Bắt đầu

YOLOv9 và YOLOv10

Bối cảnh computer vision theo thời gian thực phát triển nhanh chóng khi các nhà nghiên cứu tiếp tục cải thiện sự đánh đổi giữa hiệu năng và hiệu quả. Trong quá trình phát triển các model thị giác tiên tiến nhất, YOLOv9 và YOLOv10 là hai cột mốc quan trọng. Cả hai model ra mắt vào đầu năm 2024, giới thiệu những thay đổi kiến trúc đáng kể nhằm giải quyết các thách thức lâu đời trong mạng neural sâu, từ nút thắt thông tin đến độ trễ hậu xử lý.

Bài so sánh kỹ thuật này phân tích kiến trúc, chỉ số hiệu năng và các kịch bản triển khai lý tưởng để giúp bạn chọn model phát hiện đối tượng phù hợp.

Nguồn gốc và kiến trúc model#

Hiểu rõ dòng phát triển và nền tảng lý thuyết của các mô hình này là yếu tố then chốt để lựa chọn kiến trúc phù hợp cho dự án thị giác máy tính của bạn.

YOLOv9: Làm chủ luồng thông tin#

Được giới thiệu vào ngày 21 tháng 2 năm 2024, YOLOv9 giải quyết vấn đề lý thuyết về mất mát thông tin khi dữ liệu đi qua các mạng neural sâu.

YOLOv9 giới thiệu Mạng tổng hợp lớp hiệu quả tổng quát (GELAN), tối đa hóa mức độ sử dụng tham số bằng cách kết hợp thế mạnh của CSPNet và ELAN. Ngoài ra, model sử dụng Thông tin gradient có thể lập trình (PGI), một cơ chế giám sát phụ đảm bảo các layer sâu giữ lại thông tin không gian quan trọng. Điều này giúp YOLOv9 phù hợp với các tác vụ đòi hỏi độ trung thực đặc trưng cao, chẳng hạn như phân tích ảnh y tế hoặc giám sát từ xa.

Tìm hiểu thêm về YOLOv9

YOLOv10: Hiệu quả đầu-cuối theo thời gian thực#

Ra mắt ngay sau đó vào ngày 23 tháng 5 năm 2024, YOLOv10 đơn giản hóa pipeline triển khai bằng cách loại bỏ một nút thắt độ trễ nổi tiếng trong phát hiện đối tượng: Ức chế phi cực đại (NMS).

YOLOv10 sử dụng phương pháp gán kép nhất quán trong quá trình huấn luyện, cho phép thiết kế không cần NMS ngay từ đầu. Điều này loại bỏ chi phí hậu xử lý khi suy luận và giảm độ trễ. Kết hợp với thiết kế model toàn diện cân bằng hiệu quả và độ chính xác, YOLOv10 đạt được sự cân bằng tốt, giảm chi phí tính toán (FLOPs) trong khi vẫn duy trì độ chính xác cạnh tranh, khiến model trở thành lựa chọn hấp dẫn cho các ứng dụng điện toán edge.

Tìm hiểu thêm về YOLOv10

So sánh hiệu năng và chỉ số#

Khi benchmark hai họ model này trên dataset MS COCO tiêu chuẩn, có thể thấy sự đánh đổi rõ rệt giữa độ chính xác thuần và độ trễ suy luận.

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
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 dữ liệu#

  1. Độ trễ và độ chính xác: Các model YOLOv10 thường có tốc độ suy luận nhanh hơn. Ví dụ, YOLOv10s đạt 46.3% mAP chỉ trong 2.49 ms trên TensorRT, so với YOLOv9s cần 3.54 ms để đạt 46.8% mAP tương đương.
  2. Độ chính xác hàng đầu: Với các tình huống nghiên cứu đòi hỏi độ chính xác phát hiện tối đa, YOLOv9e vẫn là lựa chọn mạnh mẽ, đạt 55.6% mAP, trong đó PGI giúp model trích xuất các đặc trưng tinh tế một cách đáng tin cậy.
  3. Hiệu quả: YOLOv10 nổi bật về hiệu quả FLOPs. Điều này trực tiếp giúp giảm mức tiêu thụ điện năng, một chỉ số quan trọng đối với các thiết bị chạy model AI thị giác bằng pin.
Mẹo triển khai

Nếu triển khai trên CPU hoặc phần cứng biên có tài nguyên hạn chế như Raspberry Pi, kiến trúc không cần NMS của YOLOv10 thường mang lại pipeline mượt mà hơn nhờ loại bỏ các bước hậu xử lý có độ trễ biến thiên.

Lợi thế của Ultralytics: Huấn luyện và hệ sinh thái#

Mặc dù khác biệt về kiến trúc rất quan trọng, hệ sinh thái phần mềm xung quanh thường quyết định thành công của dự án. Cả YOLOv9 và YOLOv10 đều được tích hợp đầy đủ vào hệ sinh thái Ultralytics, mang đến trải nghiệm nhất quán cho nhà phát triển.

Dễ sử dụng và hiệu quả bộ nhớ#

Không giống các kiến trúc dựa trên Transformer phức tạp có thể đòi hỏi nhiều bộ nhớ, các model Ultralytics YOLO được thiết kế để sử dụng bộ nhớ GPU hiệu quả. Nhờ đó, các nhà nghiên cứu có thể sử dụng batch size lớn hơn trên phần cứng phổ thông, giúp AI tiên tiến trở nên dễ tiếp cận.

Python API thống nhất xử lý các công việc phức tạp như tăng cường dữ liệu và tinh chỉnh siêu tham số. Bạn có thể chuyển đổi giữa các kiến trúc bằng cách thay đổi chuỗi tên file weight.

from ultralytics import YOLO

# Tải model YOLOv10 (Dễ dàng đổi thành "yolov9c.pt" để dùng YOLOv9)
model = YOLO("yolov10n.pt")

# Huấn luyện model trên bộ dữ liệu COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device=0)

# Đánh giá hiệu năng của model
metrics = model.val()

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

Dù cần ghi log chỉ số vào MLflow hay xuất model sang TensorRT để triển khai trên phần cứng tốc độ cao, gói Python Ultralytics đều hỗ trợ trực tiếp.

Các trường hợp sử dụng phù hợp nhất#

Việc lựa chọn giữa các model này phụ thuộc vào những ràng buộc triển khai của bạn:

  • Chọn YOLOv9 nếu: Bạn đang thực hiện các tác vụ phát hiện đối tượng nhỏ, chẳng hạn như xử lý ảnh chụp từ drone trên không hoặc phát hiện khối u nhỏ, trong đó khả năng lưu giữ đặc trưng của kiến trúc GELAN mang lại độ trung thực cao nhất.
  • Chọn YOLOv10 nếu: Mục tiêu chính của bạn là suy luận thời gian thực trên thiết bị biên. Thiết kế không cần NMS khiến model phù hợp với robot tự hành, giám sát giao thông thời gian thực và giám sát thông minh.

Đón đầu tương lai: Chuyển sang YOLO26#

Mặc dù YOLOv8, YOLOv9 và YOLOv10 đều là những model xuất sắc, các nhà phát triển muốn xây dựng giải pháp AI hiện đại nên cân nhắc Ultralytics YOLO26, được phát hành vào tháng 1 năm 2026.

YOLO26 kế thừa các thế hệ trước, kết hợp hiệu quả không cần NMS của YOLOv10 với độ chính xác cao hơn cả hai model trong phép so sánh này.

Những cải tiến chính của YOLO26#

  • Thiết kế đầu-cuối không cần NMS: Dựa trên nền tảng do YOLOv10 đặt ra, head one-to-one tùy chọn của YOLO26 (nms=False) bỏ qua bước xử lý hậu kỳ NMS để đơn giản hóa việc triển khai.
  • Bộ tối ưu MuSGD: Kết hợp SGD và Muon, đưa các đổi mới trong huấn luyện LLM vào thị giác máy tính để huấn luyện ổn định và hội tụ nhanh.
  • Suy luận CPU nhanh hơn tới 43%: YOLO26n chạy nhanh hơn YOLO11n tới 43% trên CPU, phù hợp với điện toán biên và các thiết bị không có GPU chuyên dụng.
  • Loại bỏ DFL: Distribution Focal Loss đã được loại bỏ để đơn giản hóa quá trình xuất model và tăng khả năng tương thích với thiết bị công suất thấp.
  • ProgLoss + STAL: Progressive Loss và Gán nhãn nhận biết mục tiêu nhỏ (STAL) cải thiện khả năng phát hiện vật thể nhỏ.

Đối với các nhà nghiên cứu đánh giá những kiến trúc khác, RT-DETR và YOLO11 cũng là các lựa chọn thay thế được tài liệu hóa đầy đủ trong hệ sinh thái Ultralytics. Tuy nhiên, để có tính linh hoạt trên mọi tác vụ thị giác, YOLO26 trên Ultralytics Platform là lựa chọn được khuyến nghị cho các dự án mới.

Người đóng góp

Bình luận

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