YOLOv9 và YOLO11#
Thị giác máy tính phát triển nhanh chóng, liên tục mở rộng giới hạn của những gì có thể thực hiện trong phát hiện đối tượng thời gian thực. Trong số các kiến trúc hàng đầu, YOLOv9 và Ultralytics YOLO11 là những bước tiến mang tính cột mốc, mỗi model đáp ứng các nhu cầu kỹ thuật riêng. YOLOv9 giới thiệu những phương pháp mới để duy trì dòng gradient trong quá trình huấn luyện mạng sâu, còn YOLO11 tạo bước ngoặt cho hệ sinh thái thị giác đa dụng nhờ hiệu quả, tính linh hoạt và khả năng sử dụng vượt trội.
Bài so sánh kỹ thuật toàn diện này phân tích kiến trúc, chỉ số hiệu năng, yêu cầu bộ nhớ và các kịch bản triển khai phù hợp, giúp bạn chọn model tối ưu cho dự án AI tiếp theo.
YOLOv9 và YOLO11 đều là những model xuất sắc, nhưng YOLO26 mới ra mắt là bước tiến tiếp theo. Model có thiết kế end-to-end không cần NMS giúp đơn giản hóa triển khai, tốc độ inference trên CPU nhanh hơn tới 43% và optimizer MuSGD cải tiến giúp hội tụ nhanh. YOLO26 được khuyến nghị mạnh mẽ cho mọi dự án production mới.
Thông số kỹ thuật và nhóm tác giả#
Hiểu rõ nguồn gốc của các model này giúp làm rõ bối cảnh cần thiết về các quyết định thiết kế kiến trúc và phụ thuộc framework.
YOLOv9#
YOLOv9 chú trọng nghiên cứu học thuật về nút thắt thông tin trong deep learning, ưu tiên tối đa độ trung thực của đặc trưng thông qua các block mạng tùy chỉnh.
- Tác giả: Chien-Yao Wang và Hong-Yuan Mark Liao
- Tổ chức: Viện Khoa học Thông tin, Academia Sinica
- Ngày: 21 tháng 2, 2024
- Arxiv: https://arxiv.org/abs/2402.13616
- GitHub: https://github.com/WongKinYiu/yolov9
Ultralytics YOLO11#
YOLO11 được thiết kế từ đầu cho môi trường production, tập trung cân bằng giữa độ chính xác hàng đầu, tốc độ triển khai thực tế và khả năng xử lý đa tác vụ.
- Tác giả: Glenn Jocher và Jing Qiu
- Tổ chức: Ultralytics
- Ngày: 27 tháng 9, 2024
- GitHub: https://github.com/ultralytics/ultralytics
Các cải tiến kiến trúc#
Thông tin gradient có thể lập trình trong YOLOv9#
YOLOv9 giới thiệu khái niệm Thông tin Gradient Có thể Lập trình (PGI) cùng với Mạng Tổng hợp Lớp Hiệu quả Tổng quát (GELAN). Khi mạng neural ngày càng sâu, chúng thường gặp nút thắt thông tin, khiến các chi tiết quan trọng bị mất trong quá trình truyền xuôi. PGI giải quyết vấn đề này bằng cách cung cấp các bản cập nhật gradient đáng tin cậy, giữ lại thông tin không gian chi tiết, trong khi GELAN tối đa hóa hiệu quả tham số. Nhờ vậy, YOLOv9 đặc biệt phù hợp với các tác vụ đòi hỏi độ trung thực của đặc trưng cao, dù model vẫn dùng Non-Maximum Suppression (NMS) tiêu chuẩn trong quá trình hậu xử lý, điều có thể gây tăng độ trễ trên thiết bị biên.
YOLO11 tối ưu hiệu quả triển khai#
YOLO11 kế thừa nhiều năm nghiên cứu nền tảng để tạo ra một kiến trúc được tối ưu cao. Model cải tiến so với các phiên bản trước bằng cách giảm chi phí tính toán, đồng thời tối đa hóa khả năng trích xuất đặc trưng. YOLO11 vẫn sử dụng NMS tiêu chuẩn để hậu xử lý, nhưng các head phát hiện được tinh chỉnh giúp cân bằng ấn tượng giữa độ trễ và độ chính xác. Ngoài ra, YOLO11 vốn sử dụng ít bộ nhớ hơn trong cả quá trình huấn luyện model lẫn inference so với các model Transformer cồng kềnh, vốn thường huấn luyện chậm hơn và đòi hỏi lượng lớn bộ nhớ CUDA.
So sánh chỉ số hiệu năng#
Khi so sánh các model này trên bộ dữ liệu COCO tiêu chuẩn, cả hai đều thể hiện năng lực vượt trội, nhưng có sự đánh đổi giữa số lượng tham số thuần và tốc độ vận hành.
Dưới đây là phân tích chi tiết về các chỉ số hiệu năng YOLO.
| Model | kích thước (pixel) | mAPval 50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
Phân tích kết quả#
- Tốc độ và hiệu quả phần cứng: YOLO11 luôn có tốc độ inference cao hơn YOLOv9. Chẳng hạn, YOLO11n đạt tốc độ đáng kinh ngạc 1,5 ms trên GPU NVIDIA T4 khi sử dụng TensorRT, nhờ đó rất phù hợp với các pipeline thời gian thực nghiêm ngặt.
- Yêu cầu tính toán: Các model YOLO11 thường cần ít FLOPs hơn (ví dụ: 68,1B với YOLO11m so với 76,8B với YOLOv9m), giúp giảm mức tiêu thụ điện trên các thiết bị biên chạy bằng pin như Raspberry Pi hoặc phần cứng di động.
- Độ chính xác tương đương: YOLOv9e nhỉnh hơn YOLO11x một chút về mAP tuyệt đối (55,6 so với 54,7), nhưng YOLO11 đạt độ chính xác tối đa với độ trễ thấp hơn đáng kể (11,3 ms so với 16,77 ms), cho thấy sự cân bằng hiệu năng phù hợp hơn khi triển khai thực tế.
Hệ sinh thái và tính dễ sử dụng#
Mặc dù các chỉ số thuần rất quan trọng, hệ sinh thái framework thường quyết định thành công của dự án. Đây là điểm mà lợi thế Ultralytics thực sự tỏa sáng.
Kho YOLOv9 ban đầu có tính chuyên biệt cao, cung cấp bản triển khai nghiên cứu tiên tiến. Tuy nhiên, Nền tảng Ultralytics cùng package mã nguồn mở đi kèm mang lại trải nghiệm người dùng đơn giản hơn, API dễ dùng và tài liệu phong phú, giúp rút ngắn đáng kể thời gian đưa sản phẩm ra thị trường.
Tính linh hoạt đa tác vụ#
YOLOv9 chủ yếu tập trung vào phát hiện bounding box. Ngược lại, YOLO11 là một model đa tác vụ toàn diện, hỗ trợ nguyên bản các tác vụ sau:
Triển khai liền mạch#
Sử dụng hệ sinh thái Ultralytics giúp developer export model sang nhiều định dạng chỉ bằng một dòng Python. Dù hướng đến ONNX, OpenVINO, LiteRT hay CoreML, quá trình chuyển từ huấn luyện sang production đều rất dễ dàng.
from ultralytics import YOLO
# Tải model YOLO11 hiệu quả cao
model = YOLO("yolo11n.pt")
# Huấn luyện nhanh trên dataset tùy chỉnh với mức sử dụng bộ nhớ tối thiểu
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Export model đã huấn luyện sang OpenVINO để tăng tốc CPU Intel
model.export(format="openvino")Các trường hợp sử dụng phù hợp nhất#
Khi nào nên sử dụng YOLOv9#
YOLOv9 là công cụ tuyệt vời cho môi trường tập trung vào nghiên cứu hoặc các tình huống ưu tiên độ trung thực đặc trưng ở mức cao nhất, khi độ trễ phần cứng không phải ràng buộc chính. Kiến trúc GELAN có thể đặc biệt hữu ích trong phân tích ảnh y tế, nơi việc phát hiện những khác biệt nhỏ nhất ở cấp pixel là rất quan trọng.
Vì sao YOLO11 là lựa chọn vượt trội#
Với developer, kỹ sư và đội ngũ production, YOLO11 được khuyến nghị mạnh mẽ. Model thể hiện xuất sắc trong các môi trường đòi hỏi triển khai tốc độ cao và có khả năng mở rộng:
- Phân tích bán lẻ thông minh: Theo dõi sản phẩm và khách hàng liền mạch bằng bộ xử lý Intel tiêu chuẩn.
- Drone tự hành: Kiến trúc có FLOPs thấp giúp tiết kiệm pin mà vẫn phát hiện đối tượng nhỏ một cách đáng tin cậy.
- Dự án linh hoạt: Các workflow có thể bắt đầu với tác vụ phát hiện nhưng sau đó phát triển để cần ước tính tư thế hoặc phân đoạn.
Hướng tới tương lai: Bước tiến tiếp theo#
Dù YOLO11 là công nghệ tiên tiến nhất trong thế hệ của mình, lĩnh vực thị giác máy tính vẫn tiếp tục phát triển. Người dùng muốn khám phá các giới hạn của AI cũng nên tìm hiểu YOLO26.
Tiên phong với thiết kế end-to-end không cần NMS, lần đầu được nghiên cứu trong YOLOv10, YOLO26 giới thiệu optimizer MuSGD (kết hợp SGD và Muon) để mang lại độ ổn định huấn luyện chưa từng có. Bằng cách loại bỏ Distribution Focal Loss (DFL) để đơn giản hóa quá trình export, đồng thời sử dụng các cơ chế loss tiên tiến như ProgLoss và STAL, YOLO26 đạt tốc độ inference trên CPU nhanh hơn tới 43%. Với các dự án hiện đại, model mang đến sự kết hợp tối ưu giữa đổi mới học thuật và độ tin cậy sẵn sàng cho production. Ngoài ra, nhờ API Ultralytics thống nhất, các nhóm nâng cấp từ hệ thống cũ như Ultralytics YOLOv8 sẽ chuyển sang YOLO26 hoặc YOLO11 mà không gặp trở ngại.