YOLOX so với EfficientDet: Đánh giá mô hình phát hiện đối tượng không dùng anchor và có khả năng mở rộng

Sự phát triển của phát hiện đối tượng được thúc đẩy bởi nhu cầu không ngừng trong việc cân bằng giữa tốc độ, độ chính xác và hiệu suất tính toán. Hai mô hình mang tính cột mốc ảnh hưởng đáng kể đến quỹ đạo này là YOLOX và EfficientDet. Trong khi YOLOX giới thiệu thiết kế không dùng anchor (anchor-free) được tối ưu hóa cao cho dòng YOLO, thì EfficientDet tập trung vào kiến trúc có thể mở rộng sử dụng compound scaling và BiFPN. Hướng dẫn này cung cấp bản so sánh kỹ thuật chi tiết về kiến trúc, các chỉ số hiệu suất và phương pháp huấn luyện của chúng, đồng thời giới thiệu các giải pháp thay thế hiện đại như mô hình Ultralytics YOLO26 tiên tiến.

Nguồn gốc mô hình và chi tiết kỹ thuật

Trước khi đi sâu vào những khác biệt về cấu trúc, điều quan trọng là phải hiểu nguồn gốc và các nghiên cứu nền tảng đằng sau cả hai mô hình này.

Chi tiết về YOLOX:

• Tác giả: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li và Jian Sun
• Tổ chức: Megvii
• Ngày: 18 tháng 7 năm 2021
• ArXiv: YOLOX: Vượt qua dòng YOLO vào năm 2021
• GitHub: Megvii-BaseDetection/YOLOX
• Tài liệu: YOLOX Official Docs

Tìm hiểu thêm về YOLOX

Chi tiết về EfficientDet:

• Tác giả: Mingxing Tan, Ruoming Pang, và Quoc V. Le
• Tổ chức: Google Brain
• Ngày: 20 tháng 11, 2019
• ArXiv: EfficientDet: Phát hiện đối tượng hiệu quả và có khả năng mở rộng
• GitHub & Tài liệu: Google AutoML EfficientDet

Tìm hiểu thêm về EfficientDet

So sánh kiến trúc

Sự khác biệt cơ 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 mô hình phù hợp cho môi trường triển khai của bạn.

YOLOX: Nhà tiên phong không dùng Anchor

YOLOX đã tạo ra cuộc cách mạng cho dòng YOLO bằng cách chuyển đổi từ bộ phát hiện dựa trên anchor sang thiết kế không dùng anchor. Sự chuyển đổi này đã giảm đáng kể số lượng tham số thiết kế và đơn giản hóa pipeline huấn luyện.

Các tính năng kiến trúc chính bao gồm decoupled head, giúp tách biệt các tác vụ phân loại và hồi quy. Điều này giải quyết xung đột giữa việc xác định đối tượng là gì và dự đoán chính xác đối tượng ở đâu. Hơn nữa, YOLOX sử dụng các chiến lược gán nhãn tiên tiến như SimOTA, giúp gán động các mẫu dương tính cho đối tượng thực tế (ground truth) trong quá trình huấn luyện, dẫn đến hội tụ nhanh hơn và đạt cân bằng hiệu suất vượt trội.

EfficientDet: Quy mô hỗn hợp và BiFPN

EfficientDet tiếp cận phát hiện đối tượng thông qua lăng kính hiệu quả và khả năng mở rộng. Được phát triển bởi Google, mô hình này dựa chủ yếu vào backbone EfficientNet để trích xuất đặc trưng.

Tính năng xác định của nó là Bi-directional Feature Pyramid Network (BiFPN). Khác với FPN truyền thống, BiFPN cho phép hợp nhất đặc trưng đa quy mô một cách dễ dàng và nhanh chóng bằng cách giới thiệu các trọng số học được để xác định tầm quan trọng của các đặc trưng đầu vào khác nhau. Kết hợp với phương pháp compound scaling giúp đồng nhất hóa độ phân giải, độ sâu và độ rộng cho tất cả backbone, mạng đặc trưng và mạng dự đoán box/lớp, EfficientDet có thể mở rộng từ các mô hình kích thước di động (d0) đến các mô hình máy chủ khổng lồ (d7).

Phân tích hiệu năng và số liệu

Khi đánh giá các mô hình này cho ứng dụng thị giác máy tính trong thực tế, các chỉ số như mAP, tốc độ suy luận và số lượng tham số là quan trọng nhất.

Phân tích sự đánh đổi

Dữ liệu làm nổi bật sự khác biệt rõ rệt trong triết lý thiết kế. EfficientDet-d7 đạt độ chính xác tổng thể cao nhất với mAP ấn tượng là 53,7%, nhưng phải trả giá đắt về tốc độ suy luận (128,07ms trên GPU T4). Ngược lại, YOLOXx đạt mAP 51,1% rất cạnh tranh trong khi duy trì tốc độ suy luận nhanh 16,1ms, giúp nó vượt trội hơn hẳn cho các tác vụ hiểu video thời gian thực và robot.

Các trường hợp sử dụng và khuyến nghị

Việc lựa chọn giữa YOLOX và EfficientDet phụ thuộc vào yêu cầu dự án cụ thể, các hạn chế khi triển khai và tùy chọn hệ sinh thái của bạn.

Khi nào nên chọn YOLOX

YOLOX là một lựa chọn mạnh mẽ cho:

• Nghiên cứu nhận diện không dùng anchor: Nghiên cứu học thuật sử dụng kiến trúc không dùng anchor sạch sẽ của YOLOX làm cơ sở để thử nghiệm với các head nhận diện hoặc hàm loss mới.
• Thiết bị Edge siêu nhẹ: Triển khai trên các vi điều khiển hoặc phần cứng di động cũ nơi mà dấu chân cực nhỏ của biến thể YOLOX-Nano (0.91 triệu tham số) là rất quan trọng.
• Nghiên cứu về gán nhãn SimOTA: Các dự án nghiên cứu điều tra các chiến lược gán nhãn dựa trên vận chuyển tối ưu và tác động của chúng đến sự hội tụ trong quá trình training.

Khi nào nên chọn EfficientDet

EfficientDet được khuyến nghị cho:

• Google Cloud và TPU Pipelines: Các hệ thống tích hợp sâu với Google Cloud Vision APIs hoặc hạ tầng TPU, nơi EfficientDet có sự tối ưu hóa nguyên bản.
• Nghiên cứu về Compound Scaling: Các đánh giá học thuật tập trung vào việc nghiên cứu ảnh hưởng của sự cân bằng giữa độ sâu mạng, chiều rộng và mở rộng độ phân giải.
• Triển khai trên di động thông qua TFLite: Các dự án yêu cầu cụ thể việc xuất TensorFlow Lite cho các thiết bị Android hoặc Linux nhúng.

Khi nào nên chọn Ultralytics (YOLO26)

Đối với hầu hết các dự án mới, Ultralytics YOLO26 cung cấp sự kết hợp tốt nhất giữa hiệu suất và trải nghiệm nhà phát triển:

• Triển khai Edge không cần NMS: Các ứng dụng yêu cầu suy luận ổn định, độ trễ thấp mà không cần sự phức tạp của việc hậu xử lý Non-Maximum Suppression.
• Môi trường chỉ sử dụng CPU: Các thiết bị không có GPU tăng tốc chuyên dụng, nơi tốc độ suy luận trên CPU nhanh hơn tới 43% của YOLO26 mang lại lợi thế quyết định.
• Nhận diện đối tượng nhỏ: Các kịch bản thách thức như ảnh drone trên không hoặc phân tích cảm biến IoT nơi ProgLoss và STAL tăng cường đáng kể độ chính xác trên các đối tượng cực nhỏ.

Giải pháp thay thế hiện đại: Ultralytics YOLO26

Mặc dù YOLOX và EfficientDet đại diện cho những cột mốc quan trọng, nhưng bối cảnh học máy đã tiến bộ rất nhanh. Đối với các nhà phát triển muốn triển khai hệ thống thị giác hiện đại ngày nay, lựa chọn được khuyên dùng nhất là YOLO26, mô hình flagship mới nhất từ Ultralytics được ra mắt vào tháng 1 năm 2026.

YOLO26 cung cấp một hệ sinh thái được bảo trì tốt và một bước tiến lớn về cả tốc độ lẫn tính dễ sử dụng, vượt qua các kiến trúc cũ ở một số lĩnh vực quan trọng:

Những đổi mới chính trên YOLO26

• Thiết kế End-to-End không NMS: YOLO26 loại bỏ nhu cầu hậu xử lý bằng Non-Maximum Suppression (NMS). Cách tiếp cận end-to-end tự nhiên này, được tiên phong từ các thế hệ trước, giúp đơn giản hóa quá trình xuất mô hình và cắt giảm độ trễ khi triển khai.
• Tốc độ suy luận CPU nhanh hơn tới 43%: Nhờ các tối ưu hóa kiến trúc sâu sắc và việc loại bỏ Distribution Focal Loss (DFL), YOLO26 hoạt động cực nhanh trên các thiết bị biên thiếu GPU chuyên dụng, vượt xa các biến thể EfficientDet nặng nề.
• Tối ưu hóa MuSGD: Đưa các cải tiến của Mô hình Ngôn ngữ Lớn (LLM) vào thị giác, YOLO26 sử dụng bộ tối ưu hóa MuSGD (kết hợp giữa SGD và Muon) để huấn luyện ổn định và hội tụ nhanh, mang lại hiệu suất huấn luyện tuyệt vời.
• ProgLoss + STAL: Những hàm loss tiên tiến này mang lại cải tiến đáng kể trong việc nhận diện đối tượng nhỏ, điều cực kỳ quan trọng cho các trường hợp sử dụng như vận hành drone và phân tích ảnh từ trên không.
• Tính linh hoạt vô đối: Không giống như YOLOX, vốn chỉ là bộ phát hiện đối tượng, YOLO26 hỗ trợ tự nhiên nhiều tác vụ bao gồm phân đoạn đối tượng, phân loại ảnh, ước tính tư thế và phát hiện Oriented Bounding Box (OBB).

Tìm hiểu thêm về YOLO26

Dễ sử dụng với Ultralytics API

Một trong những lợi thế quan trọng nhất của các mô hình Ultralytics là trải nghiệm người dùng tinh gọn. Việc huấn luyện và triển khai mô hình YOLO26 đòi hỏi yêu cầu bộ nhớ thấp hơn đáng kể so với các mô hình transformer phức tạp và chỉ cần một vài dòng mã Python:

from ultralytics import YOLO

# Initialize the natively end-to-end YOLO26 model
model = YOLO("yolo26n.pt")

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

# Export the trained model to TensorRT for blazing-fast inference
model.export(format="engine", dynamic=True)

Đối với người dùng thích giao diện trực quan, Nền tảng Ultralytics cung cấp các công cụ mạnh mẽ để gán nhãn dữ liệu, tinh chỉnh siêu tham số và triển khai liền mạch.

Các trường hợp sử dụng trong thực tế

Việc lựa chọn kiến trúc phù hợp phụ thuộc phần lớn vào các hạn chế triển khai cụ thể của bạn.

Khi nào nên cân nhắc EfficientDet

EfficientDet vẫn là đối tượng nghiên cứu học thuật cho các môi trường mà tốc độ suy luận hoàn toàn không quan trọng, và độ chính xác lý thuyết tối đa trên ảnh độ phân giải cao là mục tiêu duy nhất. Việc triển khai nó trong hệ sinh thái TensorFlow cũng có thể thu hút các nhóm đang duy trì hạ tầng Google cũ.

Khi nào nên cân nhắc YOLOX

YOLOX phù hợp cho các ứng dụng yêu cầu sự cân bằng giữa tốc độ và độ chính xác mà không cần sự phức tạp của anchor box. Nó đã có lịch sử hoạt động tốt trong các tình huống sản xuất công nghiệp nơi yêu cầu phát hiện lỗi nhanh trên băng chuyền.

Tại sao YOLO26 là lựa chọn ưu việt hơn

Đối với hầu hết các ứng dụng hiện đại, YOLO26 cung cấp giải pháp tốt nhất. Thiết kế không NMS của nó đảm bảo độ trễ ổn định, khiến nó trở thành ứng viên hoàn hảo cho lái xe tự động, hệ thống báo động an ninh nhanh và triển khai thành phố thông minh. Hơn nữa, sự hỗ trợ mạnh mẽ từ cộng đồng và các cập nhật thường xuyên từ Ultralytics đảm bảo các nhà phát triển không bao giờ gặp phải các phụ thuộc đã lỗi thời.

Các nhà phát triển khám phá thị giác máy tính nâng cao cũng nên xem xét các kiến trúc linh hoạt khác trong hệ sinh thái Ultralytics, chẳng hạn như YOLO11 cho các triển khai kế thừa ổn định hoặc các mô hình chuyên biệt như FastSAM cho các tác vụ phân đoạn dựa trên prompt. Sử dụng bộ công cụ đầy đủ của Ultralytics đảm bảo một pipeline AI thị giác tối ưu hóa cao và sẵn sàng cho tương lai.