YOLOv9 so với YOLOv7
Sự phát triển của phát hiện vật thể thời gian thực được thúc đẩy bởi nỗ lực liên tục nhằm cân bằng hiệu quả tính toán với độ chính xác cao. Hai kiến trúc tiêu biểu trong quá trình này là YOLOv9 và YOLOv7, đều được các nhà nghiên cứu tại Viện Khoa học Thông tin, Academia Sinica ở Đài Loan phát triển. Trong khi YOLOv7 giới thiệu phương pháp bag-of-freebies có thể huấn luyện, YOLOv9 mới hơn giải quyết trực tiếp các nút thắt thông tin trong học sâu.
Bài so sánh kỹ thuật này tìm hiểu khác biệt về kiến trúc, chỉ số hiệu năng và kịch bản triển khai phù hợp của cả hai model, giúp kỹ sư ML và nhà nghiên cứu chọn công cụ phù hợp cho pipeline thị giác máy tính.
So sánh hiệu năng và chỉ số#
Khi so sánh các model này, hiệu năng thực tế và hiệu quả là những yếu tố then chốt. Bảng sau trình bày độ chính xác trung bình (mAP) và yêu cầu tính toán trên benchmark dataset COCO tiêu chuẩn.
| Model | kích thước (pixel) | mAPval50-95 | 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Lưu ý YOLOv9c đạt độ chính xác gần tương đương (53.0 mAP) với YOLOv7x (53.1 mAP), trong khi sử dụng ít hơn khoảng 64% tham số (25.5M so với 71.3M) và gần một nửa FLOPs (102.8B so với 189.9B), cho thấy các kiến trúc hiện đại đã cải thiện đáng kể sự cân bằng giữa độ chính xác và hiệu quả.
YOLOv9: Giải quyết nút thắt thông tin#
Ra mắt đầu năm 2024, YOLOv9 đã thay đổi cách mạng neural sâu duy trì thông tin xuyên suốt các lớp.
- Tác giả: Chien-Yao Wang và Hong-Yuan Mark Liao
- Tổ chức: Viện Khoa học Thông tin, Academia Sinica
- Ngày: 21 tháng 2, 2024
- Tài nguyên: Bài báo arXiv | Kho GitHub
Cải tiến kiến trúc#
YOLOv9 giới thiệu Mạng tổng hợp lớp hiệu quả tổng quát (GELAN) và Thông tin Gradient có thể lập trình (PGI). GELAN kết hợp ưu điểm của CSPNet và ELAN để tối ưu hiệu quả tham số và chi phí tính toán, mang lại độ chính xác cao với số lượng tham số thấp hơn. PGI là framework giám sát phụ trợ được thiết kế để ngăn mất dữ liệu trong mạng sâu, tạo ra gradient đáng tin cậy để cập nhật weight trong quá trình huấn luyện.
Ưu điểm và hạn chế#
Điểm mạnh chính của YOLOv9 là khả năng trích xuất các đặc trưng tinh tế mà không cần chi phí tính toán lớn, khiến model phù hợp với các tác vụ đòi hỏi độ trung thực đặc trưng cao như phân tích ảnh y tế. Tuy nhiên, cấu trúc PGI phức tạp trong quá trình huấn luyện có thể khiến người mới khó tùy chỉnh kiến trúc hơn so với các framework thống nhất hơn.
YOLOv7: Tiên phong với Bag-of-Freebies#
Ra mắt năm 2022, YOLOv7 thiết lập chuẩn mực mới cho phát hiện thời gian thực, giới thiệu các đổi mới về cấu trúc giúp cải thiện đáng kể tốc độ suy luận thời gian thực.
- Tác giả: Chien-Yao Wang, Alexey Bochkovskiy và Hong-Yuan Mark Liao
- Tổ chức: Viện Khoa học Thông tin, Academia Sinica
- Ngày: 6 tháng 7 năm 2022
- Tài nguyên: Bài báo arXiv | Kho GitHub
Cải tiến kiến trúc#
Đóng góp cốt lõi của YOLOv7 là Mạng tổng hợp lớp hiệu quả mở rộng (E-ELAN). Kiến trúc này cho phép model liên tục học được nhiều đặc trưng đa dạng hơn. Ngoài ra, YOLOv7 sử dụng các "bag-of-freebies có thể huấn luyện"—những kỹ thuật như tích chập tái tham số hóa có kế hoạch và gán nhãn động. Các phương pháp này cải thiện độ chính xác của model trong quá trình huấn luyện mà không làm tăng chi phí suy luận khi triển khai.
Ưu điểm và hạn chế#
YOLOv7 được tối ưu mạnh cho xử lý biên thời gian thực và vẫn được sử dụng rộng rãi trong các hệ thống cũ cũng như môi trường CUDA đời trước. Hạn chế chính hiện nay là số lượng tham số lớn hơn so với các model mới. Như bảng hiệu năng cho thấy, để đạt độ chính xác hàng đầu cần dùng model YOLOv7x lớn hơn, đòi hỏi bộ nhớ GPU nhiều hơn đáng kể so với các kiến trúc hiện đại tương đương.
Lợi thế của Ultralytics: Triển khai tinh gọn#
Mặc dù các repository nghiên cứu gốc của YOLOv9 và YOLOv7 là nền tảng học thuật xuất sắc, việc triển khai các model này trong môi trường production có thể phức tạp. Tích hợp YOLOv9 thông qua package ultralytics (YOLOv7 chỉ được hỗ trợ thông qua model ONNX hoặc TensorRT đã export) giúp việc triển khai dễ dàng hơn nhiều.
Với Ultralytics Platform, nhà phát triển được hưởng lợi từ hệ sinh thái được duy trì tốt, có Python API trực quan, hỗ trợ cộng đồng tích cực và theo dõi thử nghiệm mạnh mẽ.
Đón đầu 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, thay cho cả YOLOv9 và YOLOv7. YOLO26 mang đến một số cải tiến:
- Thiết kế đầu-cuối không cần NMS: Một head một-một tùy chọn (
nms=False) bỏ qua bước hậu xử lý Non-Maximum Suppression (NMS), giảm độ phức tạp và độ trễ khi triển khai. - Suy luận CPU nhanh hơn tới 43%: YOLO26n chạy nhanh hơn YOLO11n tới 43% trên CPU, giúp ứng dụng hoạt động mượt mà trong môi trường điện toán biên ngay cả khi không có GPU chuyên dụng.
- Bộ tối ưu MuSGD: Kết hợp SGD và Muon, lấy cảm hứng từ huấn luyện LLM, giúp hội tụ ổn định và rút ngắn thời gian huấn luyện.
- Loại bỏ DFL: Đơn giản hóa quá trình xuất model bằng cách loại bỏ Distribution Focal Loss, tăng khả năng tương thích với các thiết bị di động 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, hữu ích cho ảnh chụp từ trên không và giám sát.
Các lựa chọn thay thế phổ biến khác trong hệ sinh thái gồm Ultralytics YOLOv8 và YOLO11, cả hai đều hỗ trợ nhiều tác vụ như phân đoạn instance và ước tính tư thế.
Ví dụ triển khai#
Như đoạn mã dưới đây minh họa, việc huấn luyện và export YOLOv9 hoặc YOLO26 rất đơn giản với API thống nhất.
from ultralytics import YOLO
# Khởi tạo YOLOv9 hoặc model YOLO26 được đề xuất
model = YOLO("yolov9c.pt") # Thay bằng "yolo26n.pt" để tăng tốc xử lý trên thiết bị biên
# Huấn luyện trên dataset tùy chỉnh với tăng cường dữ liệu tích hợp sẵn
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# Export model đã huấn luyện sang định dạng ONNX để triển khai
model.export(format="onnx")Khi huấn luyện trên phần cứng phổ thông, hiệu quả sử dụng bộ nhớ rất quan trọng. Các triển khai YOLOv9 và YOLO26 của Ultralytics được tối ưu để giảm mức sử dụng VRAM, không giống các model dựa trên Transformer (chẳng hạn RT-DETR), vốn thường cần nhiều bộ nhớ hơn trong quá trình huấn luyện.
Ứng dụng thực tế và trường hợp sử dụng phù hợp#
Việc lựa chọn giữa các kiến trúc này thường phụ thuộc vào những ràng buộc cụ thể của môi trường production.
Khi nào nên dùng YOLOv9: YOLOv9 phát huy hiệu quả trong môi trường cần giữ lại chi tiết tinh vi. Khả năng trích xuất đặc trưng mạnh mẽ khiến model phù hợp với phân tích bán lẻ để đếm sản phẩm xếp dày trên kệ, hoặc các ứng dụng nông nghiệp cần xác định bệnh cây trồng giai đoạn đầu trên những chiếc lá nhỏ.
Khi nào nên dùng YOLOv7: YOLOv7 vẫn là một lựa chọn tốt cho các pipeline triển khai cũ. Nếu tích hợp vào những hệ thống phần cứng đời cũ (chẳng hạn một số thế hệ Google Coral Edge TPU), kiến trúc CNN đơn giản của YOLOv7 có thể dễ biên dịch hơn các model mới hơn.
Khi nào nên dùng YOLO26 (được khuyến nghị): Với mọi triển khai hiện đại—từ drone tự hành đến quản lý giao thông ở thành phố thông minh—YOLO26 là lựa chọn mạnh hơn. Kiến trúc không cần NMS mang lại thời gian suy luận dễ dự đoán hơn, điều quan trọng đối với robot an toàn trọng yếu; độ chính xác của model cũng cao hơn YOLOv9 và YOLOv7 ở kích thước tương đương.
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.