Bắt đầu

YOLOv6-3.0 và PP-YOLOE+

Khi chọn framework cho phát hiện vật thể thời gian thực, các kỹ sư machine learning thường đánh giá nhiều kiến trúc hiệu năng cao. Hai model đáng chú ý trong lĩnh vực ứng dụng công nghiệp là YOLOv6-3.0 và PP-YOLOE+. Cả hai model đều mở rộng giới hạn về độ chính xác và tốc độ, nhưng được thiết kế cho các hệ sinh thái và phần cứng triển khai hơi khác nhau.

Bài so sánh kỹ thuật này phân tích chuyên sâu kiến trúc, chỉ số hiệu năng và phương pháp huấn luyện của các model, đồng thời giới thiệu những lựa chọn hiện đại như Ultralytics YOLO26, với khả năng hỗ trợ nhiều tác vụ hơn và workflow đơn giản hơn.

YOLOv6-3.0: Động cơ công nghiệp thông lượng cao#

Được phát triển bởi Bộ phận Vision AI của Meituan, YOLOv6-3.0 được tối ưu hóa mạnh cho môi trường công nghiệp, đặc biệt là những môi trường sử dụng GPU cấp máy chủ mạnh mẽ.

  • Tác giả: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu và Xiangxiang Chu
  • Tổ chức: Meituan
  • Ngày: 2023-01-13
  • arXiv: 2301.05586
  • GitHub: meituan/YOLOv6

Các cải tiến kiến trúc#

YOLOv6-3.0 sử dụng backbone EfficientRep, được thiết kế chuyên biệt để tối đa hóa hiệu suất khai thác accelerator phần cứng như GPU NVIDIA. Kiến trúc này giới thiệu module Nối kết hai chiều (BiC) trong neck, cải thiện việc hợp nhất đặc trưng đa scale. Ngoài ra, model tích hợp chiến lược Huấn luyện có hỗ trợ anchor (AAT). Phương pháp lai này tận dụng khả năng hội tụ ổn định của mạng dựa trên anchor trong giai đoạn huấn luyện, đồng thời loại bỏ anchor khi suy luận để duy trì tốc độ đặc trưng của detector không dùng anchor.

Tìm hiểu thêm về YOLOv6

PP-YOLOE+: Model phát hiện hàng đầu của PaddlePaddle#

PP-YOLOE+ là phiên bản phát triển của dòng PP-YOLO, được các nhà nghiên cứu Baidu phát triển hoàn toàn trong framework PaddlePaddle. Model hoạt động tốt trong những môi trường đã thiết lập hệ sinh thái Paddle.

Các cải tiến kiến trúc#

PP-YOLOE+ là detector không dùng anchor, giới thiệu chiến lược gán nhãn động có tên TAL (Task Alignment Learning). Model sử dụng backbone CSPRepResNet, giúp trích xuất đặc trưng ngữ nghĩa hiệu quả mà vẫn đảm bảo hiệu suất tính toán. Model được tối ưu để triển khai qua TensorRT và OpenVINO, là lựa chọn đáng cân nhắc cho triển khai trên thiết bị biên và máy chủ nếu người dùng quen với framework PaddlePaddle. Các model Ultralytics cũng có thể được export sang PaddlePaddle khi dự án yêu cầu.

Tìm hiểu thêm về PP-YOLOE+

Các yếu tố cần cân nhắc về framework

Dù PP-YOLOE+ mang lại kết quả xuất sắc, việc phụ thuộc vào PaddlePaddle có thể khiến các kỹ sư quen với PyTorch phải mất thời gian làm quen. Sử dụng framework thống nhất như Ultralytics có thể rút ngắn thời gian thiết lập.

So sánh hiệu năng#

Để đánh giá các model này, cần xem xét sự cân bằng giữa độ chính xác trung bình (mAP) và tốc độ suy luận. Bảng dưới đây nêu bật hiệu năng của chúng trên bộ dữ liệu validation COCO.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
YOLOv6-3.0n64037.5-1.174.711.4
YOLOv6-3.0s64045.0-2.6618.545.3
YOLOv6-3.0m64050.0-5.2834.985.8
YOLOv6-3.0l64052.8-8.9559.6150.7
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59

Dù cả hai model đều có hiệu năng mạnh, YOLOv6-3.0 thường nhỉnh hơn một chút về tốc độ TensorRT thuần ở các kích thước model nhỏ, nhờ đó hiệu quả trong thanh toán tự động tốc độ cao hoặc phát hiện lỗi sản xuất. Ngược lại, PP-YOLOE+ mở rộng tốt ở số lượng tham số lớn hơn để đạt độ chính xác tối đa.

Ưu thế của Ultralytics: Giới thiệu YOLO26#

Dù YOLOv6-3.0 và PP-YOLOE+ đều có năng lực cao, sự phát triển nhanh chóng của thị giác máy tính đòi hỏi các kiến trúc không chỉ có tốc độ thuần túy mà còn dễ sử dụng, ít tốn bộ nhớ và có hệ sinh thái thống nhất. Các model Ultralytics YOLO, đặc biệt là YOLO11 và YOLO26 mới nhất, được xây dựng để đáp ứng những yêu cầu này.

Được phát hành vào tháng 1 năm 2026, YOLO26 được thiết kế để ưu tiên triển khai trên thiết bị biên và đám mây, với một số lợi thế so với các model cũ:

  • Thiết kế end-to-end không cần NMS: Dựa trên nền tảng do YOLOv10 đặt ra, head one-to-one tùy chọn của YOLO26 (nms=False) bỏ qua bước Non-Maximum Suppression (NMS) trong quá trình hậu xử lý. Điều này đơn giản hóa logic triển khai và giảm biến thiên độ trễ trong các cảnh đông đúc.
  • Suy luận trên CPU nhanh hơn tới 43%: Sau khi loại bỏ Distribution Focal Loss (DFL), YOLO26n chạy trên CPU nhanh hơn tới 43% so với YOLO11n, phù hợp với thiết bị IoT và ứng dụng di động.
  • Optimizer MuSGD: Lấy cảm hứng từ các kỹ thuật huấn luyện mô hình ngôn ngữ lớn (LLM) như Kimi K2 của Moonshot AI, optimizer lai MuSGD kết hợp SGD và Muon để huấn luyện ổn định, hiệu quả.
  • ProgLoss + STAL: Hàm loss tiến triển và chiến lược gán nhãn nhận biết đối tượng nhỏ cải thiện khả năng nhận diện vật thể nhỏ, yếu tố thiết yếu đối với hình ảnh drone và giám sát từ trên không.
  • Tính linh hoạt trên nhiều tác vụ: Khác với YOLOv6-3.0 vốn tập trung nhiều vào phát hiện, YOLO26 hỗ trợ sẵn phân đoạn instance, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại, ước lượng tư thế và phát hiện Bounding Box định hướng (OBB).

Hệ sinh thái huấn luyện tinh gọn#

Triển khai PP-YOLOE+ đòi hỏi quản lý môi trường PaddlePaddle, trong khi YOLOv6-3.0 yêu cầu xử lý các script tập trung vào nghiên cứu. Ngược lại, package Python ultralytics và Ultralytics Platform hỗ trợ huấn luyện, validation và export trong một workflow duy nhất.

Chỉ cần vài dòng Python để huấn luyện model YOLO26 tiên tiến:

from ultralytics import YOLO

# Khởi tạo model YOLO26 nano
model = YOLO("yolo26n.pt")

# Huấn luyện model trên bộ dữ liệu tùy chỉnh của bạn (optimizer='auto' chọn MuSGD cho các lượt huấn luyện dài hơn)
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Đánh giá độ chính xác của model
metrics = model.val()

# Export sang TensorRT (dùng format="openvino" cho OpenVINO)
path = model.export(format="engine")

API đơn giản này, kết hợp với mức sử dụng bộ nhớ thấp hơn trong quá trình huấn luyện so với các model nặng về Transformer như RT-DETR, giúp nhiều nhóm có thể tiếp cận khả năng phát hiện hiệu năng cao.

Trường hợp sử dụng lý tưởng và chiến lược triển khai#

Việc chọn đúng model quyết định sự thành công của pipeline triển khai.

Khi nào nên sử dụng YOLOv6-3.0#

  • Sản xuất tốc độ cao: Các môi trường trong đó camera công nghiệp kết nối trực tiếp với GPU NVIDIA T4 hoặc A100 chuyên dụng, yêu cầu suy luận ổn định dưới 5 ms.
  • Phân tích video phía máy chủ: Xử lý nhiều luồng video dày đặc, trong đó thông lượng GPU thuần túy là nút thắt cổ chai chính.

Khi nào nên dùng PP-YOLOE+#

  • Hệ sinh thái Baidu/Paddle: Môi trường doanh nghiệp đầu tư mạnh vào stack công nghệ PaddlePaddle hoặc triển khai riêng trên phần cứng được tối ưu cho toolchain của Baidu.
  • Ảnh tĩnh độ chính xác cao: Các tình huống trong đó mAP cao của model Extra-Large (PP-YOLOE+x) quan trọng hơn tốc độ triển khai edge.

Khi nào nên chọn Ultralytics YOLO26#

  • Thiết bị biên và IoT: Với khả năng suy luận không cần NMS tùy chọn và việc loại bỏ DFL, YOLO26 là lựa chọn phù hợp để triển khai trên Raspberry Pi, NXP hoặc CPU di động.
  • Ứng dụng đa tác vụ: Các dự án cần theo dõi vật thể, ước tính tư thế hoặc phân đoạn đồng thời thông qua một API thống nhất.
  • Từ tạo prototype nhanh đến production: Các nhóm sử dụng Ultralytics Platform để tinh gọn quy trình gán nhãn dataset, tinh chỉnh siêu tham số và triển khai model chỉ bằng một cú nhấp.

Đối với developer muốn tìm hiểu hệ sinh thái rộng hơn của các model phát hiện đối tượng, những framework như YOLOX và DAMO-YOLO cũng cung cấp các hướng tiếp cận kiến trúc độc đáo đáng tham khảo trong tài liệu Ultralytics.

Người đóng góp

Bình luận

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