Bắt đầu

YOLOv7 và YOLOv9

Lĩnh vực phát hiện đối tượng thời gian thực đã phát triển nhanh chóng, với mỗi phiên bản mới cải thiện hiệu năng trên cả thiết bị edge lẫn máy chủ cloud. Khi đánh giá kiến trúc cho dự án thị giác máy tính, nhà phát triển thường so sánh các benchmark đã được xác lập với thiết kế mới hơn. Hướng dẫn này so sánh hai cột mốc quan trọng trong họ YOLO: YOLOv7 và YOLOv9.

Hướng dẫn đề cập đến kiến trúc, các chỉ số hiệu năng và kịch bản triển khai lý tưởng của hai model để giúp bạn chọn model phù hợp cho ứng dụng, đồng thời trình bày cách Ultralytics Platform và Python API giúp huấn luyện, đánh giá và triển khai các model được hỗ trợ như YOLOv9 dễ dàng hơn.

Dòng phát triển model và thông số kỹ thuật#

Hiểu nguồn gốc và triết lý thiết kế của các model này cung cấp bối cảnh thiết yếu để nắm rõ khả năng của chúng. Hai model có chung dòng nghiên cứu nhưng nhắm đến các nút thắt kiến trúc khác nhau.

YOLOv7: Tiên phong với Bag-of-Freebies#

Ra mắt vào giữa năm 2022, YOLOv7 trở thành một kiến trúc được sử dụng rộng rãi và tối ưu tốt. Model này giới thiệu tái tham số hóa cấu trúc và phương pháp "trainable bag-of-freebies" nhằm duy trì tốc độ suy luận cao mà không ảnh hưởng đến độ chính xác trung bình (mAP).

Cải tiến kiến trúc: YOLOv7 có Mạng tổng hợp lớp hiệu quả mở rộng (E-ELAN), cho phép model học các đặc trưng đa dạng hơn bằng cách mở rộng, xáo trộn và hợp nhất cardinality. Thiết kế này mang lại khả năng tận dụng GPU và độ trễ suy luận xuất sắc. Tuy nhiên, so với các phiên bản hiện đại, YOLOv7 có thể cần nhiều bộ nhớ trong các đợt huấn luyện phức tạp.

Tìm hiểu thêm về YOLOv7

YOLOv9: Giải quyết nút thắt thông tin#

Được cùng nhóm nghiên cứu giới thiệu vào đầu năm 2024, YOLOv9 giải quyết "nút thắt thông tin" vốn có trong mạng neural sâu. Khi dữ liệu đi qua các lớp sâu, những chi tiết quan trọng thường bị mất. YOLOv9 giảm thiểu vấn đề này bằng các thành phần kiến trúc mới.

Cải tiến kiến trúc: YOLOv9 giới thiệu Thông tin Gradient có thể lập trình (PGI) và Mạng tổng hợp lớp hiệu quả tổng quát (GELAN). PGI đảm bảo gradient đáng tin cậy được duy trì và truyền ngược để cập nhật trọng số chính xác. GELAN tối đa hóa hiệu quả tham số, cho phép YOLOv9 đạt độ chính xác cao với số lượng FLOPs ít hơn đáng kể so với các thế hệ trước.

Tìm hiểu thêm về YOLOv9

Phân tích hiệu năng#

Khi chọn kiến trúc, kỹ sư AI cần cân bằng độ chính xác, tốc độ suy luận và chi phí tính toán. Bảng dưới đây nêu bật khác biệt hiệu năng giữa các model này trên dataset COCO tiêu chuẩn.

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
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

Điểm chính cần lưu ý#

  • Hiệu quả tham số: YOLOv9m đạt độ chính xác ngang với YOLOv7l (51.4% mAP) trong khi sử dụng ít hơn khoảng 45% tham số (20.1M so với 36.9M). Việc giảm này giúp triển khai YOLOv9m dễ dàng hơn trên các thiết bị AI edge có bộ nhớ hạn chế.
  • Triển khai quy mô nhỏ: Biến thể YOLOv9t (tiny) chạy trong 2.3 ms trên GPU T4 với TensorRT, phù hợp với môi trường có yêu cầu thời gian thực nghiêm ngặt.
  • Độ chính xác tối đa: Với các ứng dụng ưu tiên độ chính xác, YOLOv9e đạt 55.6% mAP, cao hơn YOLOv7x 2.5 điểm.
Bảo đảm các dự án Thị giác máy tính của bạn sẵn sàng cho tương lai

Dù YOLOv7 và YOLOv9 là những model có năng lực, YOLO26 hiện là model Ultralytics được khuyến nghị cho các dự án mới. Model này giới thiệu thiết kế end-to-end không cần NMS gốc (có thể bật qua nms=False), bỏ qua bước hậu xử lý Non-Maximum Suppression (NMS) và tăng tốc suy luận CPU đến 43% (YOLO26n so với YOLO11n). Optimizer MuSGD cải thiện độ ổn định khi huấn luyện, còn ProgLoss + STAL (Progressive Loss và Small-Target-Aware Label Assignment) cải thiện khả năng phát hiện vật thể nhỏ.

Lợi thế của Ultralytics#

Lựa chọn kiến trúc model chỉ là bước đầu tiên. Hệ sinh thái phần mềm xung quanh model quyết định tốc độ bạn có thể chuyển từ nguyên mẫu sang production. Tích hợp các model được hỗ trợ như YOLOv9 thông qua Ultralytics Python API mang lại nhiều lợi ích đáng kể cho developer và nhà nghiên cứu.

Tính dễ sử dụng và hiệu quả huấn luyện#

Trước đây, huấn luyện YOLOv7 đòi hỏi chuẩn bị dữ liệu phức tạp và script được tùy biến nhiều. Framework Ultralytics xử lý các chi tiết này, nhờ đó nhà phát triển có thể chuyển đổi giữa các kiến trúc, thử nghiệm tinh chỉnh hyperparameter và sử dụng pipeline tăng cường dữ liệu tích hợp sẵn với lượng code tối thiểu.

Ultralytics cũng tối ưu mức sử dụng bộ nhớ trong quá trình huấn luyện và suy luận. So với các model Transformer nặng hơn như RT-DETR, kiến trúc YOLO của Ultralytics thường huấn luyện nhanh hơn và cần ít bộ nhớ CUDA hơn, phù hợp để chạy trên GPU phổ thông.

Ví dụ mã: Huấn luyện đơn giản hóa#

Ví dụ có thể chạy sau đây huấn luyện, đánh giá và export model YOLOv9 bằng Python API của Ultralytics:

from ultralytics import YOLO

# Khởi tạo model (bạn có thể thay 'yolov9c.pt' bằng 'yolo26n.pt')
model = YOLO("yolov9c.pt")

# Huấn luyện model trên bộ dữ liệu mẫu COCO8
train_results = model.train(
    data="coco8.yaml",
    epochs=50,
    imgsz=640,
    device="0",  # Sử dụng GPU 0 nếu có
    batch=16,  # Tối ưu batch size để sử dụng bộ nhớ hiệu quả
)

# Xác thực hiệu năng của model trên tập validation
metrics = model.val()

# Export model đã huấn luyện sang định dạng ONNX để triển khai
model.export(format="onnx")

Tính linh hoạt trên nhiều tác vụ#

Hệ sinh thái được duy trì tốt cũng cho phép tiếp cận nhiều tác vụ thị giác máy tính hơn. YOLOv7 chủ yếu được xây dựng cho phát hiện đối tượng (với các nhánh thử nghiệm sau này dành cho tác vụ khác), còn các model Ultralytics hiện đại hỗ trợ nhiều tác vụ nguyên bản. Ngay sau khi cài đặt, bạn có thể thực hiện phân đoạn đối tượng, phân loại ảnh, ước lượng tư thế và phát hiện Oriented Bounding Box (OBB).

Trường hợp sử dụng và ứng dụng lý tưởng#

Việc lựa chọn giữa YOLOv7 và YOLOv9 thường phụ thuộc vào các yêu cầu cụ thể của ngành và phần cứng hiện có.

Khi nào nên sử dụng YOLOv7#

  • Triển khai edge trên hệ thống cũ: Với môi trường phần cứng đã được tinh chỉnh cho kiến trúc E-ELAN của YOLOv7, model này vẫn là lựa chọn đáng tin cậy cho IoT công nghiệp.
  • Giám sát giao thông: Tốc độ khung hình cao và độ ổn định đã được kiểm chứng của YOLOv7 khiến model này phù hợp với hạ tầng thành phố thông minh và quản lý giao thông thời gian thực.
  • Tích hợp robot: Điều hướng trong môi trường biến động đòi hỏi xử lý có độ trễ thấp, và các biến thể YOLOv7 đã được kiểm thử rộng rãi trong những tình huống như vậy.

Khi nào nên dùng YOLOv9#

  • Chẩn đoán hình ảnh y tế: PGI giúp YOLOv9 bảo toàn chi tiết ở mức tinh trong các lớp sâu, điều này có giá trị đối với những tác vụ phân tích ảnh y tế như phát hiện khối u.
  • Phân tích bán lẻ trong môi trường đông đúc: Khi theo dõi và đếm các mặt hàng xếp dày trên kệ bán lẻ, khả năng tích hợp đặc trưng của YOLOv9 có thể cải thiện độ chính xác và giảm âm tính giả.
  • Ảnh chụp từ trên không và drone: Số lượng tham số hiệu quả của YOLOv9m cho phép xử lý ảnh độ phân giải cao trên drone, hỗ trợ bảo tồn động vật hoang dã và giám sát nông nghiệp mà không làm hao pin.

Kết luận#

YOLOv7 và YOLOv9 đều là những cột mốc quan trọng trong họ YOLO. YOLOv7 giới thiệu các tối ưu hóa thiết yếu cho xử lý thời gian thực, còn YOLOv9 giải quyết tình trạng mất thông tin trong mạng sâu để cải thiện hiệu quả tham số.

Tuy nhiên, với các dự án mới, những model Ultralytics mới hơn như YOLO11 và YOLO26 mang lại sự cân bằng tốt hơn giữa tốc độ, độ chính xác và trải nghiệm nhà phát triển. Với optimizer MuSGD và việc loại bỏ Distribution Focal Loss (DFL) để tương thích rộng hơn với phần cứng, YOLO26 là lựa chọn được khuyến nghị để bắt đầu.

Người đóng góp

Bình luận

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