Link to this sectionYOLOv5 và EfficientDet: Đánh giá các kiến trúc phát hiện đối tượng thời gian thực#

Khi bắt đầu một dự án computer vision mới, việc chọn đúng kiến trúc mạng thần kinh là một trong những quyết định quan trọng nhất mà bạn sẽ thực hiện. Hướng dẫn này cung cấp một bản so sánh kỹ thuật chuyên sâu giữa Ultralytics YOLOv5 và EfficientDet của Google. Bằng cách phân tích kiến trúc, các chỉ số hiệu năng và hệ sinh thái huấn luyện của chúng, chúng tôi hướng tới việc giúp các nhà phát triển và nghiên cứu xác định mô hình object detection tốt nhất cho môi trường triển khai cụ thể của họ.

Trong khi EfficientDet giới thiệu các khái niệm mới trong việc mở rộng quy mô (compound scaling) và hợp nhất đặc trưng, YOLOv5 đã cách mạng hóa ngành công nghiệp bằng cách phổ cập quyền truy cập vào AI hiệu năng cao thông qua triển khai PyTorch cực kỳ trực quan, trải nghiệm người dùng được tối ưu hóa và sự cân bằng vô song giữa tốc độ và độ chính xác.

Link to this sectionUltralytics YOLOv5: Tiêu chuẩn ngành về khả năng tiếp cận#

Được phát hành vào mùa hè năm 2020, YOLOv5 đánh dấu một bước ngoặt quan trọng trong dòng họ YOLO. Chuyển đổi từ khung Darknet dựa trên C sang PyTorch gốc, nó đã trở thành kiến trúc được lựa chọn hàng đầu cho các nhà phát triển muốn xây dựng, huấn luyện và triển khai các mô hình một cách nhanh chóng.

• Tác giả: Glenn Jocher
• Tổ chức: Ultralytics
• Ngày: 2020-06-26
• GitHub: https://github.com/ultralytics/yolov5
• Tài liệu: https://docs.ultralytics.com/models/yolov5

Link to this sectionCải tiến kiến trúc#

YOLOv5 được vinh danh nhờ kiến trúc tối ưu hóa cao, ưu tiên một vòng đời machine learning liền mạch. Nó sử dụng backbone CSPDarknet53 đã được sửa đổi kết hợp với neck Path Aggregation Network (PANet), giúp cải thiện đáng kể khả năng truyền bá đặc trưng qua nhiều quy mô không gian.

Các tiến bộ chính bao gồm:

• Mosaic Data Augmentation: Kỹ thuật huấn luyện này kết hợp bốn hình ảnh huấn luyện riêng biệt thành một bức tranh mosaic. Điều này buộc mô hình phải học cách nhận diện đối tượng trong các ngữ cảnh không gian phức tạp và tăng cường đáng kể khả năng phát hiện các mục tiêu nhỏ.
• Tự động học Anchor Boxes: Trước khi quá trình huấn luyện bắt đầu, YOLOv5 phân tích training data tùy chỉnh của bạn và tự động tính toán các kích thước anchor box tối ưu bằng cách sử dụng phân cụm k-means.
• Hiệu quả bộ nhớ: So với các mô hình dựa trên Transformer nặng nề, YOLOv5 duy trì mức chiếm dụng bộ nhớ thấp hơn đáng kể trong cả quá trình huấn luyện và suy luận, cho phép nó chạy mượt mà trên phần cứng cấp độ người dùng.

Tìm hiểu thêm về YOLOv5

Link to this sectionEfficientDet: Phát hiện đối tượng có khả năng mở rộng#

Được giới thiệu bởi Google Research vào năm 2019, EfficientDet hướng tới việc cung cấp một bộ các bộ phát hiện đối tượng có khả năng mở rộng. Nó được xây dựng dựa trên backbone phân loại hình ảnh EfficientNet và giới thiệu một cơ chế hợp nhất đặc trưng mới lạ.

• Tác giả: Mingxing Tan, Ruoming Pang và Quoc V. Le
• Tổ chức: Google
• Ngày: 20-11-2019
• Arxiv: https://arxiv.org/abs/1911.09070
• GitHub: https://github.com/google/automl/tree/master/efficientdet
• Tài liệu: https://github.com/google/automl/tree/master/efficientdet#readme

Link to this sectionCải tiến kiến trúc#

Đề xuất cốt lõi của EfficientDet nằm ở phương pháp tiếp cận có hệ thống đối với việc mở rộng quy mô và tổng hợp đặc trưng:

• BiFPN (Bi-directional Feature Pyramid Network): Không giống như các FPN truyền thống chỉ truyền thông tin từ trên xuống dưới, BiFPN cho phép hợp nhất đặc trưng đa quy mô nhanh chóng và dễ dàng bằng cách giới thiệu các trọng số có thể học được để tìm hiểu tầm quan trọng của các đặc trưng đầu vào khác nhau.
• Compound Scaling: EfficientDet mở rộng đồng thời độ phân giải, độ sâu và độ rộng cho tất cả các mạng backbone, mạng đặc trưng và mạng dự đoán box/class, dẫn đến các mô hình từ D0 nhẹ cho đến D7 khổng lồ.

Tìm hiểu thêm về EfficientDet

Link to this sectionSo sánh Hiệu năng và Chỉ số#

Khi so sánh các mô hình này, việc đánh giá hiệu năng của chúng trên các bộ chuẩn như COCO dataset là rất quan trọng. Bảng dưới đây làm nổi bật các đánh đổi giữa kích thước, nhu cầu tính toán (FLOPs) và tốc độ suy luận.

Link to this sectionPhân tích cân bằng#

YOLOv5 tỏa sáng ở khả năng linh hoạt khi triển khai và khả năng tương thích tăng tốc phần cứng thô. Hãy chú ý đến tốc độ TensorRT cực nhanh trên GPU T4. Điều này làm cho YOLOv5 cực kỳ phù hợp cho các luồng phân tích video có lưu lượng cao và các đường ống real-time inference. Hơn nữa, hệ sinh thái Ultralytics giúp việc xuất sang các định dạng như ONNX, CoreML và TensorRT trở thành một dòng lệnh duy nhất.

EfficientDet cung cấp hiệu quả tham số tuyệt vời. Với một số lượng tham số nhất định, nó thường trích xuất được mean Average Precision (mAP) cao. Tuy nhiên, hiệu quả lý thuyết này không phải lúc nào cũng chuyển thành thời gian suy luận thực tế nhanh hơn trên các GPU biên do việc định tuyến phức tạp của lớp BiFPN, vốn có thể bị giới hạn bởi băng thông bộ nhớ thay vì giới hạn bởi khả năng tính toán.

Link to this sectionHệ sinh thái và tính dễ sử dụng#

Lợi thế xác định của việc chọn một mô hình Ultralytics nằm ở hệ sinh thái đi kèm. YOLOv5 là một phần của kho lưu trữ được duy trì chặt chẽ, phát triển tích cực với sự hỗ trợ cộng đồng khổng lồ.

Với sự ra đời của Ultralytics Platform, người dùng có thể chuyển đổi liền mạch từ thu thập dữ liệu sang triển khai. Nền tảng này hỗ trợ gán nhãn tự động, huấn luyện trên đám mây và giám sát mô hình ngay lập tức. Ngược lại, việc huấn luyện EfficientDet thường đòi hỏi phải điều hướng qua các phức tạp của các API phát hiện đối tượng TensorFlow cũ, điều này có thể gây khó khăn cho việc tạo nguyên mẫu nhanh.

Hơn nữa, sự linh hoạt của YOLOv5 còn mở rộng ra ngoài các bounding box. Thông qua các bản cập nhật liên tục, khung Ultralytics hỗ trợ nguyên bản cho instance segmentation và image classification, cung cấp một API thống nhất cho nhiều tác vụ computer vision.

Link to this sectionCác trường hợp sử dụng lý tưởng#

• Chọn YOLOv5 khi: Bạn cần tạo nguyên mẫu nhanh, trải nghiệm huấn luyện không ma sát và triển khai ở biên được tối ưu hóa cao. Nó lý tưởng cho drone, retail analytics và các ứng dụng di động nơi độ trễ thấp là yếu tố then chốt.
• Chọn EfficientDet khi: Bạn đang hoạt động nghiêm ngặt trong môi trường Google Cloud/TensorFlow AutoML và yêu cầu độ chính xác tối đa trên mỗi tham số mà không có các ràng buộc nghiêm ngặt về độ trễ thời gian thực.

Link to this sectionThế hệ tiếp theo: Đón đầu YOLO26#

Trong khi YOLOv5 vẫn là một cỗ máy đáng tin cậy, bối cảnh computer vision đã tiến bộ. Đối với các nhà phát triển đang tìm kiếm đỉnh cao công nghệ tuyệt đối vào năm 2026, YOLO26 đại diện cho đỉnh cao mới của dòng sản phẩm Ultralytics.

Dựa trên di sản của những người tiền nhiệm (như YOLOv8 và YOLO11), YOLO26 giới thiệu những đổi mới mang tính đột phá:

• Thiết kế End-to-End NMS-Free: YOLO26 loại bỏ nguyên bản nhu cầu xử lý hậu kỳ Non-Maximum Suppression. Điều này làm giảm đáng kể sự thay đổi độ trễ và đơn giản hóa kiến trúc triển khai.
• Tốc độ suy luận CPU nhanh hơn tới 43%: Được tối ưu hóa mạnh mẽ cho edge AI, nó mang lại tốc độ chưa từng có cho các thiết bị biên tiêu thụ điện năng thấp và các CPU tiêu chuẩn không có GPU chuyên dụng.
• MuSGD Optimizer: Lấy cảm hứng từ các kỹ thuật huấn luyện Large Language Model (LLM), sự kết hợp giữa SGD và Muon này đảm bảo quá trình huấn luyện cực kỳ ổn định và hội tụ nhanh chóng.
• Các hàm Loss tiên tiến: Việc tích hợp ProgLoss và STAL cải thiện đáng kể khả năng nhận diện các mục tiêu nhỏ, điều quan trọng đối với hình ảnh drone tầm cao và robotics.
• Loại bỏ DFL: Bằng cách loại bỏ Distribution Focal Loss, quá trình xuất mô hình được hợp lý hóa, tăng cường hơn nữa khả năng tương thích trên các bộ tăng tốc phần cứng đa dạng.

Người dùng muốn khám phá các kiến trúc gần đây khác trong hệ sinh thái Ultralytics cũng có thể so sánh các mô hình như YOLOv10 hoặc RT-DETR.

Link to this sectionVí dụ mã: Huấn luyện và Suy luận#

Để chứng minh sự dễ sử dụng vô song của hệ sinh thái Ultralytics, đây là cách bạn có thể huấn luyện và thực hiện suy luận bằng một mô hình YOLO hiện đại. Mã này có thể chạy 100% và xử lý tự động việc tải xuống tập dữ liệu, các vòng lặp huấn luyện và xác thực.

from ultralytics import YOLO

# Load a modern model (Swap 'yolov5s.pt' for 'yolo26n.pt' to test the newest architecture!)
model = YOLO("yolov5s.pt")

# Train the model on the COCO8 example dataset for 20 epochs
results = model.train(data="coco8.yaml", epochs=20, imgsz=640)

# Run inference on an image from the web
inference_results = model("https://ultralytics.com/images/bus.jpg")

# Display the image with bounding boxes
inference_results[0].show()

Bằng cách ưu tiên trải nghiệm người dùng, duy trì một hệ sinh thái mạnh mẽ và liên tục đẩy lùi các giới hạn của những gì có thể thực hiện được với các bản cập nhật như YOLO26, Ultralytics đảm bảo rằng các nhà phát triển luôn có sẵn các công cụ tốt nhất để giải quyết các thách thức về trí tuệ thị giác trong thế giới thực.