YOLOv5 và YOLO11
Khi chọn kiến trúc thị giác máy tính phù hợp cho dự án mới, việc hiểu rõ quá trình phát triển của các model tiên tiến là rất quan trọng. Tiến trình từ kiến trúc cũ đến framework thống nhất hiện đại cho thấy những bước tiến đáng kể về cả hiệu quả thuật toán lẫn trải nghiệm developer. Hướng dẫn này so sánh kỹ thuật hai model được Ultralytics phát triển và sử dụng rộng rãi: YOLOv5 và thế hệ kế nhiệm YOLO11.
Giới thiệu các model#
Cả hai kiến trúc đều là những cột mốc quan trọng trong lĩnh vực phát hiện đối tượng thời gian thực, với các ưu điểm riêng tùy theo môi trường triển khai và yêu cầu tương thích hệ thống cũ.
YOLOv5: Model chủ lực của ngành#
Ra mắt vào mùa hè năm 2020, YOLOv5 nhanh chóng trở thành tiêu chuẩn ngành nhờ triển khai gốc trên PyTorch, giúp hạ thấp rào cản huấn luyện và triển khai. Model không còn sử dụng framework C Darknet phức tạp của các thế hệ trước, thay vào đó cung cấp cách tiếp cận theo phong cách Python để xây dựng model.
- Tác giả: Glenn Jocher
- Tổ chức: Ultralytics
- Ngày: 2020-06-26
- GitHub: ultralytics/yolov5
- Tài liệu: Tài liệu YOLOv5
YOLOv5 thiết lập baseline vững chắc về tính dễ sử dụng và giới thiệu các phương pháp huấn luyện mạnh mẽ, bao gồm tăng cường dữ liệu Mosaic và tự động tạo anchor. Model vẫn phổ biến với các nhà nghiên cứu phát triển dựa trên codebase được tài liệu hóa đầy đủ và kiểm thử kỹ lưỡng.
YOLO11: Framework thị giác thống nhất#
Dựa trên nhiều năm phản hồi và nghiên cứu kiến trúc, YOLO11 được giới thiệu như một phần của framework thống nhất, có khả năng xử lý nguyên bản nhiều tác vụ thị giác. Không chỉ giới hạn ở bounding box, model được thiết kế từ đầu để đạt tính linh hoạt và hiệu quả tối đa.
- Tác giả: Glenn Jocher và Jing Qiu
- Tổ chức: Ultralytics
- Ngày: 2024-09-27
- GitHub: ultralytics/ultralytics
- Tài liệu: Tài liệu YOLO11
YOLO11 mang đến trải nghiệm người dùng tinh gọn thông qua package Python ultralytics, với API đơn giản thống nhất phát hiện đối tượng, phân đoạn thực thể, phân loại, ước tính tư thế và hộp giới hạn định hướng (OBB). Model đạt được sự cân bằng rất thuận lợi giữa tốc độ và độ chính xác, phù hợp với nhiều kịch bản triển khai thực tế.
Cả hai model đều được hưởng lợi từ hệ sinh thái được duy trì tốt của Ultralytics Platform. Môi trường tích hợp này đơn giản hóa việc gán nhãn tập dữ liệu, huấn luyện đám mây và xuất model cho nhiều loại phần cứng.
So sánh hiệu năng và chỉ số#
So sánh trực tiếp các model này cho thấy những tinh chỉnh kiến trúc chuyển thành cải thiện hiệu năng thực tế như thế nào. Bảng dưới đây trình bày độ chính xác trung bình (mAP) được đánh giá trên dataset COCO, cùng tốc độ suy luận CPU và GPU và số lượng tham số.
| Model | kích thước (pixel) | mAPval50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
Phân tích kết quả#
Các chỉ số cho thấy YOLO11 đạt cân bằng hiệu năng tốt hơn rõ rệt. Chẳng hạn, model YOLO11n (nano) đạt 39.5% mAP so với 28.0% của YOLOv5n, tăng 11.5 điểm chỉ với thêm 0.7M tham số. YOLO11 cũng cần ít bộ nhớ khi huấn luyện hơn các model dựa trên Transformer, nhờ đó có thể huấn luyện trên phần cứng phổ thông và triển khai trên thiết bị biên.
Khác biệt về kiến trúc#
Những cải thiện hiệu năng của YOLO11 bắt nguồn từ một số bước phát triển kiến trúc quan trọng. Trong khi YOLOv5 sử dụng backbone CSPNet tiêu chuẩn với các module C3, những model Ultralytics mới hơn đã giới thiệu các khối trích xuất đặc trưng hiệu quả hơn như C2f (YOLOv8) và C3k2 (YOLO11), giúp tối ưu luồng gradient và giảm chi phí tính toán.
YOLO11 cũng có head được tinh chỉnh đáng kể. Thay cho thiết kế dùng anchor của các model cũ, các kiến trúc Ultralytics mới hơn sử dụng phương pháp không anchor. Cách này giảm số lượng dự đoán hộp, tinh gọn quy trình hậu xử lý và cải thiện khả năng tổng quát hóa của model trên các tỷ lệ kích thước và tỷ lệ khung hình khác nhau. Ngoài ra, các model này có hiệu quả huấn luyện tốt hơn và cung cấp sẵn weights pretrained, giúp hội tụ nhanh hơn khi fine-tune trên dataset tùy chỉnh.
Triển khai và ví dụ mã nguồn#
Một trong những điểm nổi bật của hệ sinh thái Ultralytics là tính đơn giản. Trong khi YOLOv5 phổ biến hóa việc sử dụng torch.hub để suy luận nhanh, YOLO11 tiến thêm một bước với package Python thống nhất ultralytics.
Huấn luyện với YOLO11#
Việc tải, huấn luyện và xác thực model chỉ cần rất ít mã boilerplate. API cung cấp các thiết lập mặc định hợp lý cho huấn luyện và tự động xử lý checkpoint cùng logging.
from ultralytics import YOLO
# Tải model YOLO11 đã huấn luyện trước
model = YOLO("yolo11s.pt")
# Huấn luyện trên tập dữ liệu tùy chỉnh trong 50 epoch
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Chạy suy luận nhanh và hiển thị kết quả
predictions = model("https://ultralytics.com/images/bus.jpg")
predictions[0].show()
# Dễ dàng xuất model sang TensorRT để tăng tốc phần cứng
model.export(format="engine")Suy luận với YOLOv5 trên hệ thống cũ#
Nếu đang duy trì một pipeline cũ, YOLOv5 tích hợp trực tiếp với cơ chế tải gốc của PyTorch, giúp dễ dàng đưa model vào các script suy luận hiện có.
import torch
# Tải model YOLOv5 tùy chỉnh hoặc tiền huấn luyện từ PyTorch Hub
model = torch.hub.load("ultralytics/yolov5", "yolov5s")
# Thực hiện suy luận trên URL ảnh
results = model("https://ultralytics.com/images/zidane.jpg")
# In thông tin chi tiết về dự đoán ra console
results.print()Cả hai model đều hỗ trợ nhiều định dạng xuất. Dù bạn nhắm đến NVIDIA Jetson bằng TensorRT hay ứng dụng iOS sử dụng CoreML, quy trình triển khai đều được tài liệu hóa đầy đủ và cộng đồng hỗ trợ.
Các trường hợp sử dụng phù hợp nhất#
Việc lựa chọn giữa các model này phần lớn phụ thuộc vào giai đoạn vòng đời và yêu cầu cụ thể của dự án.
Khi nào nên chọn YOLOv5#
- Duy trì codebase cũ: Nếu môi trường production được tùy chỉnh sâu dựa trên cấu trúc repository YOLOv5 hoặc các kỹ thuật tiến hóa hyperparameter cụ thể.
- Mốc chuẩn học thuật: Khi công bố nghiên cứu cần benchmark trực tiếp với các tiêu chuẩn thị giác máy tính đã được thiết lập trong giai đoạn 2020–2022.
Khi nào nên chọn YOLO11#
- Dự án đa tác vụ: Khi ứng dụng cần kết hợp nhiều tác vụ như ước tính tư thế và phân đoạn thực thể thông qua một API thống nhất duy nhất.
- Triển khai biên: Dành cho các kịch bản điện toán biên, trong đó việc tối đa hóa mAP trong một ngân sách tính toán nhất định (FLOPs) là yếu tố then chốt.
- Giải pháp AI thương mại: Phù hợp với các ứng dụng doanh nghiệp trong lĩnh vực bán lẻ và an ninh, có sự hỗ trợ từ Ultralytics Platform.
Thế hệ tiếp theo: Ultralytics YOLO26#
YOLO11 mang lại sự cân bằng tốt giữa tốc độ và độ chính xác, nhưng lĩnh vực này phát triển nhanh chóng. Với developer bắt đầu dự án mới hiện nay, Ultralytics khuyến nghị model mới nhất: Ultralytics YOLO26.
Ra mắt vào tháng 1 năm 2026, YOLO26 giới thiệu một số tiến bộ được thiết kế để đáp ứng nhu cầu triển khai hiện đại:
- Thiết kế đầu-cuối không cần NMS: Dựa trên phương pháp huấn luyện không cần NMS mà YOLOv10 đã giới thiệu cho các model YOLO, YOLO26 hỗ trợ suy luận đầu-cuối nguyên bản. Head một-một tùy chọn (
nms=False) loại bỏ nhu cầu hậu xử lý Loại bỏ hộp giới hạn không cực đại (NMS), giúp đơn giản hóa pipeline triển khai và giảm độ trễ. - Bộ tối ưu MuSGD: Lấy cảm hứng từ các cải tiến huấn luyện LLM trong những model như Kimi K2 của Moonshot AI, bộ tối ưu kết hợp SGD và Muon này giúp huấn luyện ổn định hơn và hội tụ nhanh hơn.
- Suy luận CPU nhanh hơn: Sau khi loại bỏ Distribution Focal Loss (DFL), YOLO26n chạy nhanh hơn tới 43% trên CPU so với YOLO11n, nhờ đó YOLO26 phù hợp với thiết bị biên và môi trường không có GPU chuyên dụng.
- Phương pháp huấn luyện tiên tiến: Việc tích hợp ProgLoss và STAL giúp cải thiện đáng kể khả năng nhận diện vật thể nhỏ, yếu tố thiết yếu trong phân tích bằng drone, IoT và robot.
- Cải tiến chuyên biệt theo tác vụ: Model giới thiệu các tối ưu hóa chuyên dụng như Ước tính hợp lý log dư (RLE) cho tác vụ tư thế và hàm loss góc chuyên biệt cho hộp giới hạn có hướng, giúp cải thiện độ chính xác trên các tác vụ được hỗ trợ.
Người dùng quan tâm đến các kiến trúc chuyên biệt ngoài phát hiện vật thể tiêu chuẩn có thể tìm hiểu các model như RT-DETR để phát hiện dựa trên Transformer hoặc YOLO-World để theo dõi và phát hiện với từ vựng mở. Những công cụ được duy trì tốt này giúp pipeline thị giác máy tính luôn hiệu quả và có khả năng mở rộng.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.