YOLOv9 so với YOLOv6-3.0: So sánh kỹ thuật toàn diện

Sự phát triển của nhận diện đối tượng theo thời gian thực được thúc đẩy bởi những đổi mới liên tục trong kiến trúc mạng thần kinh, 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 nhà nghiên cứu điều hướng trong bối cảnh các framework thị giác máy tính dày đặc, việc so sánh các kiến trúc hàng đầu là điều cần thiết để chọn đúng công cụ cho công việc.

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

Tổng quan về YOLOv9: Tối đa hóa khả năng lưu giữ đặc trưng

Được giới thiệu vào đầu năm 2024, YOLOv9 giải quyết một trong những thách thức dai dẳng nhất trong mạng thần kinh sâu: mất thông tin trong quá trình feed-forward. Bằng cách đảm bảo các gradient đáng tin cậy và các bản đồ đặc trưng lưu giữ dữ liệu quan trọng, nó thúc đẩy các giới hạn về độ chính xác 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 năm 2024
• Liên kết: Arxiv Paper, GitHub Repository

Kiến trúc và Phương pháp luận

YOLOv9 giới thiệu khái niệm Programmable Gradient Information (PGI) cùng với Generalized Efficient Layer Aggregation Network (GELAN). PGI giải quyết nút thắt thông tin bằng cách cung cấp giám sát phụ trợ đảm bảo mạng chính học được các đặc trưng mạnh mẽ, đáng tin cậy mà không làm tăng thêm chi phí suy luận. Trong khi đó, GELAN tối ưu hóa việc sử dụng tham số, cho phép model đạt được mean Average Precision (mAP) hiện đại trong khi vẫn giữ chi phí tính toán ở mức có thể quản lý được. Điều này khiến nó trở thành một lựa chọn đặc biệt cho medical image analysis hoặc phát hiện các đối tượng cực nhỏ nơi độ trung thực của đặc trưng là rất quan trọng.

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 ngay từ đầu để phục vụ các ứng dụng công nghiệp hạng nặng. Ra mắt vào đầu năm 2023, nó tập trung mạnh vào hiệu quả triển khai, cung cấp một bộ các model thân thiện với quantization, 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 năm 2023
• Liên kết: Arxiv Paper, GitHub Repository

Kiến trúc và Phương pháp luận

YOLOv6-3.0 tạo sự khác biệt thông qua các chiến lược RepOptimizer và Anchor-Aided Training (AAT). Model sử dụng thiết kế mạng thần kinh nhận thức phần cứng lấy cảm hứng từ RepVGG, cho phép nó chạy cực nhanh trên GPU trong quá trình suy luận bằng cách hợp nhất các lớp. Bản cập nhật 3.0 tinh chỉnh thêm kiến trúc bằng cách giới thiệu module Bi-directional Concatenation (BiC) để cải thiện độ chính xác định vị. Vì được tối ưu hóa cao cho các định dạng triển khai như TensorRT và OpenVINO, YOLOv6-3.0 thường được áp dụng trong logistics, manufacturing automation và các môi trường máy chủ thông lượng cao.

Tìm hiểu thêm về YOLOv6-3.0

So sánh hiệu năng

Khi đánh giá các model này trên COCO dataset tiêu chuẩn, chúng ta có thể quan sát thấy sự đánh đổi rõ rệt giữa độ chính xác và tốc độ suy luận thô.

Phân tích kỹ thuật

Trong khi YOLOv6-3.0n dẫn đầu về tốc độ thô trên phần cứng T4 (1.17ms), YOLOv9t quản lý để đạt được mAP cao hơn một chút (38.3%) trong khi sử dụng ít hơn một nửa số tham số (2.0M so với 4.7M) và ít FLOPs hơn đáng kể. Đối với các yêu cầu phức tạp, độ chính xác cao, YOLOv9e khổng lồ đẩy độ chính xác lên 55.6% mAP, minh họa sức mạnh của kiến trúc PGI trong các mạng sâu.

Lợi thế của hệ sinh thái Ultralytics

Bất kể triết lý kiến trúc của model nào hấp dẫn bạn, việc triển khai chúng một cách nguyên bản thông qua Ultralytics Python API đều mang lại trải nghiệm nhà phát triển vượt trội.

Dễ sử dụng và hiệu quả huấn luyện

Việc đào tạo các model học sâu phức tạp theo truyền thống đòi hỏi rất nhiều mã boilerplate. Ultralytics Platform trừu tượng hóa những phức tạp này. Cho dù bạn đang tinh chỉnh YOLOv9 cho defect detection hay xuất YOLOv6 cho các ứng dụng di động, quy trình làm việc vẫn giữ được sự nhất quán đáng kể.

Hơn nữa, các kiến trúc Ultralytics thường tự hào về CUDA memory requirements thấp hơn trong quá trình đào tạo so với các model dựa trên transformer cồng kềnh. Điều này cho phép các nhà phát triển sử dụng kích thước batch lớn hơn trên các GPU cấp độ người dùng, cải thiện đáng kể hiệu quả đào tạo.

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", half=True)

Sự linh hoạt vượt trội trên các tác vụ thị giác

Trong khi YOLOv6-3.0 được tối ưu hóa mạnh mẽ cho việc tạo bounding box nhanh, các dự án thị giác máy tính hiện đại thường đòi hỏi cách tiếp cận đa nhiệm. Các model Ultralytics nổi tiếng với sự linh hoạt cực cao. Với các công cụ như Ultralytics YOLOv8 và YOLO26 mới hơn, một framework duy nhất xử lý liền mạch object detection, instance segmentation, image classification, pose estimation, và oriented bounding boxes (OBB).

Giới thiệu YOLO26: Tiêu chuẩn mới

Đối với các tổ chức muốn tối đa hóa cả hiệu suất và sự dễ dàng triển khai, YOLO26 đại diện cho sự hội tụ cuối cùng của tốc độ và độ chính xác.

Dựa trên những thành công của YOLO11, YOLO26 giới thiệu một số tính năng thay đổi mô hình:

• MuSGD Optimizer: Lấy cảm hứng từ các kỹ thuật đào tạo Large Language Model (LLM) như Kimi K2 của Moonshot AI, bộ tối ưu hóa lai này đảm bảo quá trình đào tạo cực kỳ ổn định và hội tụ nhanh.
• DFL Removal: By stripping out Distribution Focal Loss, YOLO26 simplifies the export graph, making it significantly more compatible with low-power edge computing chips.
• ProgLoss + STAL: Các hàm loss tiên tiến này mang lại những cải tiến đáng chú ý trong việc nhận diện đối tượng nhỏ, điều quan trọng đối với drone operations và các ứng dụng IoT.
• Task-Specific Improvements: YOLO26 bao gồm tạo mẫu đa quy mô nguyên bản cho phân đoạn, Residual Log-Likelihood Estimation (RLE) để theo dõi khung xương và các thuật toán loss góc chuyên dụng để giải quyết các trường hợp biên trong phát hiện OBB.

Các kịch bản triển khai lý tưởng

Việc chọn đúng kiến trúc cuối cùng phụ thuộc vào các ràng buộc sản xuất của bạn.

Chọn YOLOv6-3.0 nếu bạn có một pipeline đã được thiết lập trong sản xuất công nghiệp, phụ thuộc nhiều vào quantization và sử dụng các bộ tăng tốc suy luận chuyên dụng nơi bạn cần độ trễ phần cứng dưới miligiây thấp nhất.

Chọn YOLOv9 nếu bạn đang giải quyết healthcare diagnostics phức tạp hoặc giám sát tầm xa nơi việc bỏ lỡ các đặc trưng tinh tế cấp pixel là không thể chấp nhận được.

Tuy nhiên, đối với một cách tiếp cận cân bằng hoàn hảo cung cấp độ chính xác tiên tiến cùng với việc triển khai đơn giản, không cần NMS, Ultralytics YOLO26 là đề xuất cuối cùng cho kỹ thuật thị giác máy tính hiện đại. Chu kỳ phát triển tích cực, tài liệu toàn diện và sự hỗ trợ cộng đồng sôi động của nó làm cho nó trở thành một công cụ không thể thiếu cho cả các nhà nghiên cứu và nhà phát triển.