Bắt đầu

YOLOv9 và YOLOv6-3.0

Sự phát triển của phát hiện vật thể thời gian thực được thúc đẩy bởi những đổi mới liên tục trong kiến trúc mạng neural, nhằm cân bằng tốc độ suy luận, độ chính xác và hiệu quả tính toán. Khi nhà phát triển và nhà nghiên cứu tìm hiểu thị trường framework thị giác máy tính đông đúc, việc so sánh các kiến trúc hàng đầu là yếu tố thiết yếu để chọn đúng công cụ cho nhu cầu.

Hướng dẫn kỹ thuật này so sánh hai model có năng lực tốt: YOLOv9, nổi tiếng với khả năng bảo toàn thông tin trong mạng sâu, và YOLOv6-3.0, một model được tinh chỉnh cho các ứng dụng công nghiệp.

Tổng quan YOLOv9: Tối đa hóa khả năng giữ lại đặc trưng#

Ra mắt đầu năm 2024, YOLOv9 giải quyết một trong những thách thức dai dẳng nhất của mạng neural sâu: mất thông tin trong quá trình truyền xuôi. Bằng cách duy trì gradient đáng tin cậy và giúp feature map giữ lại dữ liệu quan trọng, model cải thiện độ chính xác.

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

Kiến trúc và phương pháp#

YOLOv9 giới thiệu khái niệm Thông tin Gradient có thể lập trình (PGI) cùng với Mạng tổng hợp lớp hiệu quả tổng quát (GELAN). PGI giải quyết nút thắt thông tin bằng cơ chế giám sát phụ trợ, đảm bảo mạng chính học được các đặc trưng mạnh mẽ, đáng tin cậy mà không làm tăng chi phí suy luận. Trong khi đó, GELAN tối ưu việc sử dụng tham số, giúp model đạt độ chính xác trung bình (mAP) tiên tiến nhất trong khi vẫn kiểm soát được chi phí tính toán. Điều này khiến model trở thành lựa chọn phù hợp cho phân tích ảnh y tế hoặc phát hiện các vật thể cực nhỏ, nơi độ trung thực của đặc trưng đóng vai trò then chốt.

Tìm hiểu thêm về YOLOv9

Tổng quan YOLOv6-3.0: Được xây dựng cho quy mô công nghiệp#

Được Meituan phát triển, YOLOv6-3.0 (còn gọi là v3.0) được thiết kế từ đầu để phục vụ các ứng dụng công nghiệp đòi hỏi khắt khe. Phát hành đầu năm 2023, model tập trung vào hiệu quả triển khai, cung cấp bộ model thân thiện với lượng tử hóa và hoạt động tốt trên phần cứng biên.

  • Tác giả: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu và Xiangxiang Chu
  • Tổ chức: Meituan
  • Ngày: 13 tháng 1, 2023
  • Liên kết: Bài báo arXiv, Repository GitHub

Kiến trúc và phương pháp#

YOLOv6-3.0 tạo nên sự khác biệt nhờ các chiến lược RepOptimizer và Huấn luyện có hỗ trợ anchor (AAT). Model sử dụng thiết kế mạng neural nhận biết phần cứng, lấy cảm hứng từ RepVGG, cho phép chạy rất nhanh trên GPU khi suy luận bằng cách hợp nhất các lớp. Bản cập nhật 3.0 tiếp tục tinh chỉnh kiến trúc bằng cách giới thiệu module Nối hai chiều (BiC) để cải thiện độ chính xác định vị. Vì được tối ưu cao cho các định dạng triển khai như TensorRT và OpenVINO, YOLOv6-3.0 thường được ứng dụng trong logistics, tự động hóa sản xuất và môi trường máy chủ có thông lượng cao.

Tìm hiểu thêm về YOLOv6-3.0

So sánh hiệu năng#

Khi đánh giá các model này trên dataset COCO tiêu chuẩn, có thể thấy rõ sự đánh đổi giữa độ chính xác và tốc độ suy luận thực tế.

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
YOLOv6-3.0n64037.5-1.174.711.4
YOLOv6-3.0s64045.0-2.6618.545.3
YOLOv6-3.0m64050.0-5.2834.985.8
YOLOv6-3.0l64052.8-8.9559.6150.7

Phân tích kỹ thuật#

Mặc dù YOLOv6-3.0n có tốc độ thô nhanh nhất trên phần cứng T4 (1.17ms), YOLOv9t đạt mAP cao hơn đôi chút (38.3%) trong khi dùng chưa đến một nửa số tham số (2.0M so với 4.7M) và ít FLOPs hơn đáng kể. Với yêu cầu phức tạp và cần độ chính xác cao, model lớn nhất là YOLOv9e đạt 55.6% mAP, cho thấy sức mạnh của kiến trúc PGI trong mạng sâu.

Đảm bảo dự án sẵn sàng cho tương lai với YOLO26

Nếu bắt đầu một dự án thị giác máy tính mới, Ultralytics khuyến nghị YOLO26. Phát hành vào tháng 1 năm 2026, model có Thiết kế đầu-cuối không cần NMS nguyên bản (nms=False), giúp loại bỏ độ trễ hậu xử lý Non-Maximum Suppression (NMS); YOLO26n cũng cho tốc độ suy luận CPU nhanh hơn YOLO11n tới 43%.

Lợi thế của hệ sinh thái Ultralytics#

Dù triết lý kiến trúc của model nào phù hợp với bạn, việc triển khai trực tiếp thông qua Ultralytics Python API đều mang lại trải nghiệm nhất quán cho nhà phát triển.

Tính dễ sử dụng và hiệu quả huấn luyện#

Huấn luyện các model học sâu phức tạp theo cách truyền thống thường đòi hỏi nhiều mã boilerplate. Ultralytics Platform và package Python xử lý những vấn đề phức tạp này. Dù bạn tinh chỉnh YOLOv9 cho phát hiện lỗi hay export YOLOv6 cho ứng dụng di động, quy trình làm việc vẫn nhất quán.

Các kiến trúc Ultralytics nhìn chung cũng có yêu cầu bộ nhớ CUDA thấp hơn trong quá trình huấn luyện so với các model nặng hơn dựa trên Transformer. Nhờ đó, nhà phát triển có thể sử dụng batch size lớn hơn trên GPU phổ thông, cải thiện hiệu quả huấn luyện.

from ultralytics import YOLO

# Dễ dàng chuyển đổi kiến trúc bằng cách thay đổi chuỗi tên file model
# model = YOLO("yolov6n.yaml")  # YOLOv6 có sẵn dưới dạng cấu hình YAML (không có trọng số pretrained)
model = YOLO("yolov9c.pt")

# Huấn luyện model với tính năng tăng cường dữ liệu và lưu vào cache tích hợp sẵn
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Xuất sang ONNX hoặc TensorRT
model.export(format="engine", quantize=16)

Tính linh hoạt trên nhiều tác vụ thị giác#

Mặc dù YOLOv6-3.0 được tối ưu mạnh để tạo box giới hạn nhanh, các dự án thị giác máy tính hiện đại thường cần phương pháp đa tác vụ. Các model Ultralytics nổi tiếng về tính linh hoạt. Với những model như Ultralytics YOLOv8 và YOLO26 mới hơn, một framework duy nhất xử lý phát hiện vật thể, phân đoạn instance, phân loại ảnh, ước tính tư thế và box giới hạn có hướng (OBB).

Giới thiệu YOLO26: Tiêu chuẩn mới#

Đối với các tổ chức muốn tối đa hóa cả hiệu năng lẫn sự dễ dàng khi triển khai, YOLO26 mang lại sự kết hợp mạnh mẽ giữa tốc độ và độ chính xác.

Kế thừa thành công của YOLO11, YOLO26 giới thiệu một số tính năng mới:

  • Bộ tối ưu MuSGD: Lấy cảm hứng từ các kỹ thuật huấn luyện Mô hình Ngôn ngữ Lớn (LLM), chẳng hạn như Kimi K2 của Moonshot AI, phương pháp kết hợp SGD và Muon này giúp huấn luyện ổn định và hội tụ nhanh.
  • Loại bỏ DFL: Bằng cách loại bỏ hàm mất mát tiêu điểm phân phối, YOLO26 đơn giản hóa đồ thị export, giúp model tương thích hơn với các chip điện toán biên 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, yếu tố thiết yếu đối với hoạt động drone và ứng dụng IoT.
  • Cải tiến theo từng tác vụ: YOLO26 có module proto đa tỷ lệ cho phân đoạn, Ước tính hợp lý log phần dư (RLE) cho ước tính tư thế và hàm mất mát góc chuyên biệt để xử lý vấn đề biên trong phát hiện OBB.

Các tình huống triển khai phù hợp#

Việc lựa chọn kiến trúc phù hợp cuối cùng phụ thuộc vào các ràng buộc trong môi trường production.

Chọn YOLOv6-3.0 nếu bạn đã có pipeline trong lĩnh vực sản xuất công nghiệp, phụ thuộc nhiều vào lượng tử hóa và sử dụng các bộ tăng tốc suy luận chuyên dụng, nơi độ trễ phần cứng thấp nhất là yêu cầu quan trọng.

Chọn YOLOv9 nếu bạn xử lý các bài toán chẩn đoán y tế phức tạp hoặc giám sát tầm xa, nơi không thể bỏ sót những đặc trưng tinh tế ở cấp pixel.

Tuy nhiên, nếu cần phương án cân bằng giữa độ chính xác cao và triển khai đơn giản, không cần NMS, Ultralytics YOLO26 là lựa chọn được khuyến nghị cho kỹ thuật thị giác máy tính hiện đại, với sự hỗ trợ từ quá trình phát triển tích cực, tài liệu toàn diện và cộng đồng.

Người đóng góp

Bình luận

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