YOLOv10 so với YOLO26#

Lĩnh vực thị giác máy tính đã chứng kiến những tiến bộ đáng kể trong những năm gần đây, chuyển dịch từ các kiến trúc phức tạp, phụ thuộc nhiều vào hậu xử lý sang các model tinh gọn, end-to-end. Bài so sánh kỹ thuật này đi sâu vào hai cột mốc quan trọng trong hành trình đó: bước đột phá học thuật của YOLOv10 và YOLO26 tiên tiến, sẵn sàng cho doanh nghiệp. Bằng cách xem xét kiến trúc, phương pháp huấn luyện và khả năng triển khai trong thực tế, các developer có thể đưa ra quyết định sáng suốt khi xây dựng ứng dụng AI thị giác tiếp theo.

YOLOv10: Tiên phong trong phát hiện đối tượng end-to-end#

• Tác giả: Ao Wang, Hui Chen, Lihao Liu và cộng sự.
• Tổ chức: Đại học Thanh Hoa
• Ngày: 2024-05-23
• Liên kết: arXiv Paper | GitHub Repository

Được phát hành vào giữa năm 2024, YOLOv10 đánh dấu một bước tiến đáng kể trong nghiên cứu thị giác máy tính học thuật khi giải quyết một trong những điểm nghẽn dai dẳng nhất của phát hiện đối tượng thời gian thực: loại bỏ hộp giới hạn trùng lặp (NMS). Các bộ phát hiện đối tượng truyền thống phụ thuộc nhiều vào NMS để lọc các hộp giới hạn dư thừa, làm phát sinh độ trễ biến thiên trong quá trình inference và khiến việc triển khai trên edge trở nên phức tạp.

Nhóm Đại học Thanh Hoa đã giới thiệu chiến lược gán kép nhất quán cho quá trình huấn luyện không dùng NMS. Điều này cho phép model dự đoán hộp giới hạn chính xác mà không cần bước lọc hậu xử lý, trực tiếp cải thiện độ trễ inference và giảm rào cản triển khai trên các bộ tăng tốc phần cứng. Mặc dù rất hiệu quả cho các tác vụ phát hiện tiêu chuẩn, model này chủ yếu tập trung vào dự đoán hộp giới hạn và thiếu hỗ trợ gốc cho các tác vụ phức tạp hơn như phân đoạn instance hoặc ước tính tư thế.

Tìm hiểu thêm về YOLOv10

YOLO26: Tiêu chuẩn mới cho AI thị giác trên edge và cloud#

• Tác giả: Glenn Jocher và Jing Qiu
• Tổ chức: Ultralytics
• Ngày: 2026-01-14
• Liên kết: GitHub Repository | Ultralytics Platform

Phát triển dựa trên các khái niệm không dùng NMS tiên phong trước đây, YOLO26 mới ra mắt đại diện cho đỉnh cao về hiệu năng và tính linh hoạt. Được thiết kế cho cả nghiên cứu học thuật và triển khai cấp doanh nghiệp, model này tích hợp nguyên bản thiết kế end-to-end không dùng NMS, loại bỏ hoàn toàn hậu xử lý NMS để triển khai nhanh hơn, đơn giản hơn trên mọi phần cứng được hỗ trợ.

YOLO26 giới thiệu một số cải tiến kiến trúc mang tính đột phá. Việc loại bỏ hàm mất mát tiêu điểm phân phối (DFL) giúp đơn giản hóa đáng kể quy trình export model và tăng khả năng tương thích với các thiết bị edge công suất thấp. Kết hợp với những thay đổi về cấu trúc này, YOLO26 đạt inference trên CPU nhanh hơn tới 43%, trở thành lựa chọn đặc biệt phù hợp cho các ứng dụng IoT và robotics, nơi có thể không có tăng tốc GPU.

Ngoài ra, độ ổn định khi huấn luyện và tốc độ hội tụ đã được cải thiện đáng kể nhờ Optimizer MuSGD, một phương pháp kết hợp giữa SGD và Muon, lấy cảm hứng từ các kỹ thuật huấn luyện LLM. Kết hợp với các hàm mất mát tiên tiến như ProgLoss + STAL, YOLO26 cho thấy những cải thiện đáng kể trong nhận dạng đối tượng nhỏ. Model cũng giới thiệu các cải tiến dành riêng cho từng tác vụ, bao gồm tạo prototype đa tỷ lệ cho phân đoạn, ước tính log-khả năng (RLE) dư thừa cho ước tính tư thế và hàm mất mát góc chuyên biệt để giải quyết các vấn đề biên trong phát hiện Hộp giới hạn định hướng (OBB).

So sánh hiệu năng kỹ thuật#

Khi đánh giá các model này, sự cân bằng giữa độ chính xác, kích thước model và tốc độ inference là yếu tố then chốt. Bảng dưới đây nêu bật hiệu năng của cả hai dòng model ở nhiều quy mô khác nhau, được đánh giá trên dataset COCO tiêu chuẩn.

Dữ liệu cho thấy rõ lợi thế tiến hóa của kiến trúc mới hơn. YOLO26 đạt mAP (Độ chính xác trung bình) cao hơn trên mọi cấp độ kích thước trong khi vẫn duy trì tốc độ inference có tính cạnh tranh cao. Việc loại bỏ DFL trong YOLO26 đặc biệt góp phần mang lại hiệu năng ONNX trên CPU nổi bật, một chỉ số mà các thế hệ trước thường gặp khó khăn.

Phương pháp huấn luyện và hệ sinh thái#

Một model chỉ hữu ích tương xứng với hệ sinh thái hỗ trợ nó. Mặc dù YOLOv10 cung cấp một implementation học thuật xuất sắc dựa trên PyTorch, model này thường yêu cầu cấu hình thủ công cho các tác vụ ngoài phát hiện cơ bản.

Ngược lại, YOLO26 được tích hợp đầy đủ vào hệ sinh thái Ultralytics được duy trì tốt. Điều này đảm bảo yêu cầu bộ nhớ trong quá trình huấn luyện thấp hơn đáng kể so với các model dựa trên Transformer như RT-DETR, cho phép các nhà nghiên cứu huấn luyện các network tiên tiến trên phần cứng cấp người dùng phổ thông. Tính dễ sử dụng là vượt trội, cung cấp một API thống nhất tự động xử lý tăng cường dữ liệu, tinh chỉnh hyperparameter và logging.

Ví dụ code: Huấn luyện YOLO26#

Việc huấn luyện một model đa năng, có độ chính xác cao chỉ cần vài dòng code Python:

from ultralytics import YOLO

# Load the highly optimized YOLO26 small model
model = YOLO("yolo26s.pt")

# Train the model efficiently with automatic memory management
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
)

# Export natively to TensorRT without NMS complexities
model.export(format="engine")

Ứng dụng và trường hợp sử dụng trong thực tế#

Việc lựa chọn kiến trúc hoàn toàn phụ thuộc vào các ràng buộc triển khai.

Điện toán edge tốc độ cao#

Đối với các ứng dụng yêu cầu triển khai nhanh trên vi điều khiển, robotics hoặc thiết bị di động cũ, inference trên CPU nhanh hơn 43% của YOLO26 khiến đây trở thành lựa chọn hàng đầu. Kiến trúc không dùng NMS và không dùng DFL của model có thể chuyển đổi liền mạch sang các định dạng như OpenVINO và TensorRT, lý tưởng cho phân tích video thời gian thực trong hạ tầng đô thị thông minh.

Thị giác đa tác vụ nâng cao#

Trong khi YOLOv10 nổi bật ở phát hiện hộp giới hạn thuần túy, các dự án yêu cầu khả năng hiểu thị giác phong phú cần dựa vào YOLO26. Từ phân đoạn instance trong chẩn đoán hình ảnh y tế đến ước tính tư thế chính xác cho phân tích thể thao, YOLO26 cung cấp các hàm mất mát dành riêng cho từng tác vụ, đảm bảo độ chính xác vượt trội trên nhiều lĩnh vực khác nhau.

Các trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa YOLOv10 và YOLO26 phụ thuộc vào yêu cầu cụ thể của dự án, các ràng buộc triển khai và ưu tiên về 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 đầu cuối mà không cần triệt tiêu cực đại, giúp giảm độ phức tạp khi triển khai.
• Cân bằng giữa tốc độ và độ chính xác: Các project yêu cầu sự cân bằng tốt giữa tốc độ suy luận và độ chính xác phát hiện trên nhiều quy mô model khác nhau.
• Ứng dụng có độ trễ nhất quán: Các kịch bản triển khai mà thời gian suy luận có thể dự đoán là yếu tố quan trọng, chẳng hạn như robotics hoặc các hệ thống tự hành.

Khi nào nên chọn YOLO26#

YOLO26 được khuyến nghị cho:

• Triển khai edge không cần NMS: Các ứng dụng yêu cầu suy luận nhất quán, độ trễ thấp mà không có sự phức tạp của bước hậu xử lý triệt tiêu cực đại.
• Môi trường chỉ sử dụng CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi khả năng suy luận trên CPU nhanh hơn tới 43% của YOLO26 mang lại lợi thế quyết định.
• Phát hiện đối tượng nhỏ: Các kịch bản đầy thách thức như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, trong đó ProgLoss và STAL cải thiện đáng kể độ chính xác trên các đối tượng rất nhỏ.

Kết luận#

Quá trình chuyển đổi từ YOLOv10 sang YOLO26 làm nổi bật sự chuyển dịch quan trọng từ proof-of-concept học thuật sang các giải pháp doanh nghiệp sẵn sàng cho production. Bằng cách áp dụng thiết kế không dùng NMS tiên phong và nâng cấp thiết kế này với optimizer MuSGD, ProgLoss cùng khả năng tương thích edge được tinh giản, YOLO26 thiết lập một chuẩn mực mới cho những gì có thể đạt được trong thị giác máy tính thời gian thực. Đối với các developer hướng tới sự cân bằng tốt nhất giữa tốc độ, độ chính xác và tính dễ sử dụng, YOLO26 là lựa chọn được khuyến nghị hàng đầu.