Bắt đầu

YOLOv7 và YOLOv10

Lĩnh vực thị giác máy tính đã phát triển nhanh chóng trong vài năm qua, với dòng model YOLO (Bạn chỉ nhìn một lần) dẫn đầu tiến bộ trong phát hiện vật thể thời gian thực. Để chọn kiến trúc phù hợp cho dự án thị giác máy tính, cần hiểu rõ các lựa chọn hiện có. Bài so sánh kỹ thuật này trình bày những khác biệt chính giữa hai kiến trúc mang tính cột mốc: YOLOv7 và YOLOv10.

Giới thiệu các model#

Cả hai model đều là những cột mốc quan trọng trong lĩnh vực phát hiện vật thể, nhưng áp dụng các cách tiếp cận hoàn toàn khác nhau để giải quyết những thách thức của bài toán này.

YOLOv7: Tiên phong với Bag-of-Freebies#

Được các nhà nghiên cứu Chien-Yao Wang, Alexey Bochkovskiy và Hong-Yuan Mark Liao tại Viện Khoa học Thông tin, Academia Sinica phát hành ngày 6 tháng 7 năm 2022, YOLOv7 giới thiệu những phương pháp mới để tối ưu detector thời gian thực. Nghiên cứu gốc, được trình bày chi tiết trong bài báo học thuật và lưu trữ trên repository GitHub chính thức, tập trung nhiều vào tái tham số hóa kiến trúc và "bag-of-freebies" có thể huấn luyện.

YOLOv7 sử dụng Mạng tổng hợp lớp hiệu quả mở rộng (E-ELAN) để hướng dẫn mạng học các đặc trưng đa dạng mà không làm hỏng đường truyền gradient ban đầu. Điều này khiến YOLOv7 trở thành lựa chọn đáng tin cậy cho benchmark nghiên cứu học thuật và các hệ thống phụ thuộc nhiều vào GPU cao cấp tiêu chuẩn.

Tìm hiểu thêm về YOLOv7

YOLOv10: Phát hiện end-to-end thời gian thực#

Được phát triển bởi Ao Wang và các cộng sự tại Đại học Thanh Hoa, YOLOv10 được phát hành vào ngày 23 tháng 5 năm 2024. Như được trình bày chi tiết trong ấn phẩm arXiv và kho GitHub của Đại học Thanh Hoa, model này loại bỏ một nút thắt tồn tại lâu nay trong phát hiện đối tượng: Loại bỏ hộp giới hạn không cực đại (NMS).

YOLOv10 giới thiệu cơ chế gán kép nhất quán để huấn luyện không cần NMS, thay đổi pipeline hậu xử lý. Thiết kế model toàn diện, định hướng cân bằng hiệu quả và độ chính xác, giảm dư thừa tính toán, tạo nên kiến trúc phù hợp với thiết bị biên cần độ trễ thấp.

Tìm hiểu thêm về YOLOv10

Kiến trúc không cần NMS

Việc loại bỏ Non-Maximum Suppression (NMS) trong YOLOv10 cho phép export toàn bộ model thành một đồ thị tính toán duy nhất. Điều này đơn giản hóa việc triển khai bằng các runtime như TensorRT hoặc OpenVINO.

So sánh hiệu năng và chỉ số#

Khi phân tích hiệu năng model, điều quan trọng là đánh giá sự đánh đổi giữa độ chính xác, tốc độ và mức độ nặng về tính toán. Bảng sau so sánh các kích thước khác nhau của những model này.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

Phân tích các điểm đánh đổi#

Các chỉ số trên cho thấy khoảng cách rõ rệt giữa các thế hệ. YOLOv7x đạt mAPval50-95 ấn tượng ở mức 53,1%, nhưng cần 71,3M tham số và 189,9B FLOPs. Ngược lại, YOLOv10l vượt mức độ chính xác đó (53,2% mAP) trong khi chỉ cần khoảng một phần ba số tham số (24,4M) và ít FLOPs hơn đáng kể (120,3B). Ngoài ra, YOLOv10n chạy trong 1,84 ms trên GPU T4 với TensorRT, rất phù hợp cho phân tích video thời gian thực và các ứng dụng di động.

Các trường hợp sử dụng thực tế#

Khác biệt về kiến trúc giữa các model này quyết định trường hợp sử dụng tối ưu của từng model.

Khi nào nên sử dụng YOLOv7#

Biểu diễn đặc trưng phong phú của YOLOv7 phù hợp với các cảnh phức tạp trên phần cứng GPU. Các trường hợp sử dụng như giám sát lưu lượng giao thông ở khu vực đô thị đông đúc, phân tích ảnh vệ tinh hoặc xác định lỗi trong tự động hóa sản xuất công nghiệp nặng có thể hưởng lợi từ kiến trúc tái tham số hóa của model này. YOLOv7 cũng vẫn phổ biến trong các môi trường cũ được xây dựng quanh những pipeline PyTorch 1.x cụ thể.

Khi nào nên sử dụng YOLOv10#

Thiết kế nhẹ, không cần NMS của YOLOv10 phù hợp với môi trường có tài nguyên hạn chế, bao gồm các thiết bị điện toán biên như module NVIDIA Jetson hoặc Raspberry Pi. Hiệu năng độ trễ thấp khiến YOLOv10 phù hợp với các ứng dụng tốc độ cao như phân tích thể thao, điều hướng drone tự hành và phân loại robot tốc độ cao trên băng chuyền.

Lợi thế của hệ sinh thái Ultralytics#

Dù cả hai model đều có nền tảng học thuật vững chắc, YOLOv10 dễ huấn luyện và triển khai nhất trong hệ sinh thái Ultralytics và Ultralytics Platform. Phát triển model thị giác máy tính từ đầu là việc khó, còn hệ sinh thái Ultralytics giúp đơn giản hóa quy trình làm việc cho kỹ sư machine learning.

  • Dễ sử dụng: Python API của Ultralytics cung cấp giao diện thống nhất. Bạn có thể huấn luyện, đánh giá và export model chỉ với vài dòng code, tránh các xung đột dependency thường gặp trong những repository học thuật.
  • Hệ sinh thái được duy trì tốt: Codebase Ultralytics được phát triển tích cực, và người dùng được hưởng lợi từ các tích hợp với công cụ ML phổ biến như Weights & Biases để ghi log hoặc Gradio để tạo web demo nhanh.
  • Yêu cầu bộ nhớ: Các bộ phát hiện đối tượng dựa trên Transformer thường tiêu thụ nhiều bộ nhớ CUDA trong quá trình huấn luyện. Ngược lại, các model YOLO của Ultralytics cần ít bộ nhớ hơn đáng kể, cho phép sử dụng batch size lớn hơn trên phần cứng phổ thông.
  • Tính linh hoạt: Pipeline Ultralytics không bị giới hạn ở các bounding box tiêu chuẩn. Pipeline này hỗ trợ phân đoạn đối tượng, phân loại ảnh, ước lượng tư thế và bounding box định hướng trên các họ model được hỗ trợ như YOLO11 và YOLOv8.

Ví dụ huấn luyện tinh gọn#

Chạy pipeline huấn luyện với Ultralytics rất đơn giản. Dù bạn tận dụng tốc độ không cần NMS của YOLOv10 hay dùng model được hỗ trợ khác, cú pháp vẫn nhất quán (lưu ý rằng package Ultralytics không hỗ trợ huấn luyện YOLOv7):

from ultralytics import YOLO

# Tải model mong muốn (ví dụ: YOLOv10 Nano)
model = YOLO("yolov10n.pt")

# Huấn luyện model trên bộ dữ liệu COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Chạy dự đoán suy luận trên ảnh mẫu
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Xuất sang định dạng thân thiện với thiết bị biên như ONNX
model.export(format="onnx")

Trường hợp sử dụng và khuyến nghị#

Việc chọn YOLOv7 hay YOLOv10 phụ thuộc vào yêu cầu cụ thể của dự án, các ràng buộc triển khai và ưu tiên về hệ sinh thái.

Khi nào nên chọn YOLOv7#

YOLOv7 là lựa chọn phù hợp cho:

  • Benchmark học thuật: Tái tạo kết quả tiên tiến nhất thời kỳ năm 2022 hoặc nghiên cứu ảnh hưởng của E-ELAN và các kỹ thuật tập hợp kỹ thuật miễn phí có thể huấn luyện.
  • Nghiên cứu tái tham số hóa: Khảo sát các phép tích chập được tái tham số hóa theo kế hoạch và chiến lược mở rộng model tổng hợp.
  • Pipeline tùy chỉnh hiện có: Các dự án có pipeline được tùy chỉnh sâu dựa trên kiến trúc riêng của YOLOv7, khó tái cấu trúc.

Khi nào nên chọn YOLOv10#

YOLOv10 được khuyến nghị cho:

  • Phát hiện thời gian thực không cần NMS: Các ứng dụng hưởng lợi từ khả năng phát hiện end-to-end không cần Non-Maximum Suppression, giúp giảm độ phức tạp khi triển khai.
  • Cân bằng giữa tốc độ và độ chính xác: Các dự án cần sự cân bằng tốt giữa tốc độ inference và độ chính xác phát hiện trên nhiều quy mô model.
  • Ứng dụng cần độ trễ ổn định: Các tình huống triển khai yêu cầu thời gian inference có thể dự đoán, chẳng hạn như robotics hoặc hệ thống tự hành.

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.

Tương lai: Giới thiệu YOLO26#

YOLOv7 và YOLOv10 là những cột mốc ấn tượng, nhưng AI luôn tiếp tục phát triển. Ra mắt vào tháng 1 năm 2026, Ultralytics YOLO26 là model được khuyến nghị nhờ hiệu quả và độ chính xác trong triển khai trên edge lẫn cloud.

Nếu hôm nay bạn bắt đầu một dự án thị giác máy tính mới, YOLO26 là kiến trúc được khuyến nghị. Model này kế thừa các phiên bản trước với một số cải tiến:

  • Thiết kế end-to-end không cần NMS: Lấy cảm hứng từ YOLOv10, head one-to-one tùy chọn của YOLO26 (nms=False) bỏ qua bước hậu xử lý NMS, giúp giảm độ trễ và duy trì độ trễ ổn định hơn cho robot thời gian thực.
  • Suy luận CPU nhanh hơn đến 43%: Bằng cách loại bỏ module Distribution Focal Loss (DFL), YOLO26 tăng tốc thực thi trên phần cứng edge không có GPU; YOLO26n chạy nhanh hơn đến 43% trên CPU so với YOLO11n, phù hợp với thiết bị IoT.
  • Optimizer MuSGD: Lấy cảm hứng từ những cải tiến gần đây trong huấn luyện model ngôn ngữ lớn, YOLO26 kết hợp SGD và Muon để huấn luyện ổn định hơn và hội tụ nhanh hơn.
  • ProgLoss + STAL: Hàm loss tăng dần và cơ chế gán nhãn nhận biết mục tiêu nhỏ cải thiện khả năng nhận diện vật thể nhỏ, khắc phục điểm yếu lâu nay của các thế hệ YOLO cũ.
  • Linh hoạt đa tác vụ: YOLO26 hỗ trợ phát hiện, phân đoạn đối tượng, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại, ước lượng tư thế và OBB, cùng các tối ưu hóa theo tác vụ như Residual Log-Likelihood Estimation (RLE) cho ước lượng tư thế và các hàm loss góc chuyên biệt để phát hiện OBB chính xác trong ảnh hàng không.

Với các kỹ sư cần sự cân bằng tối ưu giữa tốc độ, độ chính xác và tính đơn giản khi triển khai, YOLO26 là bản nâng cấp tự nhiên từ các model cũ.

Người đóng góp

Bình luận

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