Bắt đầu

YOLOX và EfficientDet

Quá trình phát triển của phát hiện đối tượng được thúc đẩy bởi nỗ lực không ngừng nhằm cân bằng tốc độ, độ chính xác và hiệu quả tính toán. Hai model mang tính bước ngoặt có ảnh hưởng đáng kể đến quá trình này là YOLOX và EfficientDet. Trong khi YOLOX đưa thiết kế không dùng anchor vào họ YOLO, EfficientDet tập trung vào kiến trúc có khả năng mở rộng bằng cách dùng compound scaling và BiFPN. Hướng dẫn này so sánh chi tiết kiến trúc, chỉ số hiệu năng và phương pháp huấn luyện của hai model, đồng thời giới thiệu các lựa chọn mới hơn như model Ultralytics YOLO26.

Nguồn gốc model và chi tiết kỹ thuật#

Trước khi so sánh những khác biệt về cấu trúc, cần tìm hiểu nguồn gốc và nghiên cứu nền tảng của cả hai model.

Thông tin YOLOX:

Tìm hiểu thêm về YOLOX

Thông tin chi tiết về EfficientDet:

Tìm hiểu thêm về EfficientDet

So sánh kiến trúc#

Điểm khác biệt căn bản giữa YOLOX và EfficientDet nằm ở cách chúng trích xuất đặc trưng và dự đoán bounding box. Việc hiểu rõ các kiến trúc phát hiện đối tượng này rất quan trọng để chọn đúng model cho môi trường triển khai.

YOLOX: Đổi mới với thiết kế không anchor#

YOLOX chuyển dòng YOLO từ model phát hiện dựa trên anchor sang thiết kế không dùng anchor. Sự chuyển đổi này giảm đáng kể số lượng tham số thiết kế và đơn giản hóa pipeline huấn luyện.

Các đặc điểm kiến trúc chính bao gồm head tách biệt, chia riêng tác vụ phân loại và hồi quy. Cách làm này giải quyết xung đột giữa việc xác định đối tượng là gì và dự đoán chính xác đối tượng ở đâu. Ngoài ra, YOLOX sử dụng các chiến lược gán nhãn tiên tiến như SimOTA, tự động gán mẫu dương cho các đối tượng ground truth trong quá trình huấn luyện, giúp hội tụ nhanh hơn và cân bằng tốt hơn giữa tốc độ với độ chính xác.

EfficientDet: Mở rộng hợp thành và BiFPN#

EfficientDet tiếp cận bài toán phát hiện đối tượng dưới góc độ hiệu quả và khả năng mở rộng. Được Google phát triển, model này dựa vào backbone EfficientNet để trích xuất đặc trưng.

Đặc điểm nổi bật của model là Mạng kim tự tháp đặc trưng hai chiều (BiFPN). Không giống các FPN truyền thống, BiFPN cho phép hợp nhất đặc trưng đa tỷ lệ nhanh và dễ dàng bằng cách bổ sung các trọng số có thể học để xác định mức độ quan trọng của từng đặc trưng đầu vào. Kết hợp với phương pháp compound scaling, đồng đều mở rộng độ phân giải, độ sâu và chiều rộng của toàn bộ backbone, mạng đặc trưng và các mạng dự đoán hộp/phân loại, EfficientDet có thể mở rộng từ model cỡ di động (d0) đến model lớn chạy phía máy chủ (d7).

Độ phức tạp kiến trúc

Mặc dù phương pháp scale kết hợp của EfficientDet tạo lộ trình dễ dự đoán để đạt độ chính xác cao hơn, phương pháp này thường tạo ra các đồ thị tính toán phức tạp, khó tối ưu cho điện toán edge thời gian thực so với thiết kế gọn nhẹ, không anchor của YOLOX.

Phân tích hiệu năng và chỉ số#

Khi đánh giá các model này cho ứng dụng thị giác máy tính trong thực tế, các chỉ số như độ chính xác trung bình, tốc độ suy luận và số lượng tham số là thiết yếu.

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
EfficientDet-d051234.6-3.923.92.54
EfficientDet-d164040.5-7.316.66.1
EfficientDet-d276843.0-10.928.111.0
EfficientDet-d389647.5-19.5912.024.9
EfficientDet-d4102449.7-33.5520.755.2
EfficientDet-d5128051.5-67.8633.7130.0
EfficientDet-d6128052.6-89.2951.9226.0
EfficientDet-d7153653.7-128.0751.9325.0

Phân tích các yếu tố đánh đổi#

Dữ liệu cho thấy triết lý thiết kế của hai model khác biệt rõ ràng. EfficientDet-d7 đạt độ chính xác tổng thể cao nhất với mAP 53.7%, nhưng phải đánh đổi lớn về tốc độ suy luận (128.07 ms trên GPU T4). Ngược lại, YOLOXx đạt mAP cạnh tranh ở mức 51.1% trong 16.1 ms, phù hợp hơn nhiều cho các ứng dụng hiểu video thời gian thực và robot.

Trường hợp sử dụng và khuyến nghị#

Việc chọn YOLOX hay EfficientDet 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 EfficientDet#

EfficientDet được khuyến nghị cho:

  • Pipeline Google Cloud và TPU: Các hệ thống dựa trên TensorFlow chạy trên hạ tầng TPU của Google Cloud, nơi bản triển khai tham chiếu của EfficientDet hỗ trợ huấn luyện trên TPU.
  • Nghiên cứu mở rộng theo hệ số: Benchmark học thuật tập trung nghiên cứu tác động của việc mở rộng cân bằng độ sâu, chiều rộng và độ phân giải của mạng.
  • Triển khai di động qua LiteRT: Các dự án yêu cầu cụ thể việc xuất sang LiteRT (trước đây là TensorFlow Lite) cho Android hoặc thiết bị Linux nhúng.

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 khả năng tăng tốc bằng GPU chuyên dụng, nơi tốc độ suy luận CPU nhanh hơn tới 43% của YOLO26n so với YOLO11n mang lại lợi thế quyết định.
  • 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.

Lựa chọn hiện đại: Ultralytics YOLO26#

Dù YOLOX và EfficientDet là những cột mốc quan trọng, lĩnh vực machine learning đã phát triển nhanh chóng. Với developer triển khai hệ thống thị giác hiện nay, lựa chọn được khuyến nghị là YOLO26, model Ultralytics mới nhất, ra mắt vào tháng 1 năm 2026.

YOLO26 có hệ sinh thái được duy trì tốt cùng những cải thiện đáng kể về tốc độ và mức độ dễ sử dụng so với các kiến trúc cũ:

Những cải tiến chính của YOLO26#

  • Thiết kế đầu-cuối không cần NMS: Head một-một tùy chọn của YOLO26 (nms=False) loại bỏ nhu cầu hậu xử lý NMS. Phương pháp đầu-cuối nguyên bản này, được YOLOv10 giới thiệu cho các model YOLO, đơn giản hóa quy trình xuất model và giảm độ trễ triển khai.
  • Suy luận CPU nhanh hơn tới 43%: Khi loại bỏ NMS và Distribution Focal Loss (DFL), YOLO26n chạy nhanh hơn YOLO11n tới 43% trên CPU, phù hợp với các thiết bị edge không có GPU rời.
  • Bộ tối ưu MuSGD: Đưa các cải tiến từ Mô hình ngôn ngữ lớn (LLM) vào lĩnh vực thị giác, YOLO26 sử dụng bộ tối ưu MuSGD (kết hợp SGD và Muon) để huấn luyện ổn định và hội tụ nhanh, cải thiện hiệu quả huấn luyện.
  • 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, yếu tố thiết yếu cho các trường hợp sử dụng như hoạt động drone và phân tích ảnh chụp từ trên không.
  • Tính linh hoạt: Không giống YOLOX chỉ chuyên phát hiện đối tượng, YOLO26 hỗ trợ nguyên bản nhiều tác vụ như phân đoạn đối tượng, phân loại ảnh, ước lượng tư thế và phát hiện hộp giới hạn định hướng (OBB).

Dễ sử dụng với Ultralytics API#

Một trong những ưu điểm đáng kể nhất của các model Ultralytics là trải nghiệm người dùng được tinh gọn. Huấn luyện và triển khai model YOLO26 đòi hỏi ít bộ nhớ hơn các model Transformer phức tạp và chỉ cần vài dòng code Python:

from ultralytics import YOLO

# Khởi tạo model YOLO26 end-to-end nguyên bản
model = YOLO("yolo26n.pt")

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

# Xuất model đã huấn luyện sang TensorRT để suy luận trên GPU
model.export(format="engine", dynamic=True)

Với người dùng ưa thích giao diện trực quan, Nền tảng Ultralytics cung cấp các công cụ gán nhãn dataset, huấn luyện trên đám mây và triển khai.

Các trường hợp sử dụng thực tế#

Việc chọn kiến trúc phù hợp phụ thuộc nhiều vào các ràng buộc triển khai cụ thể của bạn.

Khi nào nên cân nhắc EfficientDet#

EfficientDet vẫn được quan tâm trong nghiên cứu học thuật ở những môi trường mà tốc độ suy luận ít quan trọng hơn độ chính xác trên ảnh độ phân giải cao. Việc triển khai model trong hệ sinh thái TensorFlow cũng có thể phù hợp với các nhóm duy trì hạ tầng Google cũ.

Khi nào nên cân nhắc YOLOX#

YOLOX phù hợp với các ứng dụng cần cân bằng tốc độ và độ chính xác mà không phải xử lý sự phức tạp của anchor box. Trước đây, model này hoạt động tốt trong các tình huống sản xuất công nghiệp, nơi cần phát hiện lỗi nhanh trên băng chuyền.

Vì sao chọn YOLO26#

Với phần lớn ứng dụng hiện đại, YOLO26 là lựa chọn phù hợp nhất. Thiết kế không cần NMS mang lại độ trễ dễ dự đoán, khiến model trở thành lựa chọn phù hợp cho lái xe tự hành, hệ thống báo động an ninh phản hồi nhanh và các ứng dụng thành phố thông minh. Cộng đồng hỗ trợ tích cực cùng các bản cập nhật thường xuyên từ Ultralytics cũng giúp developer tránh các dependency không còn được duy trì.

Developer tìm hiểu về thị giác máy tính nâng cao cũng nên khám phá các kiến trúc khác trong hệ sinh thái Ultralytics, chẳng hạn như YOLO11 cho các hệ thống hiện có đã được kiểm thử kỹ lưỡng hoặc các model chuyên biệt như FastSAM cho tác vụ phân đoạn dựa trên prompt.

Người đóng góp

Bình luận

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