So sánh YOLOv9 với YOLOv6-3.0#

Sự phát triển của bài toán phát hiện đối tượng theo thời gian thực được thúc đẩy bởi những đổi mới liên tục trong kiến trúc mạng neural, nhằm tối ưu hóa sự cân bằng tinh tế giữa tốc độ suy luận, độ chính xác và hiệu quả tính toán. Khi các nhà phát triển và nghiên cứu điều hướng trong bối cảnh đa dạng của các framework thị giác máy tính, việc so sánh những kiến trúc hàng đầu là yếu tố thiết yếu để lựa chọn công cụ phù hợp cho từng nhiệm vụ.

Hướng dẫn kỹ thuật này cung cấp phần so sánh chuyên sâu giữa hai model có năng lực cao: YOLOv9, nổi tiếng với khả năng duy trì thông tin trong deep learning, và YOLOv6-3.0, một model được thiết kế chuyên biệt cho các ứng dụng công nghiệp.

Tổng quan về YOLOv9: Tối đa hóa khả năng duy trì đặc trưng#

Được giới thiệu vào đầu năm 2024, YOLOv9 giải quyết một trong những thách thức dai dẳng nhất của các mạng neural sâu: mất thông tin trong quá trình truyền xuôi. Bằng cách đảm bảo gradient đáng tin cậy và feature map duy trì dữ liệu quan trọng, model này mở rộng giới hạn của độ chính xác về mặt lý thuyết.

• 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, Kho lưu trữ GitHub

Kiến trúc và phương pháp#

YOLOv9 giới thiệu khái niệm Thông tin Gradient Lập trình được (PGI) cùng với Mạng Tổng hợp Tầng Hiệu quả Tổng quát (GELAN). PGI giải quyết nút thắt thông tin bằng cách cung cấp cơ chế giám sát phụ, đảm bảo mạng chính học được các đặc trưng mạnh mẽ và đáng tin cậy mà không làm tăng overhead suy luận. Trong khi đó, GELAN tối ưu hóa việc sử dụng tham số, cho phép model đạt Độ chính xác trung bình (mAP) tiên tiến trong lĩnh vực mà vẫn duy trì chi phí tính toán ở mức hợp lý. Điều này khiến model trở thành lựa chọn xuất sắc cho phân tích ảnh y tế hoặc phát hiện các đối tượng cực nhỏ, trong đó độ trung thực của đặc trưng là yếu tố then chốt.

Tìm hiểu thêm về YOLOv9

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

Được phát triển bởi Meituan, YOLOv6-3.0 (còn được gọi là v3.0) được thiết kế từ đầu để phục vụ các ứng dụng công nghiệp đòi hỏi cao. Ra mắt vào đầu năm 2023, model này tập trung mạnh vào hiệu quả triển khai, cung cấp một bộ model thân thiện với lượng tử hóa và hoạt động xuất sắc trên phần cứng edge.

• 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, Kho lưu trữ GitHub

Kiến trúc và phương pháp#

YOLOv6-3.0 tạo khác biệt nhờ các chiến lược RepOptimizer và Huấn luyện Hỗ trợ Anchor (AAT). Model sử dụng thiết kế mạng neural nhận biết phần cứng, lấy cảm hứng từ RepVGG, cho phép chạy đặc biệt nhanh trên GPU trong quá trình suy luận nhờ hợp nhất các tầng. 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. Nhờ được tối ưu hóa cao cho các định dạng triển khai như TensorRT và OpenVINO, YOLOv6-3.0 thường được sử dụng trong lĩnh vực logistics, tự động hóa sản xuất và các môi trường server có thông lượng cao.

Tìm hiểu thêm về YOLOv6-3.0

So sánh hiệu năng#

Khi đánh giá các model này trên bộ dữ liệu COCO tiêu chuẩn, chúng ta có thể quan sát những đánh đổi rõ rệt giữa độ chính xác và tốc độ suy luận thuần túy.

Phân tích kỹ thuật#

Trong khi YOLOv6-3.0n dẫn đầu về tốc độ thuần túy trên phần cứng T4 (1.17ms), YOLOv9t đạt mAP cao hơn một chút (38.3%) trong khi sử dụng chưa đến một nửa số tham số (2.0M so với 4.7M) và ít FLOPs hơn đáng kể. Đối với các yêu cầu phức tạp và độ chính xác cao, YOLOv9e quy mô lớn đẩy độ chính xác lên 55.6% mAP, cho thấy sức mạnh của kiến trúc PGI trong các mạng sâu.

Lợi thế từ hệ sinh thái Ultralytics#

Bất kể triết lý kiến trúc của model nào thu hút bạn, việc triển khai chúng một cách native thông qua Ultralytics Python API mang lại trải nghiệm dành cho developer vượt trội.

Tính dễ sử dụng và hiệu quả huấn luyện#

Theo cách truyền thống, việc huấn luyện các model deep learning phức tạp đòi hỏi lượng mã boilerplate khổng lồ. Ultralytics Platform trừu tượng hóa những phức tạp này. Dù bạn đang fine-tune YOLOv9 cho phát hiện lỗi hay export YOLOv6 cho các ứng dụng di động, quy trình làm việc vẫn nhất quán đáng kể.

Hơn nữa, các kiến trúc Ultralytics nhìn chung có yêu cầu bộ nhớ CUDA thấp hơn trong quá trình huấn luyện so với các model dựa trên Transformer cồng kềnh. Điều này cho phép developer sử dụng batch size lớn hơn trên GPU phổ thông, qua đó cải thiện đáng kể hiệu quả huấn luyện.

from ultralytics import YOLO

# Easily swap architectures by changing the weights file string
# model = YOLO("yolov6n.pt")
model = YOLO("yolov9c.pt")

# Train the model with built-in data augmentation and caching
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")

# Export to ONNX or TensorRT seamlessly
model.export(format="engine", quantize=16)

Tính linh hoạt vượt trội trên nhiều tác vụ thị giác#

Trong khi YOLOv6-3.0 được tối ưu mạnh cho việc tạo bounding box nhanh, các dự án thị giác máy tính hiện đại thường yêu cầu phương pháp tiếp cận đa nhiệm. Các model Ultralytics nổi tiếng nhờ tính linh hoạt cao. Với những công cụ như Ultralytics YOLOv8 và YOLO26 mới hơn, một framework duy nhất có thể xử lý liền mạch phát hiện đối tượng, phân đoạn instance, phân loại ảnh, ước tính pose và hộp giới hạn định hướng (OBB).

Giới thiệu YOLO26: Tiêu chuẩn mới#

Đối với các tổ chức muốn tối đa hóa cả hiệu năng và mức độ dễ triển khai, YOLO26 đại diện cho sự hội tụ tối ưu giữa tốc độ và độ chính xác.

Dựa trên những thành công của YOLO11, YOLO26 giới thiệu một số tính năng mang tính đột phá:

• Optimizer MuSGD: Lấy cảm hứng từ các kỹ thuật huấn luyện Mô hình Ngôn ngữ Lớn (LLM) như Kimi K2 của Moonshot AI, optimizer lai này đảm bảo quá trình huấn luyện cực kỳ ổn định và hội tụ nhanh.
• Loại bỏ DFL: Bằng cách loại bỏ Distribution Focal Loss, YOLO26 đơn giản hóa đồ thị export, giúp tương thích tốt hơn đáng kể với các chip điện toán edge công suất thấp.
• ProgLoss + STAL: Các hàm loss nâng cao này mang lại cải thiện đáng kể trong khả năng nhận diện đối tượng nhỏ, yếu tố thiết yếu đối với hoạt động drone và các ứng dụng IoT.
• Cải tiến theo nhiệm vụ: YOLO26 tích hợp nguyên bản cơ chế tạo prototype đa tỷ lệ cho phân đoạn, Ước tính Log-Likelihood Dư (RLE) cho việc theo dõi bộ xương và các thuật toán loss góc chuyên biệt để xử lý những trường hợp biên trong phát hiện OBB.

Các kịch bản triển khai lý tưởng#

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

Chọn YOLOv6-3.0 nếu bạn đã có pipeline ổn định 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 bạn cần độ trễ phần cứng thấp nhất tuyệt đối ở mức dưới một mili-giây.

Chọn YOLOv9 nếu bạn đang giải quyết các bài toán chẩn đoán y tế phức tạp hoặc giám sát tầm xa, trong đó việc bỏ sót các đặc trưng tinh vi ở cấp độ pixel là điều không thể chấp nhận.

Tuy nhiên, đối với phương pháp tiếp cận cân bằng hoàn hảo, cung cấp độ chính xác tiên tiến cùng khả năng triển khai đơn giản hóa, không cần NMS, Ultralytics YOLO26 là khuyến nghị dứt khoát cho hoạt động kỹ thuật thị giác máy tính hiện đại. Chu kỳ phát triển tích cực, tài liệu toàn diện và sự hỗ trợ sôi nổi từ cộng đồng khiến model này trở thành công cụ không thể thiếu đối với cả nhà nghiên cứu lẫn developer.