YOLOX và YOLO11
Sự phát triển của thị giác máy tính được thúc đẩy bởi nỗ lực xây dựng các framework phát hiện vật thể thời gian thực cân bằng giữa độ chính xác cao và tốc độ suy luận. Trong số những cột mốc đáng chú ý nhất của hành trình này có YOLOX và Ultralytics YOLO11. Mặc dù cả hai model đều có đóng góp đáng kể cho lĩnh vực, kiến trúc nền tảng, triết lý thiết kế và hệ sinh thái dành cho nhà phát triển của chúng khác biệt đáng kể.
Bài so sánh kỹ thuật này tìm hiểu kiến trúc, chỉ số hiệu năng, phương pháp huấn luyện và kịch bản triển khai lý tưởng của hai model, giúp bạn đưa ra quyết định sáng suốt cho dự án trí tuệ nhân tạo tiếp theo.
Tổng quan về YOLOX#
Được các nhà nghiên cứu Zheng Ge, Songtao Liu, Feng Wang, Zeming Li và Jian Sun giới thiệu tại Megvii vào ngày 18 tháng 7 năm 2021, YOLOX đánh dấu một bước chuyển đáng kể trong dòng YOLO. Model góp phần thu hẹp khoảng cách giữa nghiên cứu học thuật và ứng dụng công nghiệp bằng cách giới thiệu thiết kế không dùng anchor.
Để tìm hiểu thêm về nền tảng kỹ thuật, bạn có thể xem bài báo YOLOX gốc trên arXiv.
Các đặc điểm kiến trúc chính#
YOLOX khác với phương pháp phát hiện truyền thống dựa trên anchor nhờ sử dụng head tách biệt và cơ chế không dùng anchor. Thiết kế này giảm số lượng tham số thiết kế và cải thiện hiệu năng của model trên nhiều benchmark. Ngoài ra, model còn giới thiệu các chiến lược gán nhãn như SimOTA để tăng tốc quá trình huấn luyện và cải thiện khả năng hội tụ.
Dù YOLOX có độ chính xác rất tốt so với thời điểm ra mắt, model chủ yếu tập trung vào phát hiện đối tượng bằng box giới hạn và không hỗ trợ nguyên bản các tác vụ thị giác phức tạp khác.
Bằng cách loại bỏ các hộp anchor được xác định trước, YOLOX giảm đáng kể nhu cầu tinh chỉnh theo kinh nghiệm cho từng dataset, trở thành baseline mạnh mẽ để nghiên cứu các phương pháp không dùng anchor.
Tổng quan về Ultralytics YOLO11#
Ra mắt ngày 27 tháng 9 năm 2024 bởi Glenn Jocher và Jing Qiu tại Ultralytics, YOLO11 là model sẵn sàng cho production, tập trung vào tính linh hoạt và dễ sử dụng. Được xây dựng dựa trên nhiều năm nghiên cứu YOLO, model hoạt động tốt trên nhiều tác vụ.
Lợi thế của Ultralytics#
YOLO11 không chỉ là một bộ phát hiện vật thể; đây là framework thống nhất hỗ trợ phân đoạn đối tượng, phân loại ảnh, ước lượng tư thế và phát hiện hộp giới hạn có định hướng (OBB). Kiến trúc hiệu quả của model cân bằng giữa tốc độ, số lượng tham số và độ chính xác.
Ngoài ra, YOLO11 được tích hợp hoàn toàn vào Nền tảng Ultralytics, cung cấp một hệ sinh thái tinh gọn cho việc gán nhãn dữ liệu, huấn luyện model và triển khai.
So sánh hiệu năng và chỉ số#
Khi so sánh các model này, có thể thấy rõ sự cân bằng về hiệu năng. YOLO11 đạt độ chính xác trung bình (mAP) cao hơn với số lượng tham số và FLOPs ít hơn đáng kể ở hầu hết các kích thước so với các model YOLOX tương ứng.
| Model | kích thước (pixel) | mAPval50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
Như kết quả cho thấy, các model YOLO11 luôn vượt YOLOX về độ chính xác trong khi có số lượng tham số gọn hơn. Chẳng hạn, YOLO11m đạt 51.5 mAP chỉ với 20.1M tham số, còn YOLOXx đạt mAP tương đương là 51.1 nhưng cần 99.1M tham số. Hiệu quả tham số này giảm mức sử dụng bộ nhớ khi huấn luyện và suy luận, khiến YOLO11 phù hợp để triển khai trên thiết bị AI biên, đồng thời tránh nhu cầu bộ nhớ CUDA lớn thường thấy ở các model cũ hoặc model dựa trên Transformer như RT-DETR.
Model Ultralytics thường cần ít bộ nhớ GPU hơn trong quá trình huấn luyện so với YOLOX và các kiến trúc dựa trên Transformer, cho phép nhà nghiên cứu huấn luyện các model mạnh mẽ trên phần cứng phổ thông.
Hệ sinh thái và tính dễ sử dụng#
Một trong những khác biệt lớn nhất giữa hai framework là trải nghiệm dành cho nhà phát triển.
YOLOX thường yêu cầu clone repository, thiết lập môi trường phức tạp và chạy các tham số dòng lệnh dài dòng để huấn luyện, cũng như xuất model sang các định dạng như ONNX hoặc TensorRT.
Ngược lại, Ultralytics YOLO11 cung cấp Python API và CLI đơn giản. Thư viện Ultralytics tự động xử lý tăng cường dữ liệu, tinh chỉnh siêu tham số và xuất model.
from ultralytics import YOLO
# Tải model YOLO11 đã huấn luyện trước
model = YOLO("yolo11n.pt")
# Huấn luyện model trên dữ liệu tùy chỉnh
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Xuất model đã huấn luyện sang TensorRT để triển khai tối ưu
model.export(format="engine")Hệ sinh thái được duy trì tốt này đi kèm tài liệu phong phú và khả năng tích hợp với các công cụ như Weights & Biases để theo dõi thí nghiệm.
Các trường hợp sử dụng phù hợp nhất#
Việc lựa chọn giữa các model này thường phụ thuộc vào đặc điểm cụ thể của môi trường triển khai.
Khi nào nên dùng YOLOX#
- Hệ thống cũ: Khi bạn có quy trình hiện hành được xây dựng cụ thể dựa trên codebase YOLOX gốc hoặc các phương pháp phát hiện đối tượng đầu năm 2021.
- Baseline học thuật: Khi thực hiện nghiên cứu cần benchmark trực tiếp với các kiến trúc không anchor nền tảng từ năm 2021.
Khi nào nên dùng YOLO11#
- Triển khai production: Dành cho các ứng dụng thương mại trong bán lẻ thông minh hoặc hệ thống báo động an ninh, nơi mã nguồn ổn định, được duy trì tốt và độ chính xác cao là những yếu tố thiết yếu.
- Quy trình đa nhiệm: Khi dự án cần theo dõi đối tượng, ước lượng tư thế người và phân đoạn thực thể bằng một framework hợp nhất duy nhất.
- Thiết bị biên hạn chế tài nguyên: Nhờ số lượng tham số thấp và thông lượng cao, YOLO11 phù hợp để triển khai trên Raspberry Pi hoặc các nút biên di động thông qua CoreML và NCNN.
Nhìn về phía trước: Ưu thế của YOLO26#
YOLO11 là bước tiến lớn so với YOLOX, nhưng lĩnh vực thị giác máy tính đang phát triển nhanh chóng. Với các nhà phát triển bắt đầu dự án mới hiện nay, Ultralytics YOLO26 là lựa chọn được khuyến nghị.
Ra mắt vào tháng 1 năm 2026, YOLO26 được xây dựng dựa trên YOLO11 và giới thiệu một số tính năng mới:
- Thiết kế end-to-end không cần NMS: Head one-to-one tùy chọn của YOLO26 (
nms=False) loại bỏ bước hậu xử lý Non-Maximum Suppression (NMS), giúp pipeline triển khai đơn giản và nhanh hơn (một phương pháp đã được thử nghiệm đầu tiên trong YOLOv10). - Suy luận CPU nhanh hơn đến 43%: Khi Distribution Focal Loss (DFL) được loại bỏ và hỗ trợ suy luận không cần NMS, YOLO26n chạy nhanh hơn YOLO11n đến 43% trên CPU, mang lại lợi ích cho các thiết bị biên công suất thấp.
- Bộ tối ưu MuSGD: Lấy cảm hứng từ các cải tiến trong huấn luyện LLM như Kimi K2 của Moonshot AI, bộ tối ưu MuSGD (kết hợp SGD và Muon) giúp quá trình huấn luyện ổn định và hội tụ nhanh.
- ProgLoss + STAL: Progressive Loss và phương pháp Gán nhãn nhận biết mục tiêu nhỏ (STAL) cải thiện khả năng phát hiện vật thể nhỏ, điều thiết yếu đối với ảnh chụp từ drone và robot tự hành.
Với hầu hết tác vụ thị giác máy tính hiện đại, YOLO26 mang đến sự cân bằng tốt nhất giữa tốc độ, độ chính xác và tính đơn giản khi triển khai.
Bình luận2
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.
shah0nawaz
Is the latency comparison on the same machine? If yes, please if you can give me the reference , I am working on the latency accuracy trade-off research.
Glenn JocherUltralytics@shah0nawaz I can’t confirm that the listed latencies were measured on the same machine, so I wouldn’t treat them as a controlled comparison for your research. The YOLO11 performance table specifies T4/TensorRT10, while the official YOLOX benchmarks report V100 timings and do not establish the provenance of the YOLOX latencies shown here. For a defensible latency–accuracy trade-off, benchmark both on the same GPU with matched input size, batch size, precision, runtime version, and timing boundaries, explicitly stating whether preprocessing and NMS are included.