YOLOv7 so với DAMO-YOLO: So sánh kỹ thuật toàn diện

Bối cảnh phát hiện đối tượng thời gian thực liên tục phát triển, khi các nhà nghiên cứu và kỹ sư cố gắng tìm kiếm sự cân bằng tối ưu giữa tốc độ và độ chính xác. Trong bài so sánh kỹ thuật này, chúng ta sẽ đi sâu vào hai kiến trúc đáng chú ý từ năm 2022: YOLOv7 và DAMO-YOLO. Cả hai mô hình đều giới thiệu những khái niệm mới cho cộng đồng thị giác máy tính, giải quyết các thách thức khác nhau trong việc huấn luyện mô hình, thiết kế kiến trúc và triển khai.

Bối cảnh mô hình và chi tiết kỹ thuật

Trước khi đi sâu vào kiến trúc của chúng, điều cần thiết là phải hiểu nguồn gốc của hai mô hình này. Cả hai đều được phát triển bởi các nhóm nghiên cứu hàng đầu và giới thiệu các phương pháp tiên tiến để vượt qua các giới hạn của việc phát hiện đối tượng thời gian thực.

Chi tiết về YOLOv7

Được phát triển như một sự tiếp nối của dòng họ YOLO, YOLOv7 đã giới thiệu khái niệm "bag-of-freebies" có thể huấn luyện để nâng cao đáng kể độ chính xác mà không làm tăng chi phí suy luận.

• Tác giả: Chien-Yao Wang, Alexey Bochkovskiy, và Hong-Yuan Mark Liao
• Tổ chức: Viện Khoa học Thông tin, Academia Sinica, Đài Loan
• Ngày: 2022-07-06
• Arxiv: https://arxiv.org/abs/2207.02696
• GitHub: https://github.com/WongKinYiu/yolov7
• Tài liệu: https://docs.ultralytics.com/models/yolov7/

Tìm hiểu thêm về YOLOv7

Chi tiết về DAMO-YOLO

Được tạo bởi các nhà nghiên cứu tại Alibaba Group, DAMO-YOLO tập trung mạnh vào Neural Architecture Search (NAS) và kỹ thuật chưng cất tri thức (knowledge distillation) tiên tiến để xây dựng các mô hình hiệu quả cao cho nhiều loại phần cứng khác nhau.

• Tác giả: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang, và Xiuyu Sun
• Tổ chức: Alibaba Group
• Ngày: 2022-11-23
• Arxiv: https://arxiv.org/abs/2211.15444v2
• GitHub: https://github.com/tinyvision/DAMO-YOLO

Tìm hiểu thêm về DAMO-YOLO

Đổi mới kiến trúc

YOLOv7: Phân tích đường dẫn gradient và tái tham số hóa

YOLOv7 tập trung mạnh vào Extended Efficient Layer Aggregation Networks (E-ELAN). Các tác giả đã thiết kế E-ELAN bằng cách phân tích các đường dẫn gradient của mạng, đảm bảo rằng mạng có thể liên tục học mà không làm suy giảm đường dẫn gradient ban đầu. Hơn nữa, YOLOv7 sử dụng hiệu quả việc tái tham số hóa mô hình trong quá trình suy luận, kết hợp các lớp một cách liền mạch để giảm FLOPs và tăng tốc độ thực thi. Điều này làm cho nó có khả năng cao cho suy luận thời gian thực trên các GPU hiện đại.

DAMO-YOLO: Neural Architecture Search và RepGFPN

DAMO-YOLO khác biệt khi tận dụng mạnh mẽ Neural Architecture Search (NAS) dưới các ràng buộc về độ trễ. Nó sử dụng một framework gọi là MAE-NAS để khám phá các backbone tối ưu được thiết kế riêng cho phần cứng cụ thể, chẳng hạn như thiết bị di động hoặc các bộ tăng tốc edge cụ thể. Đối với phần cổ (neck), nó giới thiệu một RepGFPN (Rep-parameterized Generalized Feature Pyramid Network) hiệu quả và sử dụng thiết kế ZeroHead để giảm thiểu gánh nặng tính toán trong các đầu ra dự đoán.

So sánh hiệu suất và các chỉ số

Khi so sánh các mô hình này, điều quan trọng là phải xem xét mAP (Mean Average Precision), tốc độ suy luận và độ phức tạp của mô hình.

Bảng trên cho thấy YOLOv7 mở rộng tốt vào các lĩnh vực có độ chính xác cao (YOLOv7x), trong khi DAMO-YOLO cung cấp các mô hình siêu nhỏ (tiny) được tối ưu hóa cao cho các môi trường bị hạn chế.

Hiệu quả Huấn luyện và Yêu cầu bộ nhớ

Một sự khác biệt lớn giữa hai kiến trúc nằm ở phương pháp huấn luyện của chúng. Sự phụ thuộc của DAMO-YOLO vào chưng cất tri thức có nghĩa là việc huấn luyện một mô hình mới từ đầu hoặc tinh chỉnh trên một tập dữ liệu thị giác máy tính tùy chỉnh thường đòi hỏi nhiều VRAM và thời gian tính toán GPU hơn đáng kể.

Ngược lại, các mô hình được tích hợp vào hệ sinh thái Ultralytics, chẳng hạn như YOLOv7 và các phiên bản sau này, được tối ưu hóa mạnh mẽ cho yêu cầu bộ nhớ. Chúng cho phép các nhà phát triển sử dụng batch size lớn hơn trên phần cứng tiêu dùng mà không gặp lỗi hết bộ nhớ, đơn giản hóa quy trình theo dõi thử nghiệm và lặp lại.

Ưu thế của Ultralytics

Mặc dù cả YOLOv7 và DAMO-YOLO đều cung cấp các tính năng hấp dẫn, việc triển khai các mô hình trong hệ sinh thái Ultralytics mang lại trải nghiệm nhà phát triển vô song.

• Dễ sử dụng: Gói Python của Ultralytics cung cấp một API thống nhất và đơn giản. Bạn có thể nhanh chóng chuyển đổi giữa các kiến trúc mô hình, bắt đầu vòng lặp huấn luyện hoặc chạy suy luận chỉ với vài dòng mã.
• Hệ sinh thái được duy trì tốt: Ultralytics cung cấp các bản cập nhật thường xuyên, đảm bảo khả năng tương thích gốc với các bản phát hành PyTorch mới nhất và các trình điều khiển CUDA. Nó cũng đơn giản hóa việc xuất mô hình sang các định dạng như ONNX, TensorRT và OpenVINO.
• Tính linh hoạt: Không giống như DAMO-YOLO, vốn chỉ là trình phát hiện đối tượng, hệ sinh thái Ultralytics hỗ trợ đa dạng các tác vụ một cách tự nhiên. Các mô hình từ gia đình Ultralytics có thể thực hiện phát hiện bounding box tiêu chuẩn, ước tính tư thế, phân đoạn đối tượng và Oriented Bounding Boxes (OBB).

Ví dụ mã: Bắt đầu nhanh

Dưới đây là cách bạn có thể dễ dàng tải, huấn luyện và chạy suy luận bằng các mô hình Ultralytics:

from ultralytics import YOLO

# Load a pre-trained YOLOv7 model (or newer models like yolo26n.pt)
model = YOLO("yolov7.pt")

# Train the model on the COCO8 dataset with automated hyperparameter handling
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

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

# Export to ONNX format for deployment
model.export(format="onnx")

Thế hệ tiếp theo: YOLO26

Trong khi YOLOv7 vẫn là một kiến trúc kế thừa mạnh mẽ, lĩnh vực này đã tiến bộ nhanh chóng. Đối với các triển khai mới, Ultralytics YOLO26 (phát hành tháng 1 năm 2026) là tiêu chuẩn được khuyến nghị, vượt trội hơn các thế hệ trước trong hầu hết các chỉ số.

• Thiết kế NMS-Free đầu cuối: Được tiên phong trong YOLOv10, YOLO26 loại bỏ hoàn toàn quá trình xử lý hậu kỳ Non-Maximum Suppression (NMS). Điều này đảm bảo suy luận tất định với độ trễ cực thấp, rất quan trọng đối với công nghệ robot và xe tự lái.
• Tối ưu hóa MuSGD: Lấy cảm hứng từ các kỹ thuật huấn luyện LLM tiên tiến (như Kimi K2 của Moonshot AI), bộ tối ưu hóa hybrid này kết hợp SGD và Muon để mang lại khả năng huấn luyện ổn định cao và hội tụ nhanh hơn trên các tập dữ liệu.
• Suy luận CPU nhanh hơn tới 43%: Bằng cách loại bỏ chiến lược Distribution Focal Loss (DFL), YOLO26 tăng đáng kể hiệu suất trên các nền tảng tính toán edge và CPU.
• ProgLoss + STAL: Những hàm mất mát tiên tiến này mang lại những cải tiến đáng kể trong việc phát hiện các đối tượng nhỏ, làm cho YOLO26 đặc biệt phù hợp cho hình ảnh hàng không và giám sát chi tiết.

Tìm hiểu thêm về YOLO26

Các trường hợp sử dụng lý tưởng

Khi nào nên chọn DAMO-YOLO

• Nghiên cứu học thuật về NAS: Nếu tổ chức của bạn đầu tư mạnh vào việc nghiên cứu các phương pháp Neural Architecture Search.
• Độ trễ bị ràng buộc cao trên phần cứng cụ thể: Nếu bạn có nguồn lực để chạy các tìm kiếm NAS toàn diện nhằm tìm ra một backbone phù hợp cho chip tăng tốc AI tùy chỉnh.

Khi nào nên chọn YOLOv7

• Pipeline GPU hiện có: Dành cho các nhóm duy trì các pipeline sản xuất cũ được tối ưu hóa sâu xung quanh kiến trúc E-ELAN cụ thể của YOLOv7 trên phần cứng NVIDIA cao cấp.

Tại sao nên chuyển sang các mô hình Ultralytics hiện đại (YOLO11 / YOLO26)

Đối với đại đa số các ứng dụng doanh nghiệp—từ phân tích bán lẻ và sản xuất thông minh đến chăm sóc sức khỏe—các mô hình Ultralytics hiện đại là không đối thủ. Sự tích hợp với Nền tảng Ultralytics cung cấp một pipeline ML hoàn chỉnh, mang lại sự dễ sử dụng, tài liệu vượt trội, hỗ trợ cộng đồng mạnh mẽ và tính linh hoạt đa tác vụ. Dù là theo dõi hàng tồn kho trên Raspberry Pi hay chạy các phân tích nặng trên cloud, các mô hình như YOLO26 đều mang lại sự cân bằng hiệu suất lý tưởng cho tương lai của thị giác máy tính.