Bắt đầu

YOLOX và DAMO-YOLO

Sự phát triển của công nghệ phát hiện đối tượng theo thời gian thực đã trải qua một số chuyển dịch, từ kiến trúc dựa trên anchor sang kiến trúc không dùng anchor, và từ các backbone được thiết kế thủ công sang tìm kiếm kiến trúc mạng nơ-ron tự động (NAS). Bài so sánh kỹ thuật này phân tích hai cột mốc quan trọng trong quá trình đó, YOLOX và DAMO-YOLO, đề cập đến những đổi mới về kiến trúc, phương pháp huấn luyện và các đánh đổi về hiệu năng, đồng thời giải thích vì sao Ultralytics YOLO26 là lựa chọn thay thế được khuyến nghị cho các dự án mới.

YOLOX: Tiên phong với mô hình không anchor#

Ra mắt ngày 18 tháng 7 năm 2021 bởi Zheng Ge, Songtao Liu, Feng Wang, Zeming Li và Jian Sun tại Megvii, YOLOX đánh dấu bước ngoặt khi tích hợp thiết kế không dùng anchor vào họ YOLO. Được mô tả trong báo cáo kỹ thuật chi tiết trên arXiv, YOLOX hướng đến thu hẹp khoảng cách giữa nghiên cứu học thuật và triển khai công nghiệp.

Các cải tiến kiến trúc chính#

YOLOX giới thiệu một số thay đổi cấu trúc cốt lõi giúp cải thiện các phiên bản tiền nhiệm:

  • Cơ chế không dùng anchor: Bằng cách dự đoán trực tiếp tâm của đối tượng và kích thước hộp giới hạn, YOLOX giảm số lượng heuristic thiết kế và đơn giản hóa quy trình phân cụm anchor phức tạp. Nhờ đó, model thích ứng được với nhiều tình huống thị giác máy tính khác nhau.
  • Head tách biệt: Các model YOLO truyền thống sử dụng một head kết hợp cho cả phân loại và hồi quy. YOLOX triển khai head tách biệt, xử lý riêng việc phân loại và định vị, nhờ đó hội tụ nhanh hơn và cải thiện độ chính xác.
  • Gán nhãn SimOTA: Phiên bản đơn giản hóa của Gán nhãn Vận tải Tối ưu (OTA) được sử dụng để gán mẫu dương một cách linh hoạt, rút ngắn thời gian huấn luyện và khắc phục sự mơ hồ trong việc gán theo tâm.
Di sản của YOLOX

Thiết kế head tách biệt của YOLOX ảnh hưởng sâu sắc đến các thế hệ bộ phát hiện đối tượng tiếp theo và trở thành tính năng tiêu chuẩn trong nhiều model hiện đại.

Tìm hiểu thêm về YOLOX

DAMO-YOLO: Tìm kiếm kiến trúc tự động ở quy mô lớn#

Được Xianzhe Xu cùng nhóm nhà nghiên cứu tại Alibaba Group phát triển, DAMO-YOLO được giới thiệu ngày 23 tháng 11 năm 2022. Như trình bày chi tiết trong ấn phẩm arXiv, model phụ thuộc nhiều vào Tìm kiếm kiến trúc mạng nơ-ron (NAS) để cải thiện sự đánh đổi giữa tốc độ và độ chính xác.

Các cải tiến kiến trúc chính#

Chiến lược của DAMO-YOLO được xây dựng dựa trên việc tự động hóa thiết kế các cấu trúc hiệu quả:

  • Backbone MAE-NAS: Sử dụng quy trình tìm kiếm được định hướng bằng entropy cực đại, DAMO-YOLO tìm ra các backbone hiệu quả cao, được tùy chỉnh theo ngân sách độ trễ cụ thể, đặc biệt khi xuất sang các framework như TensorRT.
  • RepGFPN hiệu quả: Thiết kế neck nặng giúp cải thiện việc hợp nhất đặc trưng ở các độ phân giải không gian khác nhau, có lợi cho phân tích ảnh chụp từ trên không và phát hiện đối tượng ở nhiều tỷ lệ.
  • ZeroHead: Head dự đoán đơn giản hóa, cắt giảm dư thừa tính toán mà không làm giảm độ chính xác trung bình (mAP) tổng thể của model.
  • AlignedOTA và chưng cất: Tích hợp các phương pháp gán nhãn tiên tiến và chưng cất tri thức teacher-student để cải thiện hiệu năng của các model student nhỏ hơn.

Tìm hiểu thêm về DAMO-YOLO

So sánh hiệu năng và chỉ số#

Khi so sánh hai model này, điều quan trọng là xem xét số lượng tham số, FLOPs cần thiết và các chỉ số độ trễ. Dưới đây là dữ liệu benchmark so sánh YOLOX và DAMO-YOLO ở nhiều quy mô.

Modelkích thước
(pixel)
mAPval50-95Tốc độ
CPU ONNX
(ms)
Tốc độ
T4 TensorRT10
(ms)
params
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
DAMO-YOLOt64042.0-2.328.518.1
DAMO-YOLOs64046.0-3.4516.337.8
DAMO-YOLOm64049.2-5.0928.261.8
DAMO-YOLOl64050.8-7.1842.197.3

DAMO-YOLO chính xác hơn YOLOX ở độ trễ tương đương; ví dụ, DAMO-YOLOt đạt 42.0 mAP trong 2.32 ms, so với 40.5 mAP trong 2.56 ms của YOLOXs. Tuy nhiên, cả hai model đều có những điểm hạn chế: thiết kế YOLOX có trước nhiều kỹ thuật huấn luyện mới, còn việc DAMO-YOLO phụ thuộc vào chưng cất khiến quá trình huấn luyện lại trên dataset tùy chỉnh tiêu tốn nhiều tài nguyên hơn và làm tăng yêu cầu về bộ nhớ GPU.

Trường hợp sử dụng và khuyến nghị#

Việc chọn YOLOX hay DAMO-YOLO phụ thuộc vào yêu cầu cụ thể của dự án, các ràng buộc triển khai và lựa chọn hệ sinh thái của bạn.

Khi nào nên chọn YOLOX#

YOLOX là lựa chọn phù hợp khi:

  • Nghiên cứu phát hiện không anchor: Nghiên cứu học thuật sử dụng kiến trúc không anchor rõ ràng của YOLOX làm baseline để thử nghiệm các head phát hiện hoặc hàm loss mới.
  • Thiết bị biên siêu nhẹ: Triển khai trên vi điều khiển hoặc phần cứng di động đời cũ, nơi kích thước cực nhỏ của biến thể YOLOX-Nano (0.91M tham số) là yếu tố then chốt.
  • Nghiên cứu gán nhãn SimOTA: Các dự án nghiên cứu tìm hiểu chiến lược gán nhãn dựa trên vận tải tối ưu và ảnh hưởng của chúng đến quá trình hội tụ khi huấn luyện.

Khi nào nên chọn DAMO-YOLO#

DAMO-YOLO được khuyến nghị cho:

  • Phân tích video thông lượng cao: Xử lý luồng video FPS cao trên hạ tầng GPU NVIDIA cố định, trong đó thông lượng batch-1 là chỉ số chính.
  • Dây chuyền sản xuất công nghiệp: Các kịch bản có yêu cầu nghiêm ngặt về độ trễ GPU trên phần cứng chuyên dụng, chẳng hạn như kiểm tra chất lượng thời gian thực trên dây chuyền lắp ráp.
  • Nghiên cứu Neural Architecture Search: Nghiên cứu ảnh hưởng của tìm kiếm kiến trúc tự động (MAE-NAS) và các backbone tái tham số hóa hiệu quả đến hiệu năng phát hiện.

Khi nào nên chọn Ultralytics (YOLO26)#

Với hầu hết dự án mới, Ultralytics YOLO26 mang lại sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm developer:

  • Triển khai edge không cần NMS: Các ứng dụng cần suy luận ổn định, độ trễ thấp mà không phải xử lý sự phức tạp của bước hậu xử lý Non-Maximum Suppression (NMS).
  • Môi trường chỉ có CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi tốc độ inference CPU nhanh hơn tới 43% của YOLO26 (YOLO26n so với YOLO11n) mang lại lợi thế đáng kể.
  • Phát hiện vật thể nhỏ: Các tình huống khó như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, nơi ProgLoss và STAL cải thiện độ chính xác đối với vật thể rất nhỏ.

Ưu thế của Ultralytics: Giới thiệu YOLO26#

Dù YOLOX và DAMO-YOLO là những cột mốc lịch sử quan trọng, developer hiện đại cần một giải pháp kết hợp độ chính xác cao với tính dễ sử dụng. Ra mắt vào tháng 1 năm 2026, Ultralytics YOLO26 phát triển dựa trên các model không cần NMS như YOLOv10 để mang lại sự cân bằng tốt giữa tốc độ, độ chính xác và trải nghiệm developer.

Vì sao nên chọn YOLO26?#

So với các kho lưu trữ học thuật riêng lẻ, hệ sinh thái Ultralytics tích hợp cung cấp:

  • Thiết kế end-to-end không cần NMS: Head một-một tùy chọn của YOLO26 (nms=False) loại bỏ NMS trong quá trình suy luận. Nhờ đó, độ trễ nhanh và dễ dự đoán, một yếu tố quan trọng đối với triển khai edge và xe tự hành.
  • Loại bỏ DFL: Bằng cách loại bỏ Distribution Focal Loss, YOLO26 đơn giản hóa việc xuất model sang thiết bị edge và cải thiện khả năng tương thích với phần cứng công suất thấp.
  • Bộ tối ưu MuSGD: YOLO26 ứng dụng các cải tiến trong huấn luyện LLM với bộ tối ưu lai SGD và Muon, giúp huấn luyện ổn định và hội tụ nhanh.
  • Suy luận CPU nhanh hơn tới 43%: Khi loại bỏ DFL và NMS, YOLO26n chạy nhanh hơn YOLO11n tới 43% trên CPU mà không cần phần cứng GPU đắt tiền.
  • ProgLoss + STAL: Hàm loss lũy tiến và phương pháp gán nhãn nhận biết mục tiêu nhỏ (STAL) cải thiện khả năng phát hiện đối tượng nhỏ, giúp YOLO26 phù hợp với các tác vụ như kiểm tra bằng drone và giám sát IoT.
  • Tính linh hoạt: Không giống DAMO-YOLO chỉ chuyên phát hiện đối tượng, YOLO26 hỗ trợ nguyên bản các tác vụ phân đoạn đối tượng, phân đoạn ngữ nghĩa, ước lượng độ sâu, phân loại ảnh, ước lượng tư thế và phát hiện hộp giới hạn định hướng (OBB) trong một framework thống nhất.
Bắt đầu xây dựng ngay

Với Ultralytics Python API, bạn không cần tự cấu hình các pipeline chưng cất phức tạp hay viết hàng trăm dòng mã C++ để triển khai model.

from ultralytics import YOLO

# Tải model YOLO26 nano
model = YOLO("yolo26n.pt")

# Huấn luyện model trên dataset tùy chỉnh
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Chạy suy luận cực nhanh, không cần NMS
results = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Xuất sang ONNX hoặc OpenVINO chỉ với một lệnh
model.export(format="openvino")

Các model khác cần cân nhắc#

Hệ sinh thái thị giác máy tính rất rộng lớn. Tùy theo các ràng buộc cụ thể, bạn cũng có thể tìm hiểu các kiến trúc khác được hệ sinh thái Ultralytics hỗ trợ đầy đủ:

  • YOLO11: Phiên bản tiền nhiệm của YOLO26, nổi tiếng về độ tin cậy trong phân tích bán lẻ và kiểm soát chất lượng sản xuất.
  • YOLOv8: Model không dùng anchor ổn định, được áp dụng rộng rãi và góp phần phổ biến việc triển khai edge.
  • RT-DETR: Transformer phát hiện thời gian thực do Baidu phát triển, cung cấp lựa chọn thay thế mạnh mẽ cho các tác vụ hưởng lợi đáng kể từ cơ chế attention toàn cục, dù phải đánh đổi bằng yêu cầu bộ nhớ huấn luyện cao hơn.

Kết luận#

YOLOX và DAMO-YOLO đóng góp những ý tưởng quan trọng cho quá trình phát triển deep learning—YOLOX xác thực hướng tiếp cận tách biệt, không dùng anchor, còn DAMO-YOLO chứng minh sức mạnh của tìm kiếm kiến trúc tự động. Tuy nhiên, đối với môi trường production thực tế, sự phức tạp trong các codebase nghiên cứu gốc của chúng có thể làm chậm các nhóm cần linh hoạt.

Với Nền tảng Ultralytics, developer có thể tránh những trở ngại này. Thiết kế end-to-end, tốc độ CPU nhanh hơn và tài liệu phong phú của YOLO26 giúp AI thị giác chính xác trở nên dễ tiếp cận hơn. Dù bạn đang xây dựng hạ tầng thành phố thông minh, hệ thống chẩn đoán y tế hay robot tiên tiến, Ultralytics cung cấp lộ trình trực tiếp từ dữ liệu thô đến triển khai thực tế.

Người đóng góp

Bình luận

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