YOLOv6-3.0 và YOLOX
Lĩnh vực thị giác máy tính được định hình bởi các model hướng đến thu hẹp khoảng cách giữa nghiên cứu học thuật và ứng dụng công nghiệp. Khi đánh giá các framework phát hiện đối tượng được thiết kế để triển khai với hiệu năng cao, YOLOv6-3.0 và YOLOX thường là những ứng viên nổi bật. Cả hai model đều đề xuất triết lý kiến trúc riêng nhằm tối đa hóa thông lượng và độ chính xác, nhưng khác biệt đáng kể về lựa chọn thiết kế và mục tiêu triển khai chính.
Bài so sánh kỹ thuật này trình bày kiến trúc, chỉ số hiệu năng và trường hợp sử dụng phù hợp của YOLOv6-3.0 và YOLOX, đồng thời giải thích cách Ultralytics YOLO26 phát triển dựa trên ý tưởng của chúng.
YOLOv6-3.0: Thông lượng công nghiệp#
Được phát triển bởi Bộ phận AI Thị giác của Meituan, YOLOv6-3.0 được định vị rõ ràng là framework phát hiện đối tượng một giai đoạn, tối ưu cho ứng dụng công nghiệp. Model này ưu tiên tối đa thông lượng trên kiến trúc GPU.
- Tác giả: Chuyi Li, Lulu Li, Yifei Geng, và cộng sự.
- Tổ chức: Meituan
- Ngày: 2023-01-13
- arXiv: 2301.05586
- GitHub: meituan/YOLOv6
Kiến trúc và phương pháp#
YOLOv6-3.0 giới thiệu module Nối hai chiều (BiC) để cải thiện việc hợp nhất đặc trưng ở các tỷ lệ khác nhau. Backbone được xây dựng dựa trên thiết kế EfficientRep, tối ưu cho suy luận GPU thân thiện với phần cứng, nhờ đó phù hợp với xử lý backend bằng NVIDIA TensorRT.
Ngoài ra, YOLOv6-3.0 sử dụng chiến lược Huấn luyện có hỗ trợ anchor (AAT). Phương pháp này duy trì tính ổn định của huấn luyện dựa trên anchor trong khi sử dụng quy trình suy luận không anchor, vì vậy triển khai không phát sinh độ trễ bổ sung.
Dù YOLOv6 hoạt động xuất sắc trên GPU chuyên dụng, kiến trúc chuyên biệt cao đôi khi có thể dẫn đến độ trễ chưa tối ưu khi triển khai trên CPU thông thường hoặc thiết bị edge công suất thấp.
YOLOX: Kết nối nghiên cứu với công nghiệp#
Được Megvii giới thiệu, YOLOX đánh dấu bước chuyển đáng kể của dòng YOLO khi hoàn toàn áp dụng thiết kế không anchor kết hợp với các chiến lược huấn luyện tiên tiến như SimOTA.
- Tác giả: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li và Jian Sun
- Tổ chức: Megvii
- Ngày: 2021-07-18
- arXiv: 2107.08430
- GitHub: Megvii-BaseDetection/YOLOX
Kiến trúc và phương pháp#
YOLOX tích hợp thành công cơ chế không anchor với cấu trúc head tách rời. Bằng cách tách các tác vụ phân loại và hồi quy thành những luồng riêng biệt, YOLOX cải thiện đáng kể tốc độ hội tụ và giảm thiểu các mục tiêu xung đột thường xuất hiện trong head phát hiện kết hợp.
Ngoài ra, YOLOX tích hợp các chiến lược tăng cường dữ liệu mạnh (như MixUp và Mosaic) vào quy trình huấn luyện, cải thiện độ bền vững khi huấn luyện từ đầu trên các benchmark tiêu chuẩn như dataset COCO.
Head tách rời trong YOLOX là một cột mốc quan trọng, truyền cảm hứng cho các thế hệ model phát hiện tiếp theo bằng cách chứng minh rằng việc tách các đặc trưng theo từng tác vụ giúp nâng cao độ chính xác tổng thể.
So sánh hiệu năng và chỉ số#
Khi so sánh trực tiếp các model này, có thể thấy rõ sự đánh đổi giữa tốc độ, số lượng tham số và độ chính xác. Bảng hiệu năng chi tiết dưới đây nêu bật các model tiêu biểu của cả hai dòng.
| Model | kích thước (pixel) | mAPval50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
YOLOX có các biến thể rất gọn nhẹ như Nano, trong khi YOLOv6-3.0 mở rộng tốt hơn ở phân khúc cao cấp, mang lại mAP cao hơn cho các model lớn và khả năng tăng tốc TensorRT mạnh. Tuy nhiên, cả hai model đều dựa vào các repository huấn luyện cũ, có thể gây khó khăn khi tích hợp vào ứng dụng hiện đại.
Trường hợp sử dụng và khuyến nghị#
Việc lựa chọn giữa YOLOv6 và YOLOX phụ thuộc vào yêu cầu cụ thể của dự án, các ràng buộc triển khai và hệ sinh thái bạn ưu tiên.
Khi nào nên chọn YOLOv6#
YOLOv6 là lựa chọn phù hợp cho:
- Triển khai tương thích với phần cứng công nghiệp: Các tình huống mà thiết kế nhận biết phần cứng và tái tham số hóa hiệu quả của model mang lại hiệu năng tối ưu trên phần cứng mục tiêu cụ thể.
- Detection một giai đoạn tốc độ cao: Các ứng dụng ưu tiên tốc độ suy luận GPU thô để xử lý video thời gian thực trong môi trường được kiểm soát.
- Tích hợp hệ sinh thái Meituan: Các nhóm đang làm việc trong ngăn xếp công nghệ và hạ tầng triển khai của Meituan.
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 head phát hiện hoặc hàm loss mới.
- Thiết bị biên siêu nhẹ: Triển khai trên vi điều khiển hoặc phần cứng di động đời cũ, nơi kích thước cực nhỏ của biến thể YOLOX-Nano (0.91M tham số) là yếu tố then chốt.
- Nghiên cứu gán nhãn SimOTA: Các dự án nghiên cứu tìm hiểu chiến lược gán nhãn dựa trên vận tải tối ưu và ảnh hưởng của chúng đến quá trình hội tụ khi huấn luyện.
Khi nào nên chọn Ultralytics (YOLO26)#
Với hầu hết dự án mới, Ultralytics YOLO26 mang đến sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm dành cho nhà phát triển:
- Triển khai trên thiết bị biên không cần NMS: Các ứng dụng cần inference có độ trễ thấp và ổn định mà không phải xử lý hậu kỳ Non-Maximum Suppression phức tạp.
- Môi trường chỉ có CPU: Thiết bị không có tăng tốc GPU chuyên dụng, nơi YOLO26n chạy trên CPU nhanh hơn YOLO11n tới 43%.
- Phát hiện vật thể nhỏ: Các tình huống khó như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, nơi ProgLoss và STAL cải thiện độ chính xác đối với vật thể rất nhỏ.
Ưu thế của Ultralytics: Giới thiệu YOLO26#
YOLOv6 và YOLOX từng đẩy xa giới hạn của phát hiện vật thể trong thời đại tương ứng, nhưng thị giác máy tính hiện đại đòi hỏi nhiều hơn việc dự đoán hộp giới hạn. Developer cần framework thống nhất, quy trình triển khai đơn giản và huấn luyện hiệu quả. Ultralytics Platform và YOLO26 được xây dựng để đáp ứng những nhu cầu này.
Ra mắt vào tháng 1 năm 2026, YOLO26 cải thiện sự đánh đổi giữa độ chính xác và độ trễ, đồng thời duy trì quy trình làm việc thân thiện với developer của Ultralytics.
Những cải tiến chính của YOLO26#
- 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 cung cấp head không cần NMS tùy chọn (
nms=False), loại bỏ nhu cầu hậu xử lý Loại bỏ hộp giới hạn không cực đại (NMS). Điều này giảm biến thiên độ trễ và đơn giản hóa việc triển khai trên thiết bị biên. - Bộ tối ưu MuSGD: YOLO26 kế thừa ý tưởng từ quá trình huấn luyện LLM, sử dụng bộ tối ưu MuSGD kết hợp (lấy cảm hứng từ Kimi K2 của Moonshot AI), kết hợp SGD với Muon. Nhờ đó, việc huấn luyện ổn định hơn và hội tụ nhanh hơn so với các bộ tối ưu cũ.
- Suy luận CPU nhanh hơn tới 43%: Khác với YOLOv6 hướng đến GPU, YOLO26 được tối ưu cho thiết bị biên. Việc loại bỏ Distribution Focal Loss (DFL) đơn giản hóa head đầu ra, và YOLO26n chạy nhanh hơn tới 43% trên CPU so với YOLO11n.
- ProgLoss + STAL: Progressive Loss và chiến lược gán nhãn nhận biết mục tiêu nhỏ cải thiện khả năng phát hiện vật thể nhỏ, lĩnh vực mà các kiến trúc cũ như YOLOX thường gặp khó khăn. Điều này khiến YOLO26 phù hợp với ảnh hàng không và cảm biến IoT.
- Tính linh hoạt đa nhiệm: Trong khi YOLOv6 và YOLOX chủ yếu là các model phát hiện, một kiến trúc YOLO26 duy nhất cũng hỗ trợ phân đoạn đối tượng, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại ảnh, ước tính tư thế và hộp giới hạn có hướng (OBB).
Dễ sử dụng và hỗ trợ hệ sinh thái#
Lựa chọn Ultralytics giúp bạn tiếp cận một hệ sinh thái được duy trì tốt và phát triển tích cực. Package Python Ultralytics bao quát toàn bộ quy trình từ huấn luyện đến triển khai, sử dụng ít bộ nhớ hơn trong quá trình huấn luyện so với các model dựa trên Transformer, đồng thời xuất trực tiếp sang các định dạng như ONNX, OpenVINO và CoreML.
from ultralytics import YOLO
# Tải model YOLO26 nano (có thể dùng head không NMS với nms=False)
model = YOLO("yolo26n.pt")
# Huấn luyện trên dataset mẫu COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Chạy inference hiệu quả trên CPU hoặc GPU
results = model("https://ultralytics.com/images/bus.jpg")
# Export sang TensorRT để triển khai công nghiệp
model.export(format="engine")Kết luận và khuyến nghị#
Khi quyết định giữa YOLOv6-3.0 và YOLOX, hãy cân nhắc các giới hạn phần cứng. Nếu bạn xây dựng hệ thống phân tích video thông lượng cao chạy trên phần cứng NVIDIA mạnh, YOLOv6-3.0 mang lại khả năng tăng tốc TensorRT đáng kể. Ngược lại, YOLOX vẫn là baseline quen thuộc cho các dự án hưởng lợi từ thiết kế tách biệt hoàn toàn và không dùng anchor.
Tuy nhiên, với developer muốn đạt cân bằng tốt nhất giữa tốc độ, độ chính xác và tính dễ sử dụng, Ultralytics YOLO26 là lựa chọn được khuyến nghị. Model kết hợp head không NMS tùy chọn, suy luận CPU nhanh và hỗ trợ đầy đủ trong hệ sinh thái Ultralytics. Thế hệ trước là YOLO11 cũng vẫn được hỗ trợ đầy đủ và sử dụng rộng rãi trong các ứng dụng doanh nghiệp.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.