Bắt đầu

YOLOv10 và YOLOv7

Sự phát triển nhanh chóng của thị giác máy tính trong vài năm qua đã tạo ra các kiến trúc ngày càng hiệu quả cho ứng dụng thời gian thực. So sánh YOLOv10 và YOLOv7 làm nổi bật giai đoạn chuyển đổi quan trọng trong quá trình này. YOLOv7 giới thiệu các chiến lược huấn luyện và mở rộng kiến trúc hiệu quả cao, còn YOLOv10 đơn giản hóa triển khai bằng cách loại bỏ sự phụ thuộc lâu nay vào Non-Maximum Suppression (NMS).

Cả hai model đều nâng cao giới hạn của phát hiện vật thể khi ra mắt, trong khi hệ sinh thái Ultralytics và các model mới hơn như YOLO26 hiện mang đến quy trình huấn luyện và triển khai đơn giản hơn.

Thông tin model và nguồn gốc#

Hiểu rõ nguồn gốc của các model này giúp làm sáng tỏ các lựa chọn thiết kế kiến trúc và nghiên cứu học thuật làm nền tảng cho chúng.

Thông tin YOLOv10#

Tìm hiểu thêm về YOLOv10

Thông tin YOLOv7#

Tìm hiểu thêm về YOLOv7

Các cải tiến kiến trúc#

Phương pháp tiếp cận của YOLOv7#

Ra mắt năm 2022, YOLOv7 tập trung mạnh vào việc tối ưu các đường dẫn gradient. Model giới thiệu Mạng tổng hợp lớp hiệu quả mở rộng (E-ELAN), cho phép học các đặc trưng đa dạng hơn mà không phá vỡ đường dẫn gradient ban đầu. Ngoài ra, các tác giả đã triển khai phương pháp "tập hợp các thủ thuật miễn phí có thể huấn luyện", sử dụng kỹ thuật tái tham số hóa trong quá trình huấn luyện để có thể hợp nhất khi suy luận, qua đó duy trì tốc độ thực thi cao. Dù được tối ưu như vậy, YOLOv7 vẫn dựa vào NMS để hậu xử lý, gây ra độ trễ biến thiên khi phân tích cảnh đông vật thể.

Phương pháp YOLOv10#

YOLOv10 trực tiếp giải quyết nút thắt NMS. Bằng cách giới thiệu phương pháp gán nhãn kép nhất quán trong quá trình huấn luyện, nhóm Đại học Thanh Hoa đã tạo điều kiện cho phát hiện end-to-end không dùng NMS. Phương pháp hai head này sử dụng một nhánh với cách gán nhãn một-nhiều để tạo tín hiệu giám sát phong phú trong quá trình huấn luyện, và một nhánh khác với cách gán nhãn một-một để suy luận không dùng NMS. Thay đổi kiến trúc này mang lại độ trễ suy luận thấp và ổn định, phù hợp với phân tích video tốc độ cao. Ngoài ra, YOLOv10 áp dụng thiết kế model toàn diện hướng đến hiệu quả và độ chính xác, loại bỏ phần tính toán dư thừa trong các thế hệ trước.

Ảnh hưởng của hậu xử lý

Việc bỏ hậu xử lý NMS giúp tăng tốc suy luận và đơn giản hóa triển khai trên phần cứng AI biên, chẳng hạn như bộ tăng tốc AI và NPU, nơi các thao tác NMS tùy chỉnh có thể khó biên dịch.

So sánh hiệu năng#

Khi so sánh các chỉ số thô trên dataset MS COCO, khoảng cách giữa các thế hệ trở nên rõ rệt. YOLOv10 đạt được sự cân bằng có lợi hơn nhiều giữa số lượng tham số, yêu cầu tính toán và độ chính xác.

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Như trên, YOLOv10x đạt mAP cao hơn YOLOv7x (54,4% so với 53,1%) trong khi dùng ít hơn một nửa số tham số (29,5M so với 71,3M). Các model YOLOv10 Nano và Small gọn nhẹ cũng có tốc độ triển khai TensorRT cao (1,84 ms và 2,49 ms trên T4), khiến chúng trở thành lựa chọn hấp dẫn cho triển khai trên thiết bị biên.

Lợi thế của hệ sinh thái Ultralytics#

Nghiên cứu các bài báo về kiến trúc rất hữu ích, nhưng quá trình phát triển thị giác máy tính hiện đại phụ thuộc vào các framework được duy trì tốt. Chọn model do Ultralytics hỗ trợ là lợi thế lớn cho nhà phát triển muốn nhanh chóng chuyển từ prototype sang production.

Phát triển được tinh giản#

YOLOv10 được package Python tiêu chuẩn của Ultralytics hỗ trợ sẵn, trong khi các checkpoint YOLOv7 được huấn luyện ở upstream chỉ có thể chạy trong Ultralytics sau khi xuất sang ONNX hoặc TensorRT. Hỗ trợ gốc mang lại tính dễ sử dụng, thay thế mã mẫu rườm rà bằng API đơn giản, trực quan. Các model YOLO của Ultralytics cũng cần ít bộ nhớ CUDA hơn khi huấn luyện so với kiến trúc Transformer nặng, cho phép dùng batch size lớn hơn trên phần cứng phổ thông.

Tính linh hoạt#

Trong khi các repository cũ thường chỉ tập trung vào phát hiện hộp giới hạn, framework Ultralytics hỗ trợ nhiều tác vụ thông qua các model như YOLO26 và YOLO11. Dù thực hiện phát hiện Phân đoạn instance, Ước lượng tư thế hay Hộp giới hạn định hướng (OBB), quy trình làm việc vẫn giống nhau.

Ví dụ mã: Quy trình huấn luyện nhất quán#

Đoạn mã sau minh họa quy trình huấn luyện, tự động xử lý tăng cường dữ liệu và lập lịch learning rate:

from ultralytics import YOLO

# Tải model mong muốn (ví dụ: YOLOv10 hoặc YOLO26 được khuyến nghị)
model = YOLO("yolo26n.pt")

# Huấn luyện model trên bộ dữ liệu của bạn
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)

# Xuất sang định dạng ONNX để triển khai nhanh
model.export(format="onnx")

Trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa YOLOv10 và YOLOv7 phụ thuộc vào yêu cầu cụ thể của dự án, giới hạn 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 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 YOLOv7#

YOLOv7 được khuyến nghị cho:

  • Benchmark học thuật: Tái tạo kết quả tiên tiến nhất thời kỳ năm 2022 hoặc nghiên cứu ảnh hưởng của E-ELAN và các kỹ thuật tập hợp kỹ thuật miễn phí có thể huấn luyện.
  • Nghiên cứu tái tham số hóa: Khảo sát các phép tích chập được tái tham số hóa theo kế hoạch và chiến lược mở rộng model tổng hợp.
  • Pipeline tùy chỉnh hiện có: Các dự án có pipeline được tùy chỉnh sâu dựa trên kiến trúc riêng của YOLOv7, khó tái cấu trúc.

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: 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.

Tiêu chuẩn mới: Giới thiệu YOLO26#

YOLOv10 là bước tiến lớn vào năm 2024, nhưng lĩnh vực này phát triển nhanh chóng. Với hoạt động phát triển mới, Ultralytics khuyến nghị model thế hệ mới nhất, Ultralytics YOLO26. Ra mắt vào tháng 1 năm 2026, model này thay thế cả YOLOv7 và YOLOv10 cho các ứng dụng AI thị giác thời gian thực.

YOLO26 mang đến một số cải tiến dành cho môi trường triển khai hiện đại:

  • Thiết kế end-to-end không dùng NMS: Dựa trên nền tảng YOLOv10, head một-một tùy chọn của YOLO26 (nms=False) bỏ qua hậu xử lý NMS, giúp đơn giản hóa pipeline triển khai và duy trì tốc độ suy luận ổn định.
  • Suy luận CPU nhanh hơn tới 43%: YOLO26n chạy trên CPU nhanh hơn YOLO11n tới 43%, phù hợp với điện toán biên và thiết bị không có GPU chuyên dụng, đồng thời có thể giảm chi phí phần cứng.
  • Loại bỏ DFL: Loại bỏ Distribution Focal Loss (DFL) giúp đơn giản hóa logic xuất model và cải thiện khả năng tương thích với thiết bị biên công suất thấp.
  • Bộ tối ưu MuSGD: Lấy cảm hứng từ Kimi K2 của Moonshot AI, phương pháp kết hợp SGD và Muon này đưa các kỹ thuật huấn luyện Mô hình ngôn ngữ lớn (LLM) vào thị giác máy tính để huấn luyện ổn định hơn và hội tụ nhanh hơn.
  • ProgLoss + STAL: Hàm mất mát tiến triển và phương pháp gán nhãn nhận biết mục tiêu nhỏ giúp cải thiện khả năng nhận diện vật thể nhỏ — một lĩnh vực vốn khó xử lý và rất quan trọng đối với drone, robot và giám sát đô thị thông minh.
  • Cải tiến chuyên biệt theo tác vụ: YOLO26 không chỉ là bộ phát hiện. Model bổ sung hàm mất mát phân đoạn ngữ nghĩa để cải thiện khả năng hội tụ của phân đoạn instance, Ước lượng Log-Hợp lý dư (RLE) giúp ước lượng tư thế chính xác hơn và hàm mất mát góc chuyên biệt để xử lý vấn đề biên OBB.
Quản lý dataset và huấn luyện

Để quản lý bộ dữ liệu, huấn luyện YOLO26 và triển khai model lên cloud, hãy khám phá Ultralytics Platform. Giao diện không cần mã của nền tảng bổ trợ cho package Python.

Các trường hợp sử dụng thực tế#

Việc chọn kiến trúc phù hợp phụ thuộc nhiều vào phần cứng và giới hạn của ứng dụng.

Khi nào nên dùng YOLOv7#

YOLOv7 vẫn là lựa chọn đáng tin cậy để duy trì các pipeline cũ đã tích hợp sâu với cấu trúc tensor riêng của model hoặc tái tạo benchmark học thuật từ năm 2022 và 2023. Model hoạt động tốt trên GPU máy chủ cao cấp.

Khi nào nên dùng YOLOv10#

YOLOv10 phù hợp với các tình huống cần độ trễ ổn định. Vì head không dùng NMS tránh được bước hậu xử lý vốn tăng theo số lượng phát hiện, model hoạt động tốt trong các tác vụ đếm đám đông mật độ cao hoặc phát hiện lỗi sản xuất, nơi số lượng vật thể biến động nhưng thời gian xử lý mỗi frame phải ổn định.

Khi nào nên sử dụng YOLO26#

YOLO26 là lựa chọn được khuyến nghị cho các dự án mới. Từ triển khai hệ thống cảnh báo an ninh trên Raspberry Pi đến chạy phân tích video quy mô lớn trên cloud, khả năng suy luận CPU nhanh hơn và phát hiện vật thể nhỏ tốt hơn giúp YOLO26 có lợi thế rõ rệt so với các thế hệ cũ.

Đối với nhà phát triển quan tâm đến các kiến trúc thay thế, Ultralytics cũng hỗ trợ các bộ phát hiện dựa trên Transformer như RT-DETR và các model trước đó như Ultralytics YOLO11.

Người đóng góp

Bình luận

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