Bắt đầu

YOLOX và YOLOv7

Sự phát triển của phát hiện đối tượng thời gian thực được thúc đẩy bởi những cải tiến kiến trúc liên tục. Hai cột mốc quan trọng trong hành trình này là YOLOX và YOLOv7. Được phát hành cách nhau chưa đầy một năm, cả hai model đều đưa ra các phương pháp mới cho mô hình phát hiện đối tượng tiêu chuẩn, cải thiện đáng kể sự đánh đổi giữa tốc độ và độ chính xác.

Trang này phân tích kỹ thuật YOLOX và YOLOv7, so sánh kiến trúc, chỉ số hiệu năng và trường hợp sử dụng phù hợp để giúp nhà phát triển chọn công cụ thích hợp cho việc triển khai thị giác máy tính.

YOLOX: Tiên phong trong phát hiện không anchor#

Được các nhà nghiên cứu tại Megvii giới thiệu vào tháng 7 năm 2021, YOLOX đánh dấu một bước chuyển lớn khi từ bỏ thiết kế dựa trên anchor truyền thống. Bằng cách thu hẹp khoảng cách giữa nghiên cứu học thuật và ứng dụng công nghiệp, YOLOX đơn giản hóa detection head và cải thiện hiệu năng tổng thể.

Thông tin chính về model:

Các cải tiến kiến trúc#

YOLOX giới thiệu phương pháp không anchor, giúp giảm đáng kể số lượng tham số thiết kế và mức tinh chỉnh heuristic cần thiết cho các bộ dữ liệu tùy chỉnh. Model triển khai head tách biệt, phân chia tác vụ phân loại và hồi quy, qua đó cải thiện tốc độ hội tụ và độ chính xác. Ngoài ra, YOLOX sử dụng các chiến lược tăng cường dữ liệu tiên tiến như MixUp và Mosaic để tăng độ bền vững của model.

Tìm hiểu thêm về YOLOX

Ưu thế của thiết kế không dùng anchor

Bằng cách dự đoán một hộp cho mỗi vị trí thay vì nhiều hộp anchor, YOLOX giảm số lượng dự đoán cần khớp với ground truth bằng Intersection over Union (IoU) trong quá trình huấn luyện, qua đó đơn giản hóa việc gán nhãn và có thể giảm mức sử dụng CUDA memory.

YOLOv7: Tập hợp các thủ thuật miễn phí có thể huấn luyện#

Được các nhà nghiên cứu tại Viện Khoa học Thông tin, Academia Sinica, Đài Loan phát hành vào tháng 7 năm 2022, YOLOv7 tiếp tục thúc đẩy phát hiện đối tượng thời gian thực. Model giới thiệu khái niệm "túi thủ thuật miễn phí có thể huấn luyện", thiết lập kết quả tiên tiến mới trên bộ dữ liệu MS COCO vào thời điểm phát hành.

Thông tin chính về model:

Các cải tiến kiến trúc#

Kiến trúc YOLOv7 được xây dựng dựa trên Extended Efficient Layer Aggregation Network (E-ELAN), cho phép model liên tục học các đặc trưng đa dạng hơn mà không làm suy giảm đường truyền gradient. Hơn nữa, YOLOv7 sử dụng kỹ thuật tái tham số hóa model, cho phép đơn giản hóa các mạng huấn luyện nhiều nhánh phức tạp thành mạng một nhánh nhanh hơn trong quá trình suy luận.

Tìm hiểu thêm về YOLOv7

So sánh hiệu năng#

Khi đánh giá các model này cho ứng dụng thực tế, việc hiểu hiệu năng ở các quy mô khác nhau là rất quan trọng. Bảng dưới đây so sánh các chỉ số tiêu chuẩn của nhiều kích thước YOLOX và YOLOv7.

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
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9

Phân tích#

  • Độ chính xác: YOLOv7 thường đạt mAP cao hơn các model YOLOX tương đương. Chẳng hạn, YOLOv7x đạt 53.1 mAP, so với 51.1 của YOLOXx.
  • Tốc độ: Cả hai model đều được tối ưu hóa để chạy trên GPU bằng TensorRT. Ở kích thước lớn, YOLOv7 vừa nhanh vừa chính xác hơn (ví dụ, YOLOv7l chạy trong 6,84 ms so với 9,04 ms của YOLOXl), dù YOLOX có các biến thể nhỏ hơn dành cho thiết bị biên.
  • Tính linh hoạt: YOLOv7 mở rộng khả năng vượt ra ngoài bounding box bằng cách cung cấp sẵn trọng số cho phân đoạn instance và ước tính tư thế, giúp model linh hoạt hơn repository YOLOX cơ bản.

Ứng dụng thực tế#

Việc lựa chọn giữa các model này thường phụ thuộc vào môi trường triển khai cụ thể của bạn.

Điện toán biên và IoT#

Với các thiết bị biên hạn chế như Raspberry Pi hoặc bộ xử lý di động đời cũ, YOLOX-Nano và YOLOX-Tiny là những lựa chọn hấp dẫn. Số lượng tham số tối thiểu và thiết kế không anchor giúp triển khai dễ dàng hơn trong môi trường công suất thấp cho các tác vụ như theo dõi chuyển động cơ bản hoặc ứng dụng chuông cửa thông minh.

Phân tích video độ trung thực cao#

Đối với việc xử lý luồng hình ảnh độ phân giải cao trong phát hiện lỗi công nghiệp hoặc giám sát giao thông dày đặc, YOLOv7 là lựa chọn mạnh hơn. Khả năng tổng hợp đặc trưng vững chắc giúp model duy trì độ chính xác cao ngay cả khi đối tượng bị che khuất một phần hoặc có kích thước khác nhau đáng kể.

Trường hợp sử dụng và khuyến nghị#

Việc chọn YOLOX hay YOLOv7 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 YOLOv7#

YOLOv7 được khuyến nghị cho:

  • Benchmark học thuật: Tái tạo kết quả tiên tiến nhất thời kỳ năm 2022 hoặc nghiên cứu ảnh hưởng của E-ELAN và các kỹ thuật tập hợp kỹ thuật miễn phí có thể huấn luyện.
  • Nghiên cứu tái tham số hóa: Khảo sát các phép tích chập được tái tham số hóa theo kế hoạch và chiến lược mở rộng model tổng hợp.
  • Pipeline tùy chỉnh hiện có: Các dự án có pipeline được tùy chỉnh sâu dựa trên kiến trúc riêng của YOLOv7, khó tái cấu trúc.

Khi nào nên chọn Ultralytics (YOLO26)#

Với hầu hết dự án mới, Ultralytics YOLO26 mang đến sự kết hợp tốt nhất giữa hiệu năng và trải nghiệm dành cho nhà phát triển:

  • 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 tăng tốc GPU chuyên dụng, nơi tốc độ inference CPU nhanh hơn tới 43% của YOLO26 (YOLO26n so với YOLO11n) mang lại lợi thế đáng kể.
  • 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.

Lợi thế của Ultralytics#

Dù YOLOX và YOLOv7 đều là các triển khai nghiên cứu mạnh mẽ, việc chuyển từ kho mã nghiên cứu sang môi trường production có khả năng mở rộng có thể đầy thách thức. Ultralytics Platform giúp giải quyết vấn đề này.

Các model Ultralytics cung cấp Python API thống nhất, biến việc huấn luyện, validation và triển khai model thành các tác vụ tinh gọn, tiêu chuẩn hóa. Cách tiếp cận này tránh phải quản lý các dependency bên thứ ba phức tạp hoặc toán tử C++ tùy chỉnh thường gặp trong các kiến trúc cũ.

Ngoài ra, các model Ultralytics YOLO cần ít CUDA memory hơn đáng kể trong quá trình huấn luyện so với các detector dựa trên Transformer như RT-DETR. Nhờ đó, người thực hành có thể sử dụng batch size lớn hơn, giúp ổn định quá trình huấn luyện và tăng tốc hội tụ trên các dataset tùy chỉnh.

Các tích hợp được hỗ trợ

Ultralytics hỗ trợ nguyên bản việc export model sang các định dạng tiêu chuẩn ngành như ONNX, OpenVINO và CoreML chỉ với một đối số format, giúp đơn giản hóa quy trình triển khai model.

Ví dụ mã: Huấn luyện với Ultralytics#

Gói Python của Ultralytics không hỗ trợ huấn luyện hoặc chạy trực tiếp checkpoint YOLOv7 .pt ( tài liệu YOLOv7 hướng dẫn cách chạy model ONNX hoặc TensorRT đã export), nhưng các kiến trúc mới hơn như YOLO26 có thể được tải, huấn luyện và chạy chỉ với vài dòng mã.

from ultralytics import YOLO

# Tải model YOLO26 đã pretrained
model = YOLO("yolo26n.pt")

# Huấn luyện model trên dataset tùy chỉnh (ví dụ: COCO8)
# API tự động xử lý việc tải dữ liệu, tăng cường dữ liệu và quản lý bộ nhớ
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Chạy inference trên ảnh kiểm thử
predictions = model("path/to/image.jpg")
predictions[0].show()

Tương lai: Ultralytics YOLO26#

YOLOv7 và YOLOX là những cột mốc lịch sử quan trọng, nhưng lĩnh vực này phát triển nhanh chóng. Ultralytics YOLO26, phát hành vào tháng 1 năm 2026, giới thiệu một số thay đổi vượt trội so với các model trước.

  • Thiết kế end-to-end không dùng NMS: Head một-một tùy chọn của YOLO26 (nms=False) bỏ qua bước hậu xử lý NMS. Cách này giảm các nút thắt độ trễ và mang lại thời gian thực thi có thể dự đoán trên nhiều cấu hình phần cứng.
  • Suy luận CPU nhanh hơn đến 43%: Sau khi loại bỏ Distribution Focal Loss (DFL) và sử dụng suy luận không NMS, YOLO26n chạy nhanh hơn YOLO11n đến 43% trên CPU, phù hợp với các thiết bị biên không có phần cứng GPU chuyên dụng.
  • Optimizer MuSGD: Lấy cảm hứng từ các kỹ thuật huấn luyện LLM, optimizer MuSGD (kết hợp SGD và Muon) giúp huấn luyện ổn định và hội tụ nhanh hơn.
  • Cải thiện khả năng phát hiện đối tượng nhỏ: ProgLoss + STAL (Progressive Loss và Gán nhãn nhận biết đối tượng nhỏ) cải thiện khả năng nhận diện các đối tượng nhỏ ở xa, yếu tố thiết yếu đối với lập bản đồ bằng drone và giám sát an ninh.
  • Hỗ trợ tác vụ nguyên bản: YOLO26 hỗ trợ nguyên bản phân đoạn đối tượng, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại, ước tính tư thế và Hộp giới hạn có hướng (OBB) trong cùng một API.

Với nhà phát triển bắt đầu dự án thị giác máy tính mới hiện nay, Ultralytics YOLO26 là lựa chọn được khuyến nghị để đạt sự cân bằng tốt nhất giữa tốc độ, độ chính xác và sự đơn giản khi triển khai. Với những người nâng cấp từ các thế hệ trước như YOLO11 hoặc YOLOv8, quá trình chuyển đổi thường chỉ cần thay đổi chuỗi tên model.

Người đóng góp

Bình luận

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