YOLOv7 so với PP-YOLOE+#

Khi đánh giá các model computer vision tiên tiến nhất cho các pipeline production, các developer thường cân nhắc ưu điểm của các kiến trúc khác nhau. Hai model nổi bật trong lĩnh vực object detection là YOLOv7 và PP-YOLOE+. Hướng dẫn này cung cấp so sánh kỹ thuật chi tiết về kiến trúc, các performance metric và các kịch bản deployment lý tưởng để giúp bạn đưa ra quyết định sáng suốt cho project computer vision tiếp theo của mình.

Cải tiến kiến trúc#

Việc hiểu rõ những khác biệt cấu trúc cốt lõi giữa các model này là rất quan trọng để dự đoán cách chúng hoạt động trong quá trình training và inference.

Các điểm nổi bật về kiến trúc của YOLOv7#

YOLOv7 giới thiệu một vài cải tiến quan trọng được thiết kế để cải thiện độ chính xác mà không làm tăng đáng kể chi phí inference.

• Extended Efficient Layer Aggregation Networks (E-ELAN): Kiến trúc này kiểm soát các đường dẫn gradient ngắn nhất và dài nhất. Bằng cách đó, nó cho phép mạng học các đặc trưng đa dạng hơn và cải thiện khả năng học tổng thể mà không làm hỏng đường dẫn gradient ban đầu.
• Các chiến lược mở rộng model: YOLOv7 sử dụng phương pháp mở rộng model hỗn hợp, điều chỉnh độ sâu và chiều rộng đồng thời trong khi nối các lớp để duy trì cấu trúc kiến trúc tối ưu trên các kích thước khác nhau.
• Trainable Bag-of-Freebies: Các tác giả đã tích hợp phương pháp tích chập tái tham số hóa (RepConv) mà không cần các kết nối identity, giúp tăng đáng kể tốc độ inference mà không làm giảm khả năng dự đoán của model.

Chi tiết YOLOv7:
Tác giả: Chien-Yao Wang, Alexey Bochkovskiy, và Hong-Yuan Mark Liao
Tổ chức: Institute of Information Science, Academia Sinica, Taiwan
Ngày: 2022-07-06
Arxiv: https://arxiv.org/abs/2207.02696

Tìm hiểu thêm về YOLOv7

Các điểm nổi bật về kiến trúc của PP-YOLOE+#

Được phát triển bởi Baidu trong hệ sinh thái PaddlePaddle, PP-YOLOE+ xây dựng dựa trên phiên bản tiền nhiệm PP-YOLOv2, tập trung mạnh vào các phương pháp không sử dụng anchor và các biểu diễn đặc trưng nâng cao.

• Thiết kế không sử dụng Anchor (Anchor-Free): Không giống như các cách tiếp cận dựa trên anchor, thiết kế này đơn giản hóa đầu dự đoán và giảm số lượng siêu tham số, giúp model dễ dàng điều chỉnh cho các tập dữ liệu tùy chỉnh hơn.
• CSPRepResNet Backbone: Backbone này kết hợp các kết nối residual và các mạng Cross Stage Partial để cải thiện khả năng trích xuất đặc trưng trong khi vẫn duy trì hiệu suất tính toán.
• Task Alignment Learning (TAL): PP-YOLOE+ sử dụng ET-head (Efficient Task-aligned head) để căn chỉnh tốt hơn các tác vụ phân loại và định vị, giải quyết một điểm nghẽn phổ biến trong các detector một giai đoạn.

Chi tiết PP-YOLOE+:
Tác giả: PaddlePaddle Authors
Tổ chức: Baidu
Ngày: 2022-04-02
Arxiv: https://arxiv.org/abs/2203.16250

Tìm hiểu thêm về PP-YOLOE+

Các chỉ số và Benchmark hiệu suất#

Việc lựa chọn model phù hợp thường phụ thuộc vào các ràng buộc cụ thể về phần cứng và yêu cầu về độ trễ của bạn. Bảng dưới đây minh họa sự đánh đổi giữa độ chính xác (mAP), tốc độ và độ phức tạp của model.

Phân tích kết quả#

• Các kịch bản có độ chính xác cao: YOLOv7x thể hiện hiệu suất mạnh mẽ, đạt được mAP cao, cạnh tranh cho các tác vụ phát hiện phức tạp. Mặc dù PP-YOLOE+x có mAP cao hơn một chút, nhưng nó đi kèm với sự gia tăng đáng kể về tham số và FLOP.
• Hiệu suất và tốc độ: Các biến thể nhỏ hơn của PP-YOLOE+ (t và s) cung cấp tốc độ TensorRT cực thấp, khiến chúng rất phù hợp cho việc triển khai tại biên nơi các ràng buộc phần cứng khắt khe.
• Điểm cân bằng: YOLOv7l mang lại sự cân bằng thuyết phục, đạt mAP hơn 51% trong khi duy trì thời gian inference dưới 7ms trên GPU T4, khiến nó trở thành lựa chọn vững chắc cho các ứng dụng server thời gian thực tiêu chuẩn.

Lợi thế từ Ultralytics#

Mặc dù cả YOLOv7 và PP-YOLOE+ đều cung cấp hiệu suất benchmark mạnh mẽ, trải nghiệm phát triển và hỗ trợ hệ sinh thái cũng quan trọng không kém đối với sự thành công của dự án.

Trải nghiệm người dùng được tối ưu hóa#

Các model Ultralytics ưu tiên tính dễ sử dụng thông qua một Python API thống nhất. Không giống như PP-YOLOE+, đòi hỏi phải điều hướng hệ sinh thái PaddlePaddle và các file cấu hình cụ thể của nó, Ultralytics cho phép bạn chuyển đổi từ training sang triển khai một cách liền mạch.

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov7.pt")

# Train the model effortlessly
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export for optimized deployment
model.export(format="engine")  # TensorRT export

Hiệu quả tài nguyên#

Một thế mạnh lớn của các model Ultralytics YOLO là yêu cầu bộ nhớ thấp hơn trong cả quá trình training và inference. Hiệu suất này cho phép các nhà nghiên cứu và developer sử dụng batch size lớn hơn trên phần cứng cấp phổ thông, giúp tăng tốc quá trình training so với các model nặng hơn hoặc các kiến trúc Transformer phức tạp như RT-DETR.

Hệ sinh thái và tính linh hoạt#

Hệ sinh thái Ultralytics được bảo trì rất tốt, có các bản cập nhật thường xuyên, tài liệu phong phú và hỗ trợ nguyên bản cho nhiều tác vụ đa dạng ngoài detection tiêu chuẩn. Với Ultralytics, một framework duy nhất hỗ trợ instance segmentation, pose estimation, classification và Oriented Bounding Boxes (OBB), mang lại tính linh hoạt vượt trội mà các model cạnh tranh thường thiếu.

Tương lai của Vision AI: YOLO26#

Khi lĩnh vực computer vision phát triển nhanh chóng, các kiến trúc mới hơn đã ra đời nhằm định nghĩa lại các tiêu chuẩn về tốc độ và hiệu suất. Được phát hành vào tháng 1 năm 2026, Ultralytics YOLO26 đại diện cho đỉnh cao của sự tiến hóa này và là lựa chọn được khuyến nghị cao cho mọi project mới.

Các cải tiến chính của YOLO26:

• Thiết kế End-to-End Không dùng NMS: YOLO26 loại bỏ quá trình hậu xử lý Non-Maximum Suppression (NMS). Cách tiếp cận nguyên bản end-to-end này đơn giản hóa đáng kể logic deployment và làm giảm độ trễ biến đổi, một bước đột phá lần đầu tiên được giới thiệu trong YOLOv10.
• Hiệu suất biên chưa từng có: Bằng cách loại bỏ Distribution Focal Loss (DFL), YOLO26 đạt được tốc độ inference CPU nhanh hơn tới 43%, làm cho nó vượt trội hơn đối với các thiết bị IoT và thiết bị biên so với các thế hệ trước.
• Động lực training nâng cao: Việc tích hợp MuSGD Optimizer—lấy cảm hứng từ các cải tiến LLM như Kimi K2 của Moonshot AI—đảm bảo quá trình training ổn định hơn và hội tụ nhanh hơn.
• Phát hiện Đối tượng Nhỏ Vượt trội: Các hàm loss được cải tiến, cụ thể là ProgLoss + STAL, khắc phục những điểm yếu trước đây trong việc nhận diện các đối tượng nhỏ, vốn rất quan trọng đối với các ứng dụng như ảnh hàng không.

Ứng dụng trong thực tế#

Việc lựa chọn giữa các kiến trúc này thường phụ thuộc vào môi trường triển khai cụ thể.

Khi nào nên chọn PP-YOLOE+#

• Tích hợp PaddlePaddle: Nếu cơ sở hạ tầng của bạn đã được tích hợp sâu với hệ sinh thái PaddlePaddle của Baidu, PP-YOLOE+ cung cấp sự phù hợp tự nhiên.
• Kiểm tra công nghiệp tại châu Á: Thường được sử dụng tại các trung tâm sản xuất ở châu Á, nơi các ngăn xếp phần cứng và phần mềm được cấu hình sẵn cho các công cụ của Baidu.

Khi nào nên chọn YOLOv7#

• Hệ thống Tăng tốc bằng GPU: Hoạt động cực kỳ hiệu quả trên các GPU cấp server cho các tác vụ đòi hỏi throughput cao, chẳng hạn như phân tích video.
• Tích hợp Robot: Lý tưởng cho việc tích hợp computer vision vào robot, cho phép ra quyết định nhanh chóng trong các môi trường động.
• Nghiên cứu học thuật: Được hỗ trợ rộng rãi và thường xuyên được sử dụng làm baseline đáng tin cậy trong các nghiên cứu dựa trên PyTorch.

Mặc dù các model cũ giữ giá trị lịch sử quan trọng, việc chuyển đổi sang các kiến trúc hiện đại như YOLO26 hoặc YOLO11 thông qua Ultralytics Platform sẽ đảm bảo quyền truy cập vào các tối ưu hóa mới nhất, các workflow training đơn giản nhất và sự hỗ trợ đa tác vụ rộng rãi nhất hiện nay.