Bắt đầu

YOLOv9 và PP-YOLOE+

Lĩnh vực phát hiện vật thể theo thời gian thực tiếp tục phát triển nhanh chóng, đem đến cho kỹ sư thị giác máy tính nhiều lựa chọn để triển khai model có độ chính xác cao trên hạ tầng biên và đám mây. Hai model nổi bật trong lĩnh vực này là YOLOv9 và PP-YOLOE+. Cả hai đều có độ chính xác và tốc độ cao, nhưng bắt nguồn từ những hướng nghiên cứu và hệ sinh thái phần mềm khác nhau.

Bài so sánh kỹ thuật này khảo sát kiến trúc, phương pháp huấn luyện, chỉ số hiệu năng và ứng dụng thực tế phù hợp của hai model. Bài viết cũng giải thích cách hệ sinh thái Ultralytics hỗ trợ nhà phát triển ưu tiên tính dễ sử dụng, hiệu quả bộ nhớ và khả năng triển khai linh hoạt.

Nguồn gốc và thông số kỹ thuật của model#

Tìm hiểu bối cảnh hình thành các model giúp làm rõ những quyết định về kiến trúc và các framework phụ thuộc.

YOLOv9: Giải quyết nút thắt thông tin#

Được giới thiệu vào đầu năm 2024, YOLOv9 giải quyết tình trạng mất dữ liệu khi thông tin truyền qua các mạng neural sâu. Đây là một mạng neural tích chập hiệu quả, được thiết kế để tối đa hóa hiệu quả tham số.

Tìm hiểu thêm về YOLOv9

PP-YOLOE+: Thúc đẩy hệ sinh thái Paddle#

Được Baidu phát hành năm 2022, PP-YOLOE+ là phiên bản cải tiến dần từ PP-YOLOv2. Model sử dụng thiết kế không cần anchor và giới thiệu chiến lược gán nhãn động nhằm cải thiện hội tụ và độ chính xác trong framework PaddlePaddle.

Tìm hiểu thêm về PP-YOLOE+

So sánh kiến trúc#

Thông tin Gradient có thể lập trình và CSPRepResStage#

Đổi mới cốt lõi của YOLOv9 là Thông tin Gradient có thể lập trình (PGI). PGI hoạt động như một framework giám sát phụ trợ, đảm bảo thông tin gradient thiết yếu được bảo toàn và truyền chính xác trở lại các lớp nông trong quá trình huấn luyện. PGI kết hợp với Mạng tổng hợp lớp hiệu quả tổng quát (GELAN), kiến trúc kết hợp các ưu điểm của CSPNet và ELAN để đạt độ chính xác cao đồng thời giảm chi phí tính toán (FLOPs).

PP-YOLOE+ dựa vào một backbone chuyên biệt có tên CSPRepResStage. Model tận dụng kỹ thuật tái tham số hóa (tương tự RepVGG) để tăng tốc suy luận bằng cách gộp các lớp tích chập trong quá trình triển khai. Ngoài ra, model sử dụng head Efficient Task-aligned (ET-head) để cân bằng tác vụ phân loại và hồi quy.

PP-YOLOE+ có độ ổn định tốt, nhưng kiến trúc GELAN của YOLOv9 sử dụng ít tham số hơn ở mọi kích thước, giúp giảm mức sử dụng bộ nhớ khi suy luận và phù hợp với thiết bị AI biên.

So sánh hiệu năng#

Khi đánh giá model cho môi trường production, sự đánh đổi giữa mAP (độ chính xác trung bình), tốc độ suy luận và kích thước model là yếu tố then chốt.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
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
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59

Phân tích#

  • Hiệu quả tham số: YOLOv9 sử dụng tham số hiệu quả hơn. Chẳng hạn, YOLOv9c đạt mAP 53.0% chỉ với 25.5M tham số, trong khi PP-YOLOE+l cần hơn gấp đôi số tham số (52.2M) để đạt mAP thấp hơn một chút là 52.9%, khiến YOLOv9 cần ít bộ nhớ hơn. PP-YOLOE+ có ít FLOPs hơn ở kích thước s và m.
  • Tốc độ suy luận: YOLOv9 đạt tốc độ cạnh tranh với TensorRT trên GPU NVIDIA T4; YOLOv9t là model nhanh nhất trong nhóm này, còn PP-YOLOE+ nhanh hơn ở kích thước s, m và x. Cả hai dòng model đều phù hợp cho suy luận thời gian thực.

Phương pháp huấn luyện và hệ sinh thái#

Việc lựa chọn giữa các model này thường phụ thuộc vào hệ sinh thái phần mềm.

PP-YOLOE+ và PaddlePaddle#

PP-YOLOE+ gắn kết chặt chẽ với bộ công cụ PaddleDetection. Dù mạnh mẽ, bộ công cụ này yêu cầu người dùng làm việc trong môi trường sử dụng nhiều file cấu hình và điều khiển qua command line. Với các nhóm đã gắn bó sâu với hệ sinh thái PyTorch hoặc TensorFlow, việc chuyển sang PaddlePaddle tạo ra nhiều trở ngại và đòi hỏi thời gian làm quen lâu hơn.

Ưu thế của Ultralytics: Tinh giản quy trình làm việc#

Ngược lại, YOLOv9 được hỗ trợ trong hệ sinh thái Ultralytics, vốn được thiết kế cho nhà phát triển và nhà nghiên cứu, đồng thời ưu tiên tính dễ sử dụng. Python API loại bỏ phần lớn mã boilerplate.

from ultralytics import YOLO

# Tải một model YOLOv9 đã huấn luyện sẵn
model = YOLO("yolov9c.pt")

# Huấn luyện trên dataset tùy chỉnh
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device=0)

# Chạy suy luận và trực quan hóa kết quả
results = model("https://ultralytics.com/images/bus.jpg")

# Xuất sang ONNX để triển khai production
model.export(format="onnx")

Quy trình này thể hiện hiệu quả huấn luyện của các model Ultralytics. Hỗ trợ sẵn cho tăng cường dữ liệu, huấn luyện phân tán và ghi log tự động lên các nền tảng như Weights & Biases hoặc MLflow được tích hợp mặc định.

Khám phá những tiến bộ mới nhất trong Vision AI

YOLOv9 có hiệu năng tốt, nhưng Ultralytics khuyến nghị dùng Ultralytics YOLO26 cho các dự án mới. YOLO26 có Thiết kế end-to-end không cần NMS nguyên bản (tùy chọn qua nms=False), loại bỏ bước hậu xử lý Non-Maximum Suppression (NMS) và đơn giản hóa việc triển khai. Nhờ loại bỏ DFL (loại bỏ Distribution Focal Loss để đơn giản hóa quá trình export và tăng khả năng tương thích với thiết bị biên/thiết bị công suất thấp), YOLO26n suy luận trên CPU nhanh hơn tới 43% so với YOLO11n cho điện toán biên. Bộ tối ưu MuSGD giúp huấn luyện ổn định và hội tụ nhanh, còn ProgLoss + STAL (Hàm mất mát lũy tiến và Gán nhãn nhận biết mục tiêu nhỏ) cải thiện khả năng phát hiện vật thể nhỏ, yếu tố thiết yếu trong IoT, robot và ảnh chụp từ trên không.

Tính linh hoạt và hỗ trợ tác vụ#

Các dự án thị giác máy tính hiện đại hiếm khi chỉ dừng lại ở bounding box đơn giản.

PP-YOLOE+ chủ yếu được thiết kế cho tác vụ phát hiện vật thể tiêu chuẩn. Việc điều chỉnh kiến trúc cho các tác vụ khác đòi hỏi nhiều công sức kỹ thuật tùy chỉnh.

Ngược lại, framework Ultralytics hỗ trợ nhiều tác vụ. Với API thống nhất, nhà phát triển có thể chuyển từ phát hiện vật thể tiêu chuẩn sang phân đoạn đối tượng, phân loại ảnh, ước tính tư thế và phát hiện hộp giới hạn định hướng (OBB) cho ảnh chụp từ trên không. Tính linh hoạt này là lý do chính khiến các nhóm chọn model được Ultralytics hỗ trợ như YOLOv9, YOLO11 và YOLO26.

Trường hợp sử dụng và ứng dụng lý tưởng#

  • Phân tích đô thị thông minh và quản lý giao thông: Hiệu quả tham số cao và độ trễ thấp của YOLOv9 (cũng như YOLO26 kế nhiệm) khiến chúng phù hợp để triển khai trên phần cứng biên hạn chế (như thiết bị NVIDIA Jetson), nhằm giám sát luồng giao thông và an ninh đô thị.
  • Hệ thống kiểm kê bán lẻ: Khi phát hiện các mặt hàng nhỏ được xếp dày đặc trên kệ, PGI của YOLOv9 giúp duy trì chi tiết không gian ở mức tinh vi, qua đó hỗ trợ phát hiện vật thể nhỏ.
  • Triển khai trên hệ thống cũ: PP-YOLOE+ vẫn là lựa chọn thiết thực cho các nhóm cần sử dụng stack phần mềm Baidu/PaddlePaddle trong hạ tầng hiện có.

Đối với nhà nghiên cứu tìm hiểu kiến trúc dựa trên Transformer, Ultralytics cũng hỗ trợ nguyên bản RT-DETR trong cùng API, giúp bạn chọn model phù hợp nhất với yêu cầu triển khai.

Người đóng góp

Bình luận

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