YOLOX so với DAMO-YOLO#

Sự phát triển của lĩnh vực phát hiện đối tượng theo thời gian thực đã chứng kiến nhiều sự chuyển dịch về mô hình, từ các kiến trúc dựa trên anchor sang kiến trúc không dùng anchor, và từ backbone được thiết kế thủ công sang tìm kiếm kiến trúc mạng nơ-ron (NAS) tự động. Trong phần so sánh kỹ thuật toàn diện này, chúng ta sẽ phân tích hai cột mốc quan trọng trong hành trình đó: YOLOX và DAMO-YOLO. Chúng ta sẽ tìm hiểu các đổi mới về kiến trúc, phương pháp training và sự đánh đổi về hiệu năng của chúng, đồng thời làm nổi bật cách Ultralytics YOLO26 hiện đại mang đến một lựa chọn thay thế vượt trội cho các developer hiện nay.

YOLOX: Tiên phong trong mô hình anchor-free#

Được Zheng Ge, Songtao Liu, Feng Wang, Zeming Li và Jian Sun tại Megvii phát hành vào ngày 18 tháng 7 năm 2021, YOLOX đã đánh dấu một bước ngoặt quan trọng khi tích hợp thành công thiết kế không dùng anchor vào dòng YOLO. Được trình bày trong báo cáo kỹ thuật trên ArXiv chi tiết của nhóm tác giả, YOLOX hướng đến việc thu hẹp khoảng cách giữa nghiên cứu học thuật và triển khai công nghiệp.

Các đổi mới kiến trúc chính#

YOLOX đã giới thiệu một số thay đổi cốt lõi về cấu trúc, cải thiện đáng kể so với các phiên bản tiền nhiệm:

• Cơ chế không dùng anchor: Bằng cách dự đoán trực tiếp tâm của đối tượng và kích thước bounding box, YOLOX giảm số lượng heuristic trong thiết kế và đơn giản hóa các quy trình clustering anchor phức tạp. Điều này giúp model có khả năng thích ứng cao với nhiều kịch bản thị giác máy tính khác nhau.
• Head tách biệt: Các model YOLO truyền thống sử dụng một head kết hợp duy nhất cho cả classification và regression. YOLOX triển khai head tách biệt, xử lý riêng classification và localization, nhờ đó hội tụ nhanh hơn nhiều và cải thiện độ chính xác.
• Gán nhãn SimOTA: Một phiên bản đơn giản hóa của Optimal Transport Assignment (OTA) được sử dụng để tự động gán các mẫu dương, rút ngắn thời gian training và khắc phục sự mơ hồ trong việc gán theo điểm tâm.

Tìm hiểu thêm về YOLOX

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

Được Xianzhe Xu và một nhóm nhà nghiên cứu tại Alibaba Group phát triển, DAMO-YOLO được giới thiệu vào ngày 23 tháng 11 năm 2022. Như được trình bày chi tiết trong ấn phẩm trên ArXiv, model này tận dụng mạnh mẽ Tìm kiếm Kiến trúc Mạng nơ-ron (NAS) để mở rộng biên Pareto về tốc độ và độ chính xác.

Các đổi mới kiến trúc chính#

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

• Xương sống MAE-NAS (MAE-NAS Backbones): Sử dụng tìm kiếm có hướng dẫn bằng entropy cực đại, DAMO-YOLO đã khám phá ra các xương sống hiệu quả cao được tùy chỉnh cho các ngân sách độ trễ cụ thể, đặc biệt khi được xuất sang các framework như TensorRT.
• Efficient RepGFPN: Một thiết kế neck lớn giúp tăng cường đáng kể quá trình feature fusion giữa các độ phân giải không gian khác nhau, đặc biệt hữu ích cho phân tích ảnh chụp từ trên không và phát hiện các đối tượng ở nhiều quy mô khác nhau.
• ZeroHead: Một prediction head đơn giản hóa, loại bỏ phần dư thừa về tính toán mà không làm giảm mean Average Precision (mAP) tổng thể của model.
• AlignedOTA và Distillation: Tích hợp cơ chế gán nhãn nâng cao cùng knowledge distillation teacher-student để khai thác tối đa hiệu năng từ các model student nhỏ hơn.

Tìm hiểu thêm về DAMO-YOLO

So sánh hiệu năng và các chỉ số#

Khi so sánh hai model này, chúng ta phải xem xét số lượng parameter, FLOPs cần thiết và các mức latency. Dưới đây là dữ liệu benchmark so sánh YOLOX và DAMO-YOLO trên nhiều scale.

Mặc dù cả hai model đều đạt kết quả ấn tượng, chúng vẫn có những điểm hạn chế. YOLOX yêu cầu tuning cẩn thận cho head tách biệt, trong khi sự phụ thuộc lớn của DAMO-YOLO vào distillation khiến việc retrain trên các dataset tùy chỉnh tiêu tốn nhiều tài nguyên, đòi hỏi lượng lớn GPU memory.

Các trường hợp sử dụng và khuyến nghị#

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

Khi nào nên chọn YOLOX#

YOLOX là lựa chọn phù hợp cho:

• 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 detection head hoặc hàm loss mới.
• Thiết bị edge siêu nhẹ: Triển khai trên microcontroller hoặc phần cứng mobile legacy, nơi footprint cực nhỏ của biến thể YOLOX-Nano (0.91M tham số) là yếu tố then chốt.
• Nghiên cứu gán nhãn SimOTA: Các project nghiên cứu tìm hiểu chiến lược gán nhãn dựa trên optimal transport và tác động của chúng đến quá trình hội tụ khi training.

Khi nào nên chọn DAMO-YOLO#

DAMO-YOLO được khuyến nghị cho:

• Phân tích video thông lượng cao: Xử lý các 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 tình huống có yêu cầu nghiêm ngặt về độ trễ GPU trên phần cứng chuyên dụng, chẳng hạn như kiểm tra chất lượng theo thời gian thực trên dây chuyền lắp ráp.
• Nghiên cứu Neural Architecture Search: Nghiên cứu tác động của tìm kiếm kiến trúc tự động (MAE-NAS) và các backbone được reparameterize hiệu quả đối với hiệu năng phát hiện.

Khi nào nên chọn Ultralytics (YOLO26)#

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

• Triển khai edge không cần NMS: Các ứng dụng yêu cầu suy luận nhất quán, độ trễ thấp mà không có sự phức tạp của bước hậu xử lý triệt tiêu cực đại.
• Môi trường chỉ sử dụng CPU: Các thiết bị không có tăng tốc GPU chuyên dụng, nơi khả năng suy luận trên CPU nhanh hơn tới 43% của YOLO26 mang lại lợi thế quyết định.
• Phát hiện đối tượng nhỏ: Các kịch bản đầy thách thức như ảnh chụp từ drone trên không hoặc phân tích cảm biến IoT, trong đó ProgLoss và STAL cải thiện đáng kể độ chính xác trên các đối tượng rất nhỏ.

Lợi thế của Ultralytics: Giới thiệu YOLO26#

Mặc dù YOLOX và DAMO-YOLO đại diện cho những cột mốc lịch sử quan trọng, các developer hiện đại cần một giải pháp kết hợp độ chính xác tiên tiến với mức độ dễ sử dụng vượt trội. Đây là điểm mà Ultralytics YOLO26 tạo ra sự chuyển biến lớn. Được phát hành vào tháng 1 năm 2026, YOLO26 kế thừa nền tảng của các model không dùng NMS để mang đến sự cân bằng tối ưu giữa tốc độ, độ chính xác và trải nghiệm developer.

Tại sao nên chọn YOLO26?#

Hệ sinh thái Ultralytics tích hợp vượt trội hơn các repository học thuật phân mảnh nhờ cung cấp:

• Thiết kế không dùng NMS end-to-end: YOLO26 loại bỏ native Non-Maximum Suppression (NMS) trong quá trình inference. Điều này mang lại latency cực nhanh và có thể dự đoán, yếu tố quan trọng đối với các triển khai edge và phương tiện tự hành.
• Loại bỏ DFL: Bằng cách loại bỏ Distribution Focal Loss, YOLO26 đơn giản hóa quy trình export sang các thiết bị edge, đồng thời giảm đáng kể yêu cầu bộ nhớ cho các ứng dụng nhẹ.
• Optimizer MuSGD: YOLO26 kế thừa các đổi mới trong training LLM với optimizer SGD và Muon lai, đảm bảo training ổn định và hội tụ cực nhanh.
• Inference trên CPU nhanh hơn tới 43%: Nhờ các tối ưu hóa sâu ở cấp độ cấu trúc, YOLO26 chạy cực nhanh trên CPU mà không cần phần cứng GPU đắt tiền.
• Hàm loss nâng cao: Việc tích hợp ProgLoss + STAL mang lại những cải thiện lớn trong nhận diện đối tượng nhỏ, khiến model trở nên lý tưởng cho các tác vụ như kiểm tra bằng drone và giám sát IoT.
• Tính linh hoạt: Không giống DAMO-YOLO, vốn chỉ là một detector, YOLO26 hỗ trợ native các tác vụ Instance Segmentation, Pose Estimation, Image Classification và Oriented Bounding Box (OBB) trong một framework hợp nhất duy nhất.

from ultralytics import YOLO

# Load the cutting-edge YOLO26 nano model
model = YOLO("yolo26n.pt")

# Train the model effortlessly on a custom dataset
train_results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run ultra-fast, NMS-free inference
results = model("https://ultralytics.com/images/bus.jpg")

# Export to ONNX or OpenVINO with a single command
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 khám phá những kiến trúc khác được hệ sinh thái Ultralytics hỗ trợ đầy đủ:

• YOLO11: Phiên bản tiền nhiệm có năng lực cao của YOLO26, nổi tiếng nhờ độ ổn định trong phân tích bán lẻ và kiểm soát chất lượng sản xuất.
• YOLOv8: Một model không dùng anchor huyền thoại và rất ổn định, góp phần phổ biến việc triển khai edge trên diện rộng.
• RT-DETR: Transformer phát hiện đối tượng theo thời gian thực do Baidu phát triển, cung cấp một lựa chọn thay thế xuất sắc cho các tác vụ hưởng lợi đáng kể từ cơ chế attention toàn cục, dù phải đánh đổi bằng yêu cầu bộ nhớ training cao hơn.

Kết luận#

Cả YOLOX và DAMO-YOLO đều đóng góp những khái niệm quan trọng cho quá trình phát triển deep learning—YOLOX xác thực phương pháp tách biệt, không dùng anchor, còn DAMO-YOLO chứng minh sức mạnh của tìm kiếm kiến trúc tự động. Tuy nhiên, trong môi trường production thực tế, sự phức tạp của các codebase nghiên cứu ban đầu có thể làm chậm các team agile.

Bằng cách tận dụng Ultralytics Platform toàn diện, các developer có thể vượt qua những trở ngại này. Với thiết kế end-to-end, tốc độ CPU vượt trội và tài liệu phong phú của YOLO26, việc đạt được vision AI tiên tiến trở nên dễ tiếp cận hơn bao giờ hết. 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 hiệu quả nhất từ dữ liệu thô đến triển khai mạnh mẽ trong thế giới thực.