Bắt đầu

YOLOv10 và YOLO26

Phát hiện vật thể thời gian thực đã chuyển từ kiến trúc phức tạp, phụ thuộc nhiều vào hậu xử lý sang các model end-to-end tinh gọn. Bài so sánh kỹ thuật này xem xét hai cột mốc trong quá trình chuyển đổi đó: YOLOv10, model học thuật đưa huấn luyện không cần NMS vào dòng YOLO, và Ultralytics YOLO26, dòng model đa tác vụ hướng đến production. Bằng cách xem xét kiến trúc, phương pháp huấn luyện và khả năng triển khai thực tế, developer có thể đưa ra quyết định sáng suốt khi xây dựng ứng dụng AI thị giác tiếp theo.

YOLOv10: Phát hiện thời gian thực không cần NMS#

Ra mắt vào tháng 5 năm 2024, YOLOv10 giải quyết một trong những nút thắt dai dẳng nhất của bài toán phát hiện vật thể thời gian thực: Non-Maximum Suppression (NMS). Các bộ phát hiện vật thể truyền thống phụ thuộc nhiều vào NMS để lọc bỏ hộp giới hạn dư thừa, gây thêm độ trễ biến động khi suy luận và làm phức tạp việc triển khai edge.

Nhóm Đại học Thanh Hoa giới thiệu chiến lược gán nhãn kép nhất quán để huấn luyện không cần NMS. Nhờ đó, model có thể dự đoán hộp giới hạn chính xác mà không cần bước lọc hậu xử lý, trực tiếp cải thiện độ trễ suy luận và hạ thấp rào cản triển khai trên bộ tăng tốc phần cứng. Dù hiệu quả với tác vụ phát hiện tiêu chuẩn, model tập trung vào dự đoán hộp giới hạn và không hỗ trợ nguyên bản các tác vụ như phân đoạn instance hay ước lượng tư thế.

Tìm hiểu thêm về YOLOv10

YOLO26: Tiêu chuẩn mới cho AI thị giác trên thiết bị biên và đám mây#

Tiếp nối các khái niệm không cần NMS do YOLOv10 giới thiệu, YOLO26 là dòng model Ultralytics hiện được khuyến nghị. Được thiết kế cho cả nghiên cứu lẫn triển khai production, model cung cấp thiết kế end-to-end không cần NMS thông qua head one-to-one tùy chọn (nms=False), bỏ qua bước hậu xử lý NMS để đơn giản hóa triển khai trên phần cứng được hỗ trợ.

YOLO26 cũng giới thiệu một số thay đổi kiến trúc. Loại bỏ Distribution Focal Loss (DFL) giúp đơn giản hóa quy trình xuất model và tăng khả năng tương thích với các thiết bị AI edge công suất thấp. Nhờ những thay đổi cấu trúc này, YOLO26n đạt tốc độ suy luận CPU nhanh hơn đến 43% so với YOLO11n, khiến YOLO26 trở thành lựa chọn phù hợp cho các ứng dụng IoT và robotics khi không có khả năng tăng tốc GPU.

Độ ổn định khi huấn luyện và tốc độ hội tụ cũng được cải thiện nhờ bộ tối ưu MuSGD, một phương pháp kết hợp SGD và Muon lấy cảm hứng từ các kỹ thuật huấn luyện LLM. Kết hợp với ProgLoss + STAL, kết hợp hàm mất mát tiến triển với phương pháp gán nhãn nhận biết mục tiêu nhỏ, YOLO26 cải thiện khả năng nhận diện vật thể nhỏ. YOLO26 cũng bổ sung các cải tiến chuyên biệt cho từng tác vụ, bao gồm tạo mẫu đa tỷ lệ cho phân đoạn, Ước lượng Log-Hợp lý dư (RLE) cho ước lượng tư thế và hàm mất mát góc chuyên biệt để xử lý vấn đề biên trong phát hiện Hộp giới hạn định hướng (OBB).

Triển khai doanh nghiệp

Đối với các nhóm muốn mở rộng quy mô quy trình thị giác máy tính, Ultralytics Platform hỗ trợ trực tiếp YOLO26, cung cấp khả năng gán nhãn dữ liệu, huấn luyện trên cloud và triển khai chỉ với một cú nhấp, không cần hạ tầng MLOps phức tạp.

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 suy luận 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 bộ dữ liệu COCO tiêu chuẩn.

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
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4

YOLO26 đạt mAP (độ chính xác trung bình) cao hơn ở mọi phân khúc kích thước, đồng thời duy trì tốc độ TensorRT trên T4 tương đương. Việc loại bỏ DFL trong YOLO26 cũng góp phần cải thiện hiệu năng ONNX trên CPU; tốc độ ONNX trên CPU của YOLOv10 không được báo cáo trong bảng.

Phương pháp huấn luyện và hệ sinh thái#

Một model chỉ hữu ích khi có hệ sinh thái hỗ trợ tương xứng. YOLOv10 có bản triển khai học thuật vững chắc, được xây dựng trên PyTorch và package Ultralytics, nhưng chỉ hỗ trợ phát hiện vật thể.

Ngược lại, YOLO26 được tích hợp đầy đủ vào hệ sinh thái Ultralytics đang được duy trì tích cực. Là model dựa trên CNN, YOLO26 cần ít bộ nhớ hơn khi huấn luyện so với các model dựa trên Transformer như RT-DETR, do đó có thể huấn luyện trên phần cứng phổ thông. API thống nhất tự động xử lý tăng cường dữ liệu và ghi log; có thể tinh chỉnh siêu tham số thông qua model.tune().

Ví dụ code: Huấn luyện YOLO26#

Chỉ cần vài dòng mã Python để huấn luyện và xuất YOLO26:

from ultralytics import YOLO

# Tải model YOLO26 small được tối ưu hóa cao
model = YOLO("yolo26s.pt")

# Huấn luyện model trên dataset ví dụ COCO8
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
)

# Xuất head một-một không cần NMS sang TensorRT
model.export(format="engine", nms=False)

Ứng dụng thực tế và trường hợp sử dụng#

Việc chọn kiến trúc phù hợp phần lớn phụ thuộc vào các ràng buộc triển khai.

Điện toán biên tốc độ cao#

Với các ứng dụng triển khai trên CPU, nền tảng robot hoặc thiết bị di động đời cũ, tốc độ suy luận CPU nhanh hơn của YOLO26 khiến model này trở thành lựa chọn phù hợp hơn. Kiến trúc không dùng DFL và head tùy chọn không dùng NMS có thể xuất dễ dàng sang các định dạng như OpenVINO và TensorRT, phù hợp cho phân tích video thời gian thực trong hạ tầng đô thị thông minh.

Thị giác đa nhiệm nâng cao#

YOLOv10 chỉ hỗ trợ phát hiện hộp giới hạn, vì vậy các dự án cần những tác vụ khác nên dùng YOLO26. Ngoài phát hiện, YOLO26 còn hỗ trợ phân đoạn instance, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại, ước lượng tư thế và hộp giới hạn định hướng, với head và hàm mất mát riêng cho từng tác vụ, phục vụ các ứng dụng từ chẩn đoán hình ảnh y tế đến phân tích thể thao.

Các lựa chọn thay thế

Nếu dự án cần phát hiện với từ vựng mở, hãy cân nhắc YOLOE hoặc YOLO-World. Với các pipeline hiện có, YOLO11 vẫn là lựa chọn thay thế được hỗ trợ đầy đủ trong framework Ultralytics.

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.

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 nhất quán: Các kịch bản triển khai đòi hỏi thời gian suy luận có thể dự đoán, chẳng hạn như robot hoặc hệ thống tự hành.

Khi nào nên chọn YOLO26#

YOLO26 được khuyến nghị cho:

  • 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: Thiết bị không có tăng tốc GPU chuyên dụng, nơi YOLO26n chạy trên CPU nhanh hơn YOLO11n tới 43%.
  • Phát hiện vật thể nhỏ: Các tình huống khó như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, nơi ProgLoss và STAL cải thiện độ chính xác đối với vật thể rất nhỏ.

Kết luận#

Việc chuyển từ YOLOv10 sang YOLO26 thể hiện bước chuyển từ bản thử nghiệm ý tưởng học thuật sang các model sẵn sàng cho môi trường production. Bằng cách áp dụng thiết kế không dùng NMS do YOLOv10 giới thiệu, đồng thời bổ sung bộ tối ưu MuSGD, ProgLoss và khả năng xuất sang thiết bị biên đơn giản hơn, YOLO26 đạt độ chính xác cao hơn ở mọi kích thước model và hỗ trợ nhiều tác vụ hơn. Với các nhà phát triển cần sự cân bằng tối ưu giữa tốc độ, độ chính xác và tính dễ sử dụng, YOLO26 là lựa chọn được khuyến nghị.

Người đóng góp

Bình luận

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