Bắt đầu

YOLOv10 so với YOLOX

Lĩnh vực computer vision được thúc đẩy bởi những tiến bộ nhanh chóng trong các kiến trúc phát hiện đối tượng thời gian thực. Bài so sánh kỹ thuật chi tiết này tìm hiểu hai model có ảnh hưởng lớn đến hiệu quả và thiết kế detector: YOLOv10 và YOLOX. Bằng cách xem xét khác biệt về kiến trúc, chỉ số hiệu năng và phương pháp huấn luyện, nhà phát triển và nhà nghiên cứu có thể đưa ra quyết định sáng suốt khi triển khai các hệ thống thị giác mạnh mẽ.

Bối cảnh và nguồn gốc của các model#

Hiểu rõ nguồn gốc của các model học sâu này giúp cung cấp bối cảnh hữu ích về mục tiêu kiến trúc và các trường hợp sử dụng mà chúng hướng đến.

YOLOv10: Loại bỏ NMS để phát hiện end-to-end thực sự#

Được phát triển nhằm giải quyết các nút thắt độ trễ tồn tại lâu nay, YOLOv10 giới thiệu phương pháp end-to-end gốc cho dòng YOLO.

Tìm hiểu thêm về YOLOv10

YOLOX: Thu hẹp khoảng cách giữa nghiên cứu và công nghiệp#

YOLOX xuất hiện như một phiên bản không dùng anchor của thiết kế YOLO truyền thống, cung cấp phương pháp đơn giản hơn với hiệu năng cạnh tranh, đặc biệt hướng đến việc đơn giản hóa triển khai trong các cộng đồng công nghiệp.

Tìm hiểu thêm về YOLOX

Điểm nổi bật và cải tiến về kiến trúc#

Cả hai framework đều khác với các bộ phát hiện truyền thống dựa trên anchor, nhưng giải quyết những vấn đề khác nhau trong pipeline phát hiện đối tượng.

Kiến trúc YOLOX#

YOLOX mang đến một số cập nhật quan trọng cho thiết kế YOLO vào năm 2021. Đóng góp chính của YOLOX là chuyển sang thiết kế detector không dùng anchor. Bằng cách loại bỏ các anchor box được xác định trước, YOLOX giảm số lượng tham số thiết kế và mức độ tinh chỉnh heuristic cần thiết cho các dataset khác nhau.

Ngoài ra, YOLOX sử dụng head tách rời, phân chia tác vụ phân loại và hồi quy. Điều này giải quyết xung đột giữa hai mục tiêu và tăng tốc độ hội tụ trong quá trình huấn luyện. YOLOX cũng sử dụng SimOTA để gán nhãn động, cải thiện khả năng xử lý các cảnh đông đúc và hiện tượng che khuất thường gặp trong dataset COCO.

Ưu thế của thiết kế không dùng anchor

Các thiết kế không dùng anchor, chẳng hạn thiết kế được YOLOX sử dụng, giúp giảm độ phức tạp khi tinh chỉnh model. Nhà phát triển không còn cần chạy phân cụm k-means trên dataset tùy chỉnh để xác định kích thước anchor box tối ưu, nhờ đó tiết kiệm thời gian chuẩn bị.

Kiến trúc YOLOv10#

Dù YOLOX cải tiến head phát hiện, model vẫn phụ thuộc vào Ức chế phi cực đại (NMS) trong quá trình suy luận, gây ra độ biến thiên về độ trễ. YOLOv10 nhắm trực tiếp đến hạn chế này bằng cách giới thiệu chiến lược gán kép nhất quán để huấn luyện không cần NMS. Trong quá trình huấn luyện, YOLOv10 sử dụng cả phép gán nhãn một-nhiều và một-một, nhưng khi suy luận, có thể loại bỏ hoàn toàn head một-nhiều và xuất dự đoán mà không cần hậu xử lý NMS (trong package Ultralytics, chọn head này bằng nms=False).

YOLOv10 còn có thiết kế model toàn diện, cân bằng giữa hiệu quả và độ chính xác. Model tích hợp các head phân loại nhẹ và phương pháp downsampling tách rời theo không gian-kênh, giúp giảm số lượng tham số và FLOPs mà không làm giảm độ chính xác.

So sánh hiệu năng#

Đánh giá các model này trên phần cứng như GPU NVIDIA T4 cho thấy những ưu điểm riêng tùy theo quy mô. Bảng bên dưới so sánh hai họ model.

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
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

Như trên đã thấy, YOLOv10 mở rộng quy mô hiệu quả. Biến thể YOLOv10x đạt độ chính xác cao nhất (54.4 mAP), trong khi biến thể YOLOv10n có tốc độ suy luận TensorRT được báo cáo nhanh nhất. Ngược lại, model YOLOX-Nano có kích thước nhỏ nhất (0.91M tham số ở độ phân giải 416 pixel), phù hợp với các môi trường bị hạn chế nghiêm ngặt về tài nguyên.

Phương pháp huấn luyện và yêu cầu tài nguyên#

Khi triển khai model vào môi trường production, hệ sinh thái huấn luyện và nhu cầu tài nguyên cũng quan trọng không kém tốc độ suy luận thuần túy.

YOLOX dựa trên một codebase cũ, với các dependency và cấu hình môi trường có thể khó quản lý trên các software stack hiện nay.

Ngược lại, YOLOv10 được tích hợp vào hệ sinh thái Ultralytics, giúp đơn giản hóa trải nghiệm của nhà phát triển. Các model Ultralytics YOLO cũng sử dụng ít bộ nhớ CUDA hơn trong quá trình huấn luyện so với các kiến trúc dựa trên Transformer như RT-DETR.

Ví dụ mã: Huấn luyện đơn giản hóa#

Với API Ultralytics thống nhất, bạn có thể huấn luyện model chỉ bằng vài dòng Python mà không cần biên dịch thủ công các toán tử C++ hoặc chỉnh sửa các file cấu hình phức tạp.

from ultralytics import YOLO

# Khởi tạo model YOLOv10 đã được huấn luyện trước
model = YOLO("yolov10s.pt")

# Huấn luyện model trên bộ dữ liệu COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Đánh giá hiệu năng của model
metrics = model.val()

# Xuất model đã tối ưu hóa sang định dạng ONNX
model.export(format="onnx")

Cú pháp đơn giản này cho phép sử dụng ngay độ chính xác hỗn hợp tự động, tăng cường dữ liệu tự động và tích hợp sẵn với các công cụ như Weights & Biases.

Trường hợp sử dụng và khuyến nghị#

Việc chọn YOLOv10 hay YOLOX 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 YOLOX#

YOLOX được khuyến nghị cho:

  • Nghiên cứu phát hiện không anchor: Nghiên cứu học thuật sử dụng kiến trúc không anchor rõ ràng của YOLOX làm baseline để thử nghiệm các head phát hiện hoặc hàm loss mới.
  • Thiết bị biên siêu nhẹ: Triển khai trên vi điều khiển hoặc phần cứng di động đời cũ, nơi kích thước cực nhỏ của biến thể YOLOX-Nano (0.91M tham số) là yếu tố then chốt.
  • Nghiên cứu gán nhãn SimOTA: Các dự án nghiên cứu tìm hiểu chiến lược gán nhãn dựa trên vận tải tối ưu và ảnh hưởng của chúng đến quá trình hội tụ khi huấn luyện.

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.

Tương lai của AI thị giác: YOLO26 ra mắt#

Dù YOLOv10 và YOLOX là những cột mốc quan trọng, lĩnh vực này vẫn không ngừng phát triển. Với nhà phát triển bắt đầu dự án mới, Ultralytics YOLO26 là lựa chọn được khuyến nghị.

Ra mắt vào tháng 1 năm 2026, Ultralytics YOLO26 kế thừa thiết kế end-to-end không cần NMS mà YOLOv10 đã giới thiệu cho các model YOLO và cung cấp thiết kế này dưới dạng head one-to-one tùy chọn (nms=False).

YOLO26 cũng giới thiệu một số cải tiến khác:

  • Suy luận CPU nhanh hơn tới 43%: Sau khi loại bỏ Distribution Focal Loss (DFL), YOLO26n chạy nhanh hơn YOLO11n tới 43% trên CPU, hữu ích cho các thiết bị edge không có GPU.
  • Optimizer MuSGD: Lấy cảm hứng từ quá trình huấn luyện LLM, phương pháp kết hợp SGD và Muon này giúp hội tụ nhanh hơn và duy trì quá trình huấn luyện ổn định.
  • ProgLoss + STAL: Progressive Loss và phương pháp gán nhãn nhận biết đối tượng nhỏ cải thiện khả năng nhận dạng đối tượng nhỏ, yếu tố quan trọng đối với ảnh chụp từ trên không và cảm biến IoT.
  • Tính linh hoạt: Không giống YOLOX, vốn chỉ là detector đối tượng, YOLO26 hỗ trợ sẵn phân đoạn instance, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại ảnh, ước lượng tư thế và phát hiện OBB trong một thư viện thống nhất.
Khai thác Ultralytics Platform

Để đưa model vào production một cách đơn giản nhất, nhà phát triển có thể dùng Ultralytics Platform để gán nhãn dataset, huấn luyện model YOLO26 trên cloud, rồi xuất hoặc triển khai model với cấu hình tối thiểu.

Ứng dụng thực tế#

Model phù hợp phụ thuộc vào kịch bản triển khai và ngành ứng dụng.

Phân tích video tốc độ cao#

Để xử lý luồng video dày đặc, chẳng hạn trong quản lý giao thông đô thị thông minh, YOLOv10 có lợi thế nhờ thiết kế không cần NMS. Loại bỏ nút thắt NMS giúp độ trễ ổn định, khiến YOLOv10 phù hợp để kết hợp với các thuật toán tracking như BoT-SORT.

Triển khai trên thiết bị biên đời cũ#

Với các môi trường nghiên cứu cũ hoặc ứng dụng Android đời cũ được xây dựng quanh YOLOX, các model nhỏ hơn như YOLOX-Tiny vẫn có thể hữu ích nếu việc duy trì môi trường PyTorch cũ là một đánh đổi có thể chấp nhận.

Thiết bị biên và IoT hiện đại#

Với các triển khai trên phần cứng thế hệ mới, chẳng hạn robot, drone và phân tích kệ hàng bán lẻ, YOLO26 là giải pháp được khuyến nghị. Độ trễ CPU thấp hơn và khả năng phát hiện đối tượng nhỏ được cải thiện khiến YOLO26 rất phù hợp cho điều hướng tự động và quản lý hàng tồn kho chi tiết.

Để mở rộng bộ công cụ học sâu bằng các nội dung so sánh khác, bạn cũng có thể tìm hiểu cách các model này so với những lựa chọn thay thế như YOLO11 linh hoạt hoặc RT-DETR ứng dụng Transformer.

Người đóng góp

Bình luận

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