ngày: 2022-04-02
- arXiv: 2203.16250
- GitHub: PaddlePaddle/PaddleDetection
- Tài liệu: README GitHub của PP-YOLOE+
Ưu điểm và nhược điểm của kiến trúc#
PP-YOLOE+ sử dụng backbone CSPRepResNet có khả năng mở rộng và neck CSPPAN giúp tăng cường trích xuất đặc trưng. Phương pháp huấn luyện dựa vào pre-training trên các dataset quy mô lớn như Objects365, góp phần mang lại độ chính xác cao, đặc biệt ở các biến thể x và l lớn hơn.
Nhược điểm chính của PP-YOLOE+ là sự phụ thuộc chặt chẽ vào framework PaddlePaddle. Đối với các nhóm quen dùng PyTorch hoặc hệ sinh thái Ultralytics thống nhất, việc áp dụng PP-YOLOE+ có thể gây trở ngại. Ngoài ra, số lượng tham số lớn hơn làm tăng nhu cầu bộ nhớ trong quá trình huấn luyện so với các model Ultralytics YOLO tương đương.
Đánh giá hiệu năng#
Bảng sau đây so sánh trực tiếp YOLOv10 và PP-YOLOE+ ở nhiều quy mô khác nhau, làm rõ sự đánh đổi giữa hiệu quả tham số, chi phí tính toán (FLOPs) và độ chính xác thực tế.
| 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 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
YOLOv10 nhanh hơn PP-YOLOE+ trên T4 TensorRT ở mọi quy mô và dùng ít tham số hơn (ví dụ: YOLOv10m đạt 51.1 mAP với 15.4M tham số ở mức 4.74 ms, trong khi PP-YOLOE+m đạt 49.8 mAP với 23.43M tham số ở mức 5.56 ms), khiến model trở thành ứng viên phù hợp hơn cho môi trường điện toán edge. PP-YOLOE+ dẫn trước ở hai đầu dải kích cỡ: PP-YOLOE+t chính xác hơn YOLOv10n (39.9 so với 38.5 mAP), còn PP-YOLOE+x nhỉnh hơn YOLOv10x một chút (54.7 so với 54.4 mAP), nhưng số tham số nhiều hơn ba lần.
Trường hợp sử dụng và khuyến nghị#
Việc lựa chọn giữa YOLOv10 và PP-YOLOE+ 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 PP-YOLOE+#
PP-YOLOE+ được khuyến nghị trong các trường hợp:
- Tích hợp hệ sinh thái PaddlePaddle: Các tổ chức có hạ tầng hiện hữu được xây dựng trên framework và bộ công cụ PaddlePaddle của Baidu.
- Triển khai biên bằng Paddle Lite: Triển khai lên phần cứng có kernel suy luận được tối ưu hóa cao, dành riêng cho Paddle Lite hoặc inference engine Paddle.
- Phát hiện độ chính xác cao phía máy chủ: Các kịch bản ưu tiên độ chính xác phát hiện tối đa trên máy chủ GPU mạnh, nơi sự phụ thuộc vào framework không phải vấn đề đáng lo ngại.
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 và tương lai: YOLO26#
YOLOv10 và PP-YOLOE+ đều có những ưu điểm chuyên biệt, nhưng với các dự án thị giác máy tính mới đạt tiêu chuẩn production, chúng tôi khuyến nghị Ultralytics YOLO26. Ra mắt vào tháng 1 năm 2026, YOLO26 áp dụng các ý tưởng kiến trúc đã được kiểm chứng, bao gồm thiết kế không cần NMS do YOLOv10 giới thiệu cho các model YOLO, trong một framework đa tác vụ.
Các model Ultralytics ưu tiên tính dễ sử dụng. Với Python API thống nhất, bạn không cần xử lý các file cấu hình phức tạp. Ngoài ra, các model YOLO thường cần ít CUDA memory hơn các model detection dựa trên Transformer, cho phép training nhanh hơn và tiết kiệm chi phí hơn.
Các cải tiến chính trong YOLO26#
- Thiết kế end-to-end không cần NMS: Với head một-một tùy chọn (
nms=False) loại bỏ độ trễ hậu xử lý NMS, YOLO26 mang lại inference ổn định, tốc độ cao, rất cần thiết cho xe tự hành và robot tốc độ cao. - Tối ưu hóa ưu tiên edge: Việc loại bỏ Distribution Focal Loss (DFL) giúp đơn giản hóa định dạng export model và giúp YOLO26n đạt tốc độ inference CPU nhanh hơn tới 43% so với YOLO11n.
- Động lực huấn luyện tiên tiến: Với Optimizer MuSGD, kết hợp SGD và Muon, YOLO26 đưa tính ổn định trong huấn luyện model ngôn ngữ lớn (LLM) vào các tác vụ thị giác, giúp hội tụ nhanh và đáng tin cậy hơn.
- Cải thiện độ chính xác với ProgLoss + STAL: Progressive Loss và Small-Target-Aware Label Assignment (STAL) tập trung vào các tình huống khó, cải thiện khả năng phát hiện đối tượng nhỏ trong ảnh chụp từ trên không và nông nghiệp.
Tính linh hoạt#
Khác với PP-YOLOE+ vốn tập trung vào phát hiện, YOLO26 xử lý instance segmentation, semantic segmentation, ước tính độ sâu, image classification, pose estimation và oriented bounding box (OBB) trong cùng một codebase thống nhất. Bạn có thể quản lý dataset, huấn luyện và triển khai model trực tiếp thông qua Ultralytics Platform.
from ultralytics import YOLO
# Khởi tạo model YOLO26 nano
model = YOLO("yolo26n.pt")
# Huấn luyện bằng engine Ultralytics
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Xuất sang TensorRT để triển khai trên GPU
model.export(format="engine", quantize=16)Ứng dụng thực tế#
Việc chọn model phù hợp tùy thuộc vào các giới hạn triển khai:
- PP-YOLOE+ phù hợp với các triển khai công nghiệp đã xây dựng sẵn stack phần cứng-phần mềm PaddlePaddle. Model xử lý tốt kiểm tra chất lượng trong sản xuất với cảnh tĩnh, độ phân giải cao.
- YOLOv10 phù hợp với các môi trường quản lý đám đông dày đặc và những nơi việc loại bỏ NMS giúp giảm biến thiên độ trễ, nhờ đó theo dõi thời gian thực nhất quán hơn.
- Ultralytics YOLO26 là lựa chọn được khuyến nghị để mở rộng quy mô trên toàn doanh nghiệp. Dù phân tích giao thông trong thành phố thông minh hay triển khai trên thiết bị edge công suất thấp như Raspberry Pi, mức tiêu thụ bộ nhớ thấp, tài liệu và pipeline huấn luyện thống nhất của model giúp rút ngắn thời gian đưa vào production.
Nếu muốn khám phá các kiến trúc cũ hơn vẫn được hỗ trợ hoặc các lựa chọn Transformer trong hệ sinh thái, hãy xem tài liệu về YOLO11 hoặc RT-DETR.
Hệ sinh thái được duy trì tốt cùng API đơn giản giúp nhà phát triển dành ít thời gian hơn để gỡ lỗi file cấu hình và tập trung nhiều hơn vào việc giải quyết các bài toán AI thị giác thực tế.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.