Bắt đầu

YOLOv5 so với YOLOv9

Lĩnh vực thị giác máy tính và phát hiện vật thể theo thời gian thực đã có nhiều tiến bộ đáng kể trong vài năm qua. Việc lựa chọn giữa các model đã được kiểm chứng qua thực tế và những kiến trúc nghiên cứu mới hơn là thách thức thường gặp đối với các kỹ sư machine learning. Hướng dẫn này cung cấp phần so sánh kỹ thuật toàn diện giữa hai model có ảnh hưởng lớn trong họ YOLO: YOLOv5 và YOLOv9.

Dù triển khai trên thiết bị biên hạn chế tài nguyên, nghiên cứu trích xuất đặc trưng có độ trung thực cao hay xây dựng pipeline phát hiện vật thể phức tạp, việc hiểu rõ khác biệt về kiến trúc, chỉ số hiệu năng và hỗ trợ hệ sinh thái của các model này đều rất quan trọng.

Tổng quan về model#

Trước khi đi sâu vào so sánh kiến trúc, việc tìm hiểu nguồn gốc và mục tiêu chính của từng model sẽ rất hữu ích.

Ultralytics YOLOv5#

Do Glenn Jocher phát triển và được Ultralytics phát hành vào ngày 26 tháng 6 năm 2020, YOLOv5 đã thay đổi cách nhà phát triển tương tác với các model thị giác. Bằng cách tận dụng hoàn toàn framework PyTorch, YOLOv5 thay thế các bước biên dịch phức tạp của những model dựa trên Darknet đời trước bằng trải nghiệm sử dụng trực quan, ưu tiên Python.

YOLOv5 nổi bật nhờ Dễ sử dụng và hiệu năng ổn định trên nhiều môi trường phần cứng. Model này không chỉ hỗ trợ phát hiện mà còn hỗ trợ phân đoạn instance và phân loại ảnh.

YOLOv9#

Được giới thiệu bởi Chien-Yao Wang và Hong-Yuan Mark Liao thuộc Viện Khoa học Thông tin tại Academia Sinica, Đài Loan, YOLOv9 tập trung nhiều vào lý thuyết kiến trúc nhằm giảm thiểu các vấn đề nút thắt thông tin trong mạng neural sâu.

YOLOv9 dựa trên hai đổi mới lý thuyết chính: Thông tin Gradient có thể lập trình (PGI) và Mạng tổng hợp lớp hiệu quả tổng quát (GELAN). Các khái niệm này giúp model giữ lại những đặc trưng không gian quan trọng qua các lớp mạng sâu.

Tìm hiểu thêm về YOLOv9

Triển khai sẵn sàng cho tương lai

Dù YOLOv5 và YOLOv9 đều mạnh mẽ, YOLO26 mới hơn mang lại sự cân bằng tốt giữa tốc độ và độ chính xác. Với suy luận end-to-end không cần NMS tùy chọn và tốc độ suy luận CPU nhanh hơn tới 43% (YOLO26n so với YOLO11n), YOLO26 được khuyến nghị cho điện toán biên hiện đại và triển khai trong môi trường production.

Khác biệt về kiến trúc và kỹ thuật#

Hiểu rõ các yếu tố nền tảng của những model thị giác này là điều thiết yếu để tối ưu chiến lược triển khai model.

Trích xuất và lưu giữ đặc trưng#

YOLOv5 sử dụng backbone Cross Stage Partial Network (CSPNet), giúp giảm hiệu quả chi phí tính toán trong khi duy trì luồng gradient chính xác trong quá trình lan truyền ngược. Thiết kế này được tối ưu cao cho các phép toán GPU truyền thống và bảo đảm yêu cầu bộ nhớ khi huấn luyện thấp hơn so với các phương án Transformer nặng.

YOLOv9 giới thiệu GELAN, một kiến trúc tổng quát mở rộng các nguyên lý của CSPNet. Kết hợp với PGI—một nhánh đảo ngược phụ trợ—YOLOv9 giúp các lớp sâu giữ lại thông tin ngữ nghĩa cần thiết để tính gradient đáng tin cậy. Nhờ đó, YOLOv9 đạt độ chính xác cao, đặc biệt với các đối tượng nhỏ.

Yêu cầu bộ nhớ và hiệu quả huấn luyện#

Xét về hiệu quả huấn luyện, YOLOv5 vẫn rất mạnh. Hệ sinh thái Ultralytics được duy trì tốt giúp các model YOLOv5 tiêu thụ ít bộ nhớ CUDA hơn đáng kể, cho phép nhà nghiên cứu tối đa hóa kích thước batch trên GPU phổ thông. YOLOv9 có hiệu quả tham số rất tốt (độ chính xác cao so với kích thước model), nhưng quá trình huấn luyện có thể đòi hỏi nhiều tài nguyên hơn nếu không sử dụng framework được tối ưu hóa. May mắn là việc tích hợp YOLOv9 vào API Ultralytics giúp model này tiến gần hơn đến khả năng quản lý tài nguyên tinh gọn của YOLOv5.

Hiệu năng và các chỉ số#

Bảng dưới đây so sánh hiệu năng của hai model trên tập dữ liệu COCO, bao gồm mAP (độ chính xác trung bình trung bình), tốc độ suy luận và số lượng tham số.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

Như bảng cho thấy, YOLOv9 đạt độ chính xác thô cao hơn ở các cấp tương đương, phản ánh kiến trúc mới hơn. Tuy nhiên, YOLOv5n duy trì độ trễ TensorRT T4 thấp ở mức 1.12 ms, cho thấy thế mạnh bền vững của model này trong các ứng dụng điện toán biên tốc độ cao, xử lý cục bộ.

Phương pháp huấn luyện và tính dễ sử dụng#

Ngày nay, phần lớn giá trị thực tiễn của thị giác máy tính nằm ở khả năng tiếp cận chuỗi công cụ.

Lợi thế của Ultralytics#

Các repository nghiên cứu gốc của những model như YOLOv9 đóng vai trò nền tảng, nhưng thường đi kèm ma trận dependency phức tạp và các script mẫu rập khuôn. API Python của Ultralytics trừu tượng hóa phần lớn sự phức tạp này. Với hệ sinh thái Ultralytics, bạn có thể huấn luyện, đánh giá và xuất cả YOLOv5 lẫn YOLOv9 bằng cùng một cú pháp thống nhất.

from ultralytics import YOLO

# Nạp model YOLOv5 đã huấn luyện trước để triển khai nhanh
model_v5 = YOLO("yolov5su.pt")  # YOLOv5u: weight YOLOv5 không anchor dành cho package ultralytics

# Hoặc sử dụng model YOLOv9 để đạt độ chính xác cao
model_v9 = YOLO("yolov9c.pt")

# Huấn luyện trên dataset mẫu COCO8
results = model_v9.train(data="coco8.yaml", epochs=50, imgsz=640)

# Export model đã huấn luyện sang ONNX
model_v9.export(format="onnx")

Cách tiếp cận một API duy nhất này mang lại Tính linh hoạt rộng, không chỉ hỗ trợ phát hiện mà còn hỗ trợ phân đoạn instance, ước lượng tư thế và hộp giới hạn định hướng (OBB), tùy theo model được chọn. Các tích hợp với công cụ như Comet và Weights & Biases cũng được tích hợp vào vòng lặp huấn luyện.

Trường hợp sử dụng lý tưởng và ứng dụng thực tế#

Việc lựa chọn giữa các kiến trúc này phần lớn phụ thuộc vào giới hạn phần cứng và độ chính xác mà lĩnh vực ứng dụng yêu cầu.

Khi nào nên chọn YOLOv5#

YOLOv5 là model trưởng thành, phù hợp với các triển khai ưu tiên tính ổn định, dung lượng bộ nhớ thấp và khả năng tương thích rộng khi xuất model.

  • Triển khai trên thiết bị di động: Việc xuất YOLOv5 sang LiteRT hoặc CoreML để suy luận trực tiếp trên các smartphone đời cũ rất đơn giản.
  • Phần cứng biên đời cũ: Với các thiết bị như Raspberry Pi hoặc NVIDIA Jetson Nano thế hệ đầu, các phép tích chập đơn giản của YOLOv5 giúp duy trì tốc độ khung hình ổn định cho các ứng dụng như quản lý bãi đỗ xe thông minh.
  • Tạo nguyên mẫu nhanh: Nguồn tài liệu hướng dẫn cộng đồng phong phú, trọng số pretrained tùy chỉnh sẵn có rộng rãi và khả năng tương thích với nhiều tập dữ liệu giúp đây là cách nhanh nhất để xác thực một proof-of-concept.

Khi nào nên chọn YOLOv9#

YOLOv9 lý tưởng cho các tình huống cần nắm bắt chi tiết phức tạp và giảm thiểu âm tính giả, ngay cả khi phải đánh đổi bằng một phần chi phí tính toán.

  • Ảnh chụp từ trên không và ảnh vệ tinh: Framework PGI giúp duy trì độ trung thực của vật thể nhỏ, khiến YOLOv9 đặc biệt phù hợp với giám sát nông nghiệp bằng drone.
  • Chẩn đoán hình ảnh y tế: Khi phát hiện bất thường hoặc tổn thương rất nhỏ trong ảnh quét độ phân giải cao, luồng gradient chính xác của GELAN mang lại lợi thế cần thiết về recall.
  • Phân tích bán lẻ cao cấp: Việc theo dõi các sản phẩm chồng lấn trên kệ hàng dày đặc được hưởng lợi từ khả năng duy trì đặc trưng tốt hơn của YOLOv9.

Mở rộng phạm vi khám phá#

Dù so sánh YOLOv5 và YOLOv9 cho thấy rõ sự phát triển của kiến trúc từ năm 2020 đến năm 2024, lĩnh vực này vẫn tiếp tục thay đổi nhanh chóng. Với nhà phát triển muốn đạt hiệu năng mới nhất, các model YOLO26 là lựa chọn được khuyến nghị. Bằng cách cung cấp Thiết kế NMS-Free End-to-End nguyên bản tùy chọn (nms=False) thay cho Non-Maximum Suppression truyền thống và sử dụng Bộ tối ưu MuSGD tiên tiến, YOLO26 thu hẹp khoảng cách giữa độ chính xác cấp độ nghiên cứu và tốc độ cấp độ production. Nhờ loại bỏ DFL (loại bỏ Distribution Focal Loss để đơn giản hóa việc xuất model và tăng khả năng tương thích với thiết bị biên/thiết bị công suất thấp), YOLO26n suy luận trên CPU nhanh hơn tới 43% so với YOLO11n, rất phù hợp với điện toán biên. Ngoài ra, ProgLoss + STAL kết hợp hàm loss tăng dần với cơ chế gán nhãn có xét đến mục tiêu nhỏ, giúp cải thiện đáng kể khả năng nhận diện vật thể nhỏ—yếu tố quan trọng đối với IoT, robot và ảnh chụp từ trên không.

Bạn cũng có thể muốn so sánh các kiến trúc này với những model khác, chẳng hạn như YOLOv5 và RT-DETR hoặc YOLOv5 và YOLO11. Framework Ultralytics thống nhất giúp pipeline phát triển của bạn luôn nhất quán, bất kể bạn chọn model nào.

Người đóng góp

Bình luận

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