Bắt đầu

YOLOX so với YOLOv10

Sự phát triển của các model thị giác máy tính thời gian thực được đánh dấu bằng những tiến bộ kiến trúc đáng kể. Hai cột mốc quan trọng trong hành trình này là YOLOX và YOLOv10. Ra mắt năm 2021, YOLOX 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 hiệu quả. Ba năm sau, YOLOv10 loại bỏ nhu cầu dùng Non-Maximum Suppression (NMS) trong bước hậu xử lý, cải thiện hiệu quả và tốc độ.

Bài so sánh kỹ thuật này tìm hiểu kiến trúc, chỉ số hiệu năng và trường hợp sử dụng lý tưởng của cả hai model, giúp bạn chọn công cụ phù hợp cho dự án phát hiện vật thể tiếp theo.

Nguồn gốc và siêu dữ liệu của model#

Hiểu rõ nguồn gốc của các model này giúp làm rõ cơ sở cho những lựa chọn kiến trúc và môi trường triển khai dự kiến của chúng.

Thông tin chi tiết về YOLOX

Tìm hiểu thêm về YOLOX

Thông tin chi tiết về YOLOv10

Tìm hiểu thêm về YOLOv10

Các cải tiến kiến trúc#

Những khác biệt cốt lõi giữa YOLOX và YOLOv10 nằm ở cách chúng xử lý dự đoán bounding box và bước hậu xử lý.

YOLOX: Tiên phong với thiết kế không anchor#

YOLOX chuyển dòng YOLO sang kiến trúc không dùng anchor. Bằng cách dự đoán tâm của vật thể thay vì dựa vào các hộp anchor được xác định trước, YOLOX giảm đáng kể số lượng tham số thiết kế và nhu cầu tinh chỉnh theo kinh nghiệm cho các dataset tùy chỉnh. Model cũng giới thiệu head tách biệt, phân chia tác vụ phân loại và hồi quy thành các nhánh riêng. Phương pháp này giảm xung đột giữa việc xác định vật thể là gì và xác định vật thể nằm ở đâu, qua đó cải thiện rõ rệt tốc độ hội tụ và độ chính xác.

YOLOv10: Phát hiện thời gian thực không cần NMS#

Mặc dù YOLOX đơn giản hóa detection head, model vẫn dựa vào NMS để lọc các dự đoán bounding box dư thừa. YOLOv10 giải quyết nút thắt căn bản này. Bằng cách sử dụng cơ chế gán kép nhất quán trong quá trình huấn luyện, YOLOv10 đạt được khả năng phát hiện đầu-cuối nguyên bản. Model sử dụng head one-to-many khi huấn luyện để bảo đảm tín hiệu giám sát phong phú, đồng thời sử dụng head one-to-one khi suy luận để xuất trực tiếp các dự đoán cuối cùng. Thiết kế toàn diện cân bằng hiệu quả và độ chính xác này loại bỏ hoàn toàn NMS, giảm đáng kể độ trễ suy luận trên chip nhúng.

Tác động của việc loại bỏ NMS

Non-Maximum Suppression thường là một phép toán phức tạp để tăng tốc trên các Bộ xử lý thần kinh (NPUs). Bằng cách loại bỏ bước này, YOLOv10 cho phép toàn bộ đồ thị model chạy trên phần cứng chuyên dụng, cải thiện khả năng tương thích với các framework tối ưu hóa như OpenVINO và TensorRT.

Chỉ số hiệu năng và so sánh#

Khi đánh giá model để đưa vào môi trường production, việc cân bằng độ chính xác với chi phí tính toán là rất quan trọng. Bảng dưới đây minh họa các đánh đổi giữa những phiên bản YOLOX và YOLOv10 với quy mô khác nhau.

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
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

Phân tích dữ liệu#

Các chỉ số cho thấy bước tiến vượt bậc của YOLOv10 so với thế hệ trước. Ví dụ, YOLOv10-S đạt độ chính xác trung bình 46,3% so với 46,9% của YOLOX-m, nhưng chỉ sử dụng chưa đến một phần ba số tham số (7,2M so với 25,3M) và ít FLOPs hơn đáng kể. Hơn nữa, model YOLOv10-X cao cấp nhất nâng mAP lên 54,4%, có khả năng cạnh tranh cao trong các tác vụ đòi hỏi độ chính xác cao, đồng thời vẫn nhanh hơn kiến trúc YOLOX-x cũ.

Lợi thế của hệ sinh thái Ultralytics#

YOLOX vẫn là một triển khai nghiên cứu mã nguồn mở đáng tin cậy, nhưng sử dụng YOLOv10 giúp bạn tiếp cận ngay hệ sinh thái được Ultralytics duy trì tốt. Chọn model được Ultralytics hỗ trợ sẽ mang lại trải nghiệm sử dụng liền mạch, với API đơn giản và tài liệu phong phú.

Nhà phát triển được hưởng lợi từ yêu cầu bộ nhớ thấp của framework; quá trình huấn luyện các model Ultralytics thường tiêu thụ ít CUDA memory hơn đáng kể so với các phương án nặng dựa trên Transformer như RT-DETR. Mức sử dụng tài nguyên hiệu quả này cho phép dùng batch size lớn hơn trên phần cứng phổ thông, rút ngắn thời gian từ thu thập dữ liệu đến triển khai model. Framework cũng hỗ trợ nhiều tác vụ, nhờ đó người dùng có thể chuyển đổi giữa phát hiện đối tượng, phân đoạn đối tượng và ước tính tư thế với rất ít thay đổi về code.

Ví dụ về huấn luyện và suy luận#

API thống nhất giúp kiểm chứng ý tưởng nhanh chóng. Đoạn code sau huấn luyện và triển khai model YOLOv10 bằng backend PyTorch:

from ultralytics import YOLO

# Tải model nano YOLOv10 đã pre-train
model = YOLO("yolov10n.pt")

# Huấn luyện model trên bộ dữ liệu COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Chạy suy luận trên ảnh mẫu
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Xuất model để triển khai trên edge
model.export(format="engine", quantize=16)

Nhờ tận dụng các quy trình export tích hợp sẵn, việc chuyển đổi model sang các định dạng như TensorRT hoặc ONNX chỉ cần một dòng code, không phải thực hiện các bước biên dịch phức tạp.

Trường hợp sử dụng và kịch bản triển khai lý tưởng#

Việc lựa chọn giữa các kiến trúc này phần lớn phụ thuộc vào giới hạn phần cứng và yêu cầu cụ thể của từng lĩnh vực.

Phân tích video thời gian thực#

Với các ứng dụng cần độ trễ rất thấp, chẳng hạn như xe tự hành hoặc giám sát giao thông theo thời gian thực, YOLOv10 là lựa chọn mạnh hơn. Thiết kế end-to-end không dùng NMS mang lại thời gian thực thi có thể dự đoán, yếu tố thiết yếu đối với các hệ thống an toàn không thể chấp nhận độ trễ hậu xử lý biến động. Các model đạt tốc độ khung hình cao trên những thiết bị như dòng NVIDIA Jetson.

Baseline học thuật và vi điều khiển biên#

YOLOX vẫn có giá trị trong môi trường học thuật, nơi các nhà nghiên cứu cần baseline với head tách biệt rõ ràng để thử nghiệm các chiến lược gán nhãn. Ngoài ra, YOLOX-Nano rất nhỏ (dưới 1 triệu tham số) có thể chạy trên các thiết bị biên bị giới hạn nghiêm ngặt về bộ nhớ, miễn là phần cứng hỗ trợ các phép tích chập tiêu chuẩn.

YOLOv10 là bước tiến lớn trong việc loại bỏ NMS, nhưng lĩnh vực thị giác máy tính phát triển nhanh chóng. Với các dự án mới, Ultralytics khuyến nghị YOLO26, phát hành vào tháng 1 năm 2026.

YOLO26 phát triển dựa trên ý tưởng của các thế hệ trước và mang lại sự cân bằng hiệu năng mạnh mẽ, hỗ trợ sẵn các tác vụ phát hiện, phân đoạn đối tượng và ngữ nghĩa, ước tính độ sâu, phân loại, ước tính tư thế và hộp giới hạn có hướng.

Dưới đây là lý do YOLO26 được khuyến nghị cho các pipeline thị giác máy tính hiện đại:

  • Thiết kế end-to-end không dùng NMS: Kế thừa YOLOv10, YOLO26 hỗ trợ suy luận end-to-end nguyên bản (nms=False), cho thời gian suy luận nhanh hơn và dễ dự đoán hơn mà không gặp nút thắt từ bước hậu xử lý NMS.
  • Suy luận CPU nhanh hơn đến 43%: YOLO26n chạy nhanh hơn YOLO11n đến 43% trên CPU, phù hợp với bộ xử lý di động và thiết bị không có GPU rời.
  • Optimizer MuSGD: Lấy cảm hứng từ quá trình huấn luyện Mô hình ngôn ngữ lớn (cụ thể là Kimi K2 của Moonshot AI), YOLO26 sử dụng phương pháp kết hợp SGD và Muon để huấn luyện ổn định và hội tụ nhanh.
  • ProgLoss + STAL: Progressive Loss và Gán nhãn nhận biết đối tượng nhỏ (STAL) cải thiện khả năng phát hiện đối tượng nhỏ, yếu tố thiết yếu trong các lĩnh vực đòi hỏi cao như ảnh chụp từ trên không và điều hướng drone.
  • Loại bỏ DFL: Bằng cách loại bỏ Distribution Focal Loss, YOLO26 đơn giản hóa đồ thị model để dễ export hơn sang các thiết bị biên và công suất thấp.
  • Cải tiến theo tác vụ: Dù bạn sử dụng Ước tính hợp lý logarit phần dư (RLE) cho tác vụ ước tính tư thế hay hàm loss góc chuyên biệt cho OBB, YOLO26 đều có cải tiến cho từng tác vụ thị giác chính.

Đối với nhà phát triển nâng cấp pipeline, Ultralytics Platform cùng YOLO26 cung cấp các công cụ huấn luyện và triển khai hiệu quả. Người dùng quan tâm đến các kiến trúc đã được kiểm chứng cũng có thể tham khảo YOLO11 hoặc YOLOv8 để tận dụng cộng đồng rộng lớn và độ tin cậy đã được chứng minh.

Người đóng góp

Bình luận

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