So sánh YOLOv9 và DAMO-YOLO#

Sự phát triển nhanh chóng của thị giác máy tính đã tạo ra một loạt kiến trúc mạnh mẽ được thiết kế cho nhiều ràng buộc triển khai và yêu cầu độ chính xác khác nhau. Hai đại diện đáng chú ý trong lĩnh vực này là YOLOv9, nổi bật với khả năng xử lý hiệu quả các nút thắt thông tin, và DAMO-YOLO, tập trung mạnh vào Tìm kiếm kiến trúc neural (NAS) và các tháp đặc trưng hiệu quả.

Hướng dẫn này cung cấp phần so sánh chuyên sâu về mặt kỹ thuật giữa YOLOv9 và DAMO-YOLO, làm rõ sự khác biệt về kiến trúc, phương pháp huấn luyện và các kịch bản triển khai lý tưởng. Chúng ta cũng sẽ khám phá cách hệ sinh thái Ultralytics cung cấp lộ trình liền mạch từ phát triển đến production, cũng như lý do các model hiện đại như YOLO26 đã trở thành tiêu chuẩn được khuyến nghị cho các dự án mới.

Phân tích chuyên sâu về kiến trúc#

Việc tìm hiểu các cơ chế cốt lõi chi phối từng model cho thấy lý do chúng hoạt động khác nhau trên nhiều metric.

YOLOv9: Thông tin Gradient có thể lập trình#

YOLOv9 được thiết kế để trực tiếp giải quyết hiện tượng mất thông tin xảy ra khi dữ liệu truyền qua các mạng neural sâu.

• Tác giả: Chien-Yao Wang, Hong-Yuan Mark Liao
• Tổ chức: Viện Khoa học Thông tin, Academia Sinica, Đài Loan
• Ngày: 21 tháng 2, 2024
• Liên kết: Arxiv, GitHub, Tài liệu

Tìm hiểu thêm về YOLOv9

YOLOv9 giới thiệu Thông tin gradient có thể lập trình (PGI) và Mạng tổng hợp tầng hiệu quả tổng quát (GELAN). PGI đảm bảo thông tin không gian và ngữ nghĩa quan trọng được duy trì trong quá trình truyền tiến, ngăn chặn sự suy giảm của gradient được sử dụng để cập nhật trọng số. GELAN bổ trợ cho cơ chế này bằng cách tối đa hóa hiệu quả tham số, cho phép model đạt độ chính xác trung bình (mAP) tiên tiến với ít FLOPs hơn nhiều CNN truyền thống.

DAMO-YOLO: Hiệu quả dựa trên NAS#

Được phát triển bởi Alibaba Group, DAMO-YOLO sử dụng một phương pháp khác, tận dụng tìm kiếm kiến trúc tự động để tìm ra sự cân bằng tối ưu giữa tốc độ và độ chính xác.

• Tác giả: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang và Xiuyu Sun
• Tổ chức: Alibaba Group
• Ngày: 23 tháng 11, 2022
• Liên kết: Arxiv, GitHub

Tìm hiểu thêm về DAMO-YOLO

DAMO-YOLO dựa vào backbone MAE-NAS (Maximum Entropy Neural Architecture Search) để tự động tạo ra các cấu trúc mạng hiệu quả. Nó tận dụng RepGFPN (Reparameterized Generalized Feature Pyramid Network) để dung hợp đặc trưng mạnh mẽ và thiết kế "ZeroHead" nhằm giảm thiểu gánh nặng tính toán của đầu dò. Ngoài ra, nó tích hợp AlignedOTA để gán nhãn và chưng cất tri thức nhằm nâng cao hiệu suất của các biến thể nhỏ hơn.

So sánh hiệu năng và các chỉ số#

Khi lựa chọn model phát hiện đối tượng, việc cân bằng giữa độ chính xác, tốc độ và footprint tính toán là yếu tố quan trọng.

Phân tích#

• Độ chính xác so với số lượng tham số: YOLOv9 nhìn chung cho thấy tỷ lệ tham số trên độ chính xác vượt trội hơn. Chẳng hạn, YOLOv9c đạt 53.0% mAP với 25.3M tham số, trong khi DAMO-YOLOl đạt 50.8% mAP nhưng yêu cầu nhiều tham số hơn đáng kể (42.1M).
• Tốc độ inference: Kiến trúc của DAMO-YOLO cung cấp tốc độ inference TensorRT cạnh tranh trên GPU T4, nhỉnh hơn YOLOv9 đôi chút ở các phân khúc trung cấp. Tuy nhiên, hiệu quả về FLOPs và số lượng tham số của YOLOv9 mang lại hiệu quả sử dụng bộ nhớ GPU vượt trội.
• Yêu cầu bộ nhớ: Các model Ultralytics YOLO, bao gồm YOLOv9, thường có mức sử dụng bộ nhớ thấp hơn trong cả quá trình huấn luyện lẫn inference so với các model được tạo bởi NAS phức tạp hoặc các kiến trúc Transformer nặng, nhờ đó dễ tiếp cận hơn khi triển khai trên phần cứng edge bị giới hạn.

Lợi thế từ hệ sinh thái Ultralytics#

Mặc dù các metric lý thuyết rất quan trọng, việc triển khai thực tế mới là yếu tố quyết định lớn đến thành công của dự án. Đây là lĩnh vực mà Ultralytics Platform cùng hệ sinh thái phần mềm toàn diện của mình vượt trội hơn các repository độc lập như DAMO-YOLO.

Tính dễ sử dụng và hiệu quả huấn luyện#

Việc huấn luyện một model YOLOv9 tùy chỉnh yêu cầu rất ít boilerplate. Ultralytics Python API trừu tượng hóa các quy trình phức tạp như tăng cường dữ liệu, huấn luyện phân tán và tối ưu hóa phần cứng.

from ultralytics import YOLO

# Load a pretrained YOLOv9 model
model = YOLO("yolov9c.pt")

# Train the model on your custom dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate model performance
metrics = model.val()

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

Ngược lại, việc sử dụng DAMO-YOLO thường đòi hỏi phải xử lý các file cấu hình cứng nhắc và chuỗi dependency phức tạp dành riêng cho pipeline huấn luyện đặc thù, dẫn đến đường cong học tập dốc hơn.

Tính linh hoạt trên nhiều tác vụ#

Một đặc điểm nổi bật của các model Ultralytics là tính linh hoạt vốn có. Ngoài phát hiện bounding box tiêu chuẩn, framework Ultralytics còn hỗ trợ liền mạch các tác vụ như phân đoạn instance, ước tính pose, phân loại hình ảnh và phát hiện hộp giới hạn định hướng (OBB). DAMO-YOLO được tối ưu nghiêm ngặt cho phát hiện đối tượng 2D, do đó cần tái thiết kế đáng kể để thích ứng với các bài toán thị giác khác.

Các trường hợp sử dụng và khuyến nghị#

Việc lựa chọn giữa YOLOv9 và DAMO-YOLO phụ thuộc vào yêu cầu cụ thể của dự án, các ràng buộc triển khai và lựa chọn hệ sinh thái của bạn.

Khi nào nên chọn YOLOv9#

YOLOv9 là lựa chọn phù hợp cho:

• Nghiên cứu nút thắt thông tin: Các dự án học thuật nghiên cứu kiến trúc Programmable Gradient Information (PGI) và Generalized Efficient Layer Aggregation Network (GELAN).
• Nghiên cứu tối ưu hóa luồng gradient: Các nghiên cứu tập trung vào việc tìm hiểu và giảm thiểu mất mát thông tin trong các layer sâu của network trong quá trình huấn luyện.
• Benchmark phát hiện độ chính xác cao: Các tình huống cần hiệu năng benchmark COCO mạnh của YOLOv9 làm mốc tham chiếu cho việc so sánh kiến trúc.

Khi nào nên chọn DAMO-YOLO#

DAMO-YOLO được khuyến nghị cho:

• Phân tích video thông lượng cao: Xử lý các luồng video FPS cao trên hạ tầng GPU NVIDIA cố định, trong đó thông lượng batch-1 là chỉ số chính.
• Dây chuyền sản xuất công nghiệp: Các tình huống có yêu cầu nghiêm ngặt về độ trễ GPU trên phần cứng chuyên dụng, chẳng hạn như kiểm tra chất lượng theo thời gian thực trên dây chuyền lắp ráp.
• Nghiên cứu Neural Architecture Search: Nghiên cứu tác động của tìm kiếm kiến trúc tự động (MAE-NAS) và các backbone được reparameterize hiệu quả đối với hiệu năng phát hiện.

Khi nào nên chọn Ultralytics (YOLO26)#

Đối với hầu hết dự án mới, Ultralytics YOLO26 mang đến sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm developer:

• Triển khai edge không cần NMS: Các ứng dụng yêu cầu suy luận nhất quán, độ trễ thấp mà không có sự phức tạp của bước hậu xử lý triệt tiêu cực đại.
• Môi trường chỉ sử dụng CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi khả năng suy luận trên CPU nhanh hơn tới 43% của YOLO26 mang lại lợi thế quyết định.
• Phát hiện đối tượng nhỏ: Các kịch bản đầy thách thức như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, trong đó ProgLoss và STAL cải thiện đáng kể độ chính xác trên các đối tượng rất nhỏ.

Tương lai: Chuyển sang YOLO26#

Mặc dù YOLOv9 và DAMO-YOLO là những cột mốc lịch sử đáng chú ý, thị giác máy tính hiện đại đã chuyển hướng sang các kiến trúc end-to-end nguyên bản. Đối với mọi hoạt động phát triển mới, YOLO26 là tiêu chuẩn được khuyến nghị.

Được phát hành vào năm 2026, YOLO26 kế thừa những thành công của các thế hệ trước, mang đến bước tiến vượt bậc cả về độ chính xác lẫn sự đơn giản trong triển khai.

Những đổi mới chính của YOLO26#

• Thiết kế end-to-end không cần NMS: YOLO26 loại bỏ hoàn toàn bước hậu xử lý Non-Maximum Suppression (NMS). Điều này tạo ra một pipeline triển khai tinh gọn, end-to-end nguyên bản, đột phá lần đầu được tiên phong trong YOLOv10.
• Loại bỏ DFL: Loại bỏ Distribution Focal Loss để đơn giản hóa quá trình export và cải thiện khả năng tương thích với các thiết bị edge/công suất thấp.
• Inference trên CPU nhanh hơn tới 43%: Bằng cách loại bỏ hậu xử lý phức tạp và tối ưu hóa các phép tích chập cốt lõi, YOLO26 đặc biệt phù hợp với các kịch bản edge computing không có GPU chuyên dụng.
• Optimizer MuSGD: Lấy cảm hứng từ các đổi mới trong huấn luyện LLM, YOLO26 sử dụng kết hợp SGD và Muon (MuSGD) để đảm bảo quá trình huấn luyện ổn định hơn và thời gian hội tụ nhanh hơn rõ rệt.
• ProgLoss + STAL: Các hàm loss nâng cao này cải thiện đáng kể khả năng nhận diện đối tượng nhỏ, khiến YOLO26 trở nên lý tưởng cho ảnh trên không ở độ cao lớn và các thiết bị IoT.

Nếu hiện đang nghiên cứu YOLO11 hoặc YOLOv8 cho dự án tiếp theo, việc nâng cấp lên YOLO26 đảm bảo bạn đang sử dụng framework AI thị giác tiên tiến, được tối ưu hóa nhất hiện nay.

Tóm tắt#

Việc lựa chọn model phù hợp phụ thuộc vào các ràng buộc vận hành cụ thể của bạn:

• DAMO-YOLO mang đến góc nhìn thú vị về việc tối ưu hóa dựa trên NAS, cung cấp tốc độ cạnh tranh cho các cấu hình phần cứng rất cụ thể, nơi kiến trúc RepGFPN phát huy thế mạnh.
• YOLOv9 là lựa chọn xuất sắc cho các nhà nghiên cứu tập trung vào việc duy trì các chi tiết thị giác tinh vi, tận dụng kiến trúc PGI để ngăn mất thông tin trong các mạng sâu.
• Ultralytics YOLO26 là lựa chọn dứt khoát cho các ứng dụng doanh nghiệp và nghiên cứu hiện đại. Tính dễ sử dụng vượt trội, kiến trúc không cần NMS và các tối ưu hóa huấn luyện MuSGD tiên tiến khiến model này trở thành model đáng tin cậy, chính xác và dễ triển khai nhất trong lĩnh vực thị giác máy tính.