YOLOv10 so với YOLOX#

Lĩnh vực thị giác máy tính được thúc đẩy bởi những tiến bộ nhanh chóng trong các kiến trúc phát hiện đối tượng theo thời gian thực. Bài so sánh kỹ thuật chi tiết này phân tích hai model có ảnh hưởng lớn, đã mở rộng các giới hạn về hiệu quả và các mô hình thiết kế: YOLOv10 và YOLOX. Bằng cách xem xét sự khác biệt về kiến trúc, các chỉ số hiệu năng và phương pháp training, developer 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#

Việc tìm hiểu nguồn gốc của các model deep learning này cung cấp bối cảnh hữu ích về mục tiêu kiến trúc và các use case hướng đến của chúng.

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

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

• Tác giả: Ao Wang, Hui Chen, Lihao Liu và cộng sự.
• Tổ chức: Đại học Thanh Hoa
• Ngày: 23 tháng 5, 2024
• ArXiv: 2405.14458
• GitHub: THU-MIG/yolov10
• Tài liệu: Tài liệu Ultralytics YOLOv10

Tìm hiểu thêm về YOLOv10

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

YOLOX ra đời dưới dạng phiên bản anchor-free của thiết kế YOLO truyền thống, cung cấp một 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.

• Tác giả: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li và Jian Sun
• Tổ chức: Megvii
• Ngày: 18 tháng 7, 2021
• ArXiv: 2107.08430
• GitHub: Megvii-BaseDetection/YOLOX
• Tài liệu: Tài liệu chính thức của YOLOX

Tìm hiểu thêm về YOLOX

Điểm nổi bật và đổi mới về kiến trúc#

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

Kiến trúc YOLOX#

YOLOX đã mang đến một số cập nhật quan trọng cho hệ sinh thái vào năm 2021. Đóng góp chính của nó là chuyển sang thiết kế detector anchor-free. Bằng cách loại bỏ các anchor box được định nghĩa trước, YOLOX đã giảm đáng kể số lượng tham số thiết kế và công đoạn tuning heuristic cần thiết cho các dataset khác nhau.

Ngoài ra, YOLOX sử dụng head tách biệt, phân tách các tác vụ classification và regression. Điều này giải quyết xung đột giữa hai mục tiêu, giúp tăng đáng kể tốc độ hội tụ trong quá trình training. Model cũng sử dụng SimOTA để gán label nâng cao, cải thiện khả năng xử lý các cảnh đông đúc và hiện tượng che khuất thường gặp trong dataset COCO.

Kiến trúc YOLOv10#

Mặc dù YOLOX đã cải thiện detection head, model vẫn phụ thuộc vào Non-Maximum Suppression (NMS) trong quá trình inference, gây ra biến động độ trễ. YOLOv10 nhắm cụ thể vào điểm yếu này bằng cách giới thiệu chiến lược gán kép nhất quán cho quá trình training không dùng NMS. Trong training, model sử dụng cả phép gán label one-to-many và one-to-one, nhưng trong inference, model loại bỏ hoàn toàn head one-to-many và xuất ra các dự đoán rõ ràng mà không cần post-processing NMS.

YOLOv10 cũng có thiết kế model tổng thể được tối ưu theo hiệu quả và độ chính xác. Model tích hợp các classification head gọn nhẹ cùng cơ chế downsampling tách biệt theo không gian và kênh, giúp giảm mạnh số lượng parameter và FLOPs mà không làm giảm độ chính xác.

So sánh hiệu năng#

Việc đánh giá các model này trên phần cứng như NVIDIA T4 GPU cho thấy những ưu thế khác nhau tùy theo quy mô. Bảng dưới đây trình bày phần so sánh toàn diện.

Như đã thấy ở trên, YOLOv10 mở rộng quy mô rất hiệu quả. Biến thể YOLOv10x đạt độ chính xác cao nhất (54.4 mAP), trong khi biến thể YOLOv10n cung cấp tốc độ inference nhanh nhất khi tích hợp TensorRT. Ngược lại, model YOLOX nano thế hệ cũ có footprint tổng thể nhỏ nhất, phù hợp với các môi trường bị giới hạn nghiêm ngặt về tài nguyên.

Phương pháp training và yêu cầu tài nguyên#

Khi triển khai model cho production, hệ sinh thái training và nhu cầu tài nguyên cũng quan trọng không kém tốc độ inference thuần túy.

YOLOX thường dựa vào các cấu hình môi trường cũ, vốn có thể khó quản lý. Ngoài ra, codebase legacy của model đòi hỏi nhiều boilerplate code hơn để thực hiện training phân tán multi-GPU hoặc tối ưu mixed-precision.

Ngược lại, YOLOv10 tích hợp mượt mà với các workflow PyTorch hiện đại, nhưng chính hệ sinh thái Ultralytics mới thực sự thay đổi trải nghiệm developer. Các model Ultralytics có mức sử dụng bộ nhớ CUDA trong quá trình training thấp hơn đáng kể so với các kiến trúc dựa trên Transformer như RT-DETR.

Ví dụ code: Training tinh gọn#

Sử dụng API Ultralytics thống nhất, bạn có thể training liền mạch các model hiện đại chỉ với vài dòng Python. Cách này loại bỏ nhu cầu biên dịch thủ công các operator C++ hoặc xử lý những file cấu hình phức tạp.

from ultralytics import YOLO

# Initialize a pre-trained YOLOv10 model
model = YOLO("yolov10s.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate the model's performance
metrics = model.val()

# Export the optimized model to ONNX format
model.export(format="onnx")

Cú pháp đơn giản này cung cấp quyền truy cập ngay lập tức vào mixed precision tự động, data augmentation tự động và khả năng tích hợp sẵn với các công cụ như Weights & Biases.

Các trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa YOLOv10 và YOLOX 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 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 detection head hoặc hàm loss mới.
• Thiết bị edge siêu nhẹ: Triển khai trên microcontroller hoặc phần cứng mobile legacy, nơi footprint cực nhỏ của biến thể YOLOX-Nano (0.91M tham số) là yếu tố then chốt.
• Nghiên cứu gán nhãn SimOTA: Các project nghiên cứu tìm hiểu chiến lược gán nhãn dựa trên optimal transport và tác động của chúng đến quá trình hội tụ khi training.

Khi nào nên chọn Ultralytics (YOLO26)#

Đối với hầu hết dự án mới, Ultralytics YOLO26 mang đến sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm developer:

• 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.

Tương lai của Vision AI: YOLO26 xuất hiện#

Mặc dù YOLOv10 và YOLOX là những cột mốc quan trọng, bối cảnh thị giác máy tính vẫn không ngừng tiến về phía trước. Đối với developer bắt đầu dự án mới hiện nay, Ultralytics YOLO26 là lựa chọn được khuyến nghị hàng đầu.

Được phát hành vào tháng 1 năm 2026, Ultralytics YOLO26 phát triển dựa trên đột phá nền tảng của thiết kế end-to-end không dùng NMS do YOLOv10 tiên phong, đồng thời tinh chỉnh để đạt độ ổn định và tốc độ cao hơn.

YOLO26 nổi bật nhờ giới thiệu một số bước tiến vượt bậc:

• Inference trên CPU nhanh hơn tới 43%: Bằng cách loại bỏ Distribution Focal Loss (DFL) một cách có chiến lược, YOLO26 đạt hiệu năng vượt trội trên các edge device không có GPU.
• Optimizer MuSGD: Lấy cảm hứng từ độ ổn định trong training LLM, hybrid mới này kết hợp SGD và Muon để đảm bảo hội tụ nhanh hơn và các phiên training có độ ổn định cao.
• ProgLoss + STAL: Các hàm loss nâng cao này mang lại cải thiện đáng kể trong khả năng nhận diện đối tượng nhỏ, một yếu tố quan trọng đối với ảnh chụp từ trên không và cảm biến IoT.
• Tính linh hoạt vượt trội: Không giống YOLOX, vốn chỉ là một detector đối tượng, YOLO26 native hỗ trợ Instance Segmentation, Pose Estimation, Image Classification và OBB Detection trong một thư viện thống nhất duy nhất.

Ứng dụng thực tế#

Việc lựa chọn đúng model quyết định sự thành công của các hoạt động triển khai trong thực tế ở nhiều ngành khác nhau.

Phân tích video tốc độ cao#

Đối với việc xử lý các luồng video dày đặc, chẳng hạn như quản lý giao thông trong thành phố thông minh, YOLOv10 mang lại lợi thế đáng kể nhờ post-processing không dùng NMS. Việc loại bỏ nút thắt NMS cho phép duy trì độ trễ thấp ổn định, khiến model trở nên lý tưởng khi kết hợp với các thuật toán tracking như BoT-SORT.

Triển khai edge trên nền tảng cũ#

Đối với các thiết lập học thuật cũ hoặc ứng dụng Android legacy được tối ưu mạnh cho các paradigm convolution thuần túy, những model nhỏ hơn như YOLOX-Tiny vẫn có thể phù hợp với các use case chuyên biệt, trong đó việc duy trì môi trường PyTorch cũ được chấp nhận như một đánh đổi.

Thiết bị edge và IoT hiện đại#

Đối với các hoạt động triển khai trên phần cứng thế hệ mới, chẳng hạn như robotics, drone và phân tích kệ hàng bán lẻ, YOLO26 là giải pháp tối ưu. Độ trễ CPU được giảm mạnh và khả năng phát hiện đối tượng nhỏ vượt trội khiến model đặc biệt phù hợp với điều hướng tự động và quản lý hàng tồn kho chi tiết.

Để xem thêm các so sánh nhằm mở rộng bộ công cụ deep learning của bạn, bạn cũng có thể tìm hiểu cách các model này so sánh với những lựa chọn thay thế như YOLO11 linh hoạt hoặc RT-DETR được hỗ trợ bởi Transformer.