YOLOX so với EfficientDet#

Sự 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 tiến trình này là YOLOX và EfficientDet. Trong khi YOLOX giới thiệu thiết kế không anchor được tối ưu hóa cao cho dòng YOLO, EfficientDet tập trung vào một kiến trúc có khả năng mở rộng, sử dụng compound scaling và BiFPN. Hướng dẫn này cung cấp phần so sánh kỹ thuật chi tiết về kiến trúc, các chỉ số hiệu năng và phương pháp huấn luyện của chúng, đồng thời giới thiệu các lựa chọn hiện đại như model Ultralytics YOLO26 tiên tiến.

Nguồn gốc của Model 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 model.

Chi tiết YOLOX:

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

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 có khả năng mở rộng và hiệu quả
• GitHub & Tài liệu: Google AutoML EfficientDet

Tìm hiểu thêm về EfficientDet

So sánh kiến trúc#

Sự khác biệt nền tảng giữa YOLOX và EfficientDet nằm ở cách chúng trích xuất đặc trưng và dự đoán bounding box. Việc hiểu các kiến trúc phát hiện đối tượng này rất quan trọng để lựa chọn model phù hợp cho môi trường triển khai của bạn.

YOLOX: Nhà đổi mới không anchor#

YOLOX đã cách mạng hóa dòng YOLO bằng cách chuyển từ detector dựa trên anchor sang thiết kế không anchor. Sự chuyển đổi này đã 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, phân tách tác vụ phân loại và hồi quy. Điều này giải quyết xung đột giữa việc xác định một đối tượng là gì và dự đoán chính xác nó nằm ở đâu. Ngoài ra, YOLOX sử dụng các chiến lược gán nhãn nâng cao như SimOTA, tự động gán các mẫu dương cho các đối tượng ground truth trong quá trình huấn luyện, giúp hội tụ nhanh hơn và đạt cân bằng hiệu năng tốt hơn.

EfficientDet: Scaling hợp nhất 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 phụ thuộc nhiều vào backbone EfficientNet để trích xuất đặc trưng.

Đặc điểm xác định của nó 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 dễ dàng và nhanh chóng bằng cách đưa vào các trọng số có thể học để học tầm quan trọng của các đặc trưng đầu vào khác nhau. Kết hợp với phương pháp compound scaling, trong đó độ phân giải, độ sâu và chiều rộng được scale đồng nhất cho tất cả backbone, mạng đặc trưng và mạng dự đoán box/class, EfficientDet có thể mở rộng từ các model kích thước di động (d0) đến các model phía server quy mô rất lớn (d7).

Phân tích hiệu năng và các 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 inference và số lượng tham số có vai trò then chốt.

Phân tích sự đánh đổi#

Dữ liệu cho thấy sự khác biệt rõ ràng trong triết lý thiết kế. EfficientDet-d7 đạt độ chính xác tổng thể cao nhất với mAP ấn tượng ở mức 53,7%, nhưng phải trả giá rất lớn về tốc độ inference (128,07 ms trên GPU T4). Ngược lại, YOLOXx đạt mAP 51,1% có tính cạnh tranh cao trong khi vẫn duy trì tốc độ inference nhanh 16,1 ms, khiến nó vượt trội đáng kể cho tìm 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 cụ thể của dự án, các ràng buộc 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 EfficientDet#

EfficientDet được khuyến nghị cho:

• Pipeline Google Cloud và TPU: Các hệ thống được tích hợp sâu với Google Cloud Vision APIs hoặc hạ tầng TPU, nơi EfficientDet có khả năng tối ưu native.
• Nghiên cứu Compound Scaling: Benchmarking học thuật tập trung vào việc nghiên cứu tác động của quá trình scale depth, width và resolution cân bằng trong network.
• Triển khai trên mobile qua TFLite: Các dự án yêu cầu cụ thể việc export TensorFlow Lite cho Android hoặc các thiết bị Linux nhúng.

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.

Lựa chọn hiện đại: Ultralytics YOLO26#

Mặc dù YOLOX và EfficientDet từng là những cột mốc quan trọng, lĩnh vực machine learning đã phát triển nhanh chóng. Đối với các developer muốn triển khai hệ thống thị giác hiện đại nhất hiện nay, lựa chọn được khuyến nghị cao là YOLO26, model flagship mới nhất của Ultralytics, được phát hành vào tháng 1 năm 2026.

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

Những đổi mới chính của YOLO26#

• Thiết kế end-to-end không NMS: YOLO26 loại bỏ nhu cầu hậu xử lý Ức chế cực đại không tối đa (NMS). Phương pháp end-to-end nguyên bản này, được tiên phong từ các thế hệ trước, đơn giản hóa quy trình export và cắt giảm độ trễ triển khai.
• Inference trên CPU nhanh hơn đến 43%: Nhờ các tối ưu hóa kiến trúc chuyên sâu và việc loại bỏ Hàm mất mát tiêu điểm phân phối (DFL), YOLO26 nhanh đáng kể trên các thiết bị biên không có GPU rời, vượt xa các biến thể EfficientDet nặng nề.
• Optimizer MuSGD: Đưa các cải tiến từ Mô hình ngôn ngữ lớn (LLM) vào lĩnh vực thị giác, YOLO26 sử dụng optimizer MuSGD (kết hợp giữa SGD và Muon) để huấn luyện ổn định cao và hội tụ nhanh, mang lại hiệu quả huấn luyện xuất sắc.
• ProgLoss + STAL: Các hàm mất mát nâng cao này mang lại cải thiện đáng kể trong nhận diện đối tượng nhỏ, yếu tố rất quan trọng đối với các trường hợp sử dụng như hoạt động với drone và phân tích ảnh trên không.
• Tính linh hoạt vượt trội: Không giống YOLOX, vốn chỉ là một detector đối tượng, YOLO26 hỗ trợ nguyên bản nhiều tác vụ, bao gồm phân đoạn instance, phân loại ảnh, ước tính pose và phát hiện hộp giới hạn định hướng (OBB).

Tính 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. Việc huấn luyện và triển khai một model YOLO26 yêu cầu dung lượng bộ nhớ thấp hơn đáng kể so với các model Transformer phức tạp và chỉ cần 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 предпоч интерфейс trực quan, Ultralytics Platform cung cấp các công cụ mạnh mẽ để gán nhãn dataset, tinh chỉnh hyperparameter và triển khai liền mạch.

Các trường hợp sử dụng trong thực tế#

Việc lựa 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 học thuật ở những môi trường mà tốc độ inference hoàn toàn không quan trọng và mục tiêu duy nhất là đạt độ chính xác lý thuyết tối đa trên ảnh độ phân giải cao. Việc triển khai trong hệ sinh thái TensorFlow cũng có thể phù hợp với các team đang duy trì hạ tầng Google cũ.

Khi nào nên cân nhắc YOLOX#

YOLOX phù hợp với các ứng dụng yêu cầu cân bằng giữa tốc độ và độ chính xác mà không có sự phức tạp của anchor box. Trong lịch sử, model này hoạt động tốt trong các kịch bản sản xuất công nghiệp, nơi cần phát hiện lỗi nhanh trên băng chuyền.

Vì sao YOLO26 là lựa chọn vượt trội#

Đối với hầu hết ứng dụng hiện đại, YOLO26 cung cấp giải pháp tốt nhất. Thiết kế không NMS đảm bảo độ trễ xác định, khiến model trở thành ứng viên hoàn hảo cho xe tự hành, hệ thống cảnh báo an ninh nhanh và các hoạt động triển khai trong thành phố thông minh. Ngoài ra, sự hỗ trợ mạnh mẽ từ cộng đồng và các bản cập nhật thường xuyên của Ultralytics đảm bảo developer không phải liên tục xử lý các dependency đã lỗi thời.

Các developer nghiên cứu thị giác máy tính nâng cao cũng nên tìm hiểu những kiến trúc linh hoạt khác trong hệ sinh thái Ultralytics, chẳng hạn YOLO11 cho các hoạt động triển khai legacy ổn định hoặc các model chuyên biệt như FastSAM cho các tác vụ phân đoạn dựa trên prompt. Việc sử dụng đầy đủ bộ công cụ Ultralytics đảm bảo một pipeline AI thị giác được tối ưu hóa cao và sẵn sàng cho tương lai.