YOLOX so với YOLOv9#
Bối cảnh thị giác máy tính đã được định hình bởi những đột phá kiến trúc liên tục, cân bằng giữa hiệu quả tính toán và độ chính xác cao. Khi đánh giá các model phát hiện đối tượng theo thời gian thực, sự so sánh giữa YOLOX của Megvii và YOLOv9 của Academia Sinica làm nổi bật hai triết lý riêng biệt trong phát triển deep learning. Một bên tiên phong trong mô hình anchor-free được đơn giản hóa, còn bên kia giới thiệu các kỹ thuật định tuyến gradient tiên tiến để tối đa hóa khả năng duy trì thông tin.
Hướng dẫn kỹ thuật này phân tích những khác biệt tinh tế trong kiến trúc, các benchmark hiệu năng và những trường hợp sử dụng lý tưởng của chúng, đồng thời minh họa cách các giải pháp hiện đại như Ultralytics Platform và model YOLO26 mới phát hành mang đến các lựa chọn thay thế vượt trội cho việc triển khai sẵn sàng vận hành thực tế.
YOLOX: Tiên phong trong mô hình anchor-free#
Được phát hành vào giữa năm 2021, YOLOX là một bước tiến lớn trong việc thu hẹp khoảng cách giữa nghiên cứu học thuật và ứng dụng công nghiệp. Bằng cách loại bỏ nhu cầu sử dụng các anchor box được định nghĩa trước, model đã đơn giản hóa đáng kể việc tinh chỉnh heuristic cần thiết cho các dataset tùy chỉnh.
- Tác giả: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li và Jian Sun
- Tổ chức: Megvii
- Ngày phát hành: 18 tháng 7, 2021
- Tài liệu tham khảo: Bài báo Arxiv
- Mã nguồn: Repository YOLOX trên GitHub
- Tài liệu: Tài liệu chính thức của YOLOX
Các cải tiến về kiến trúc#
YOLOX đã giới thiệu một số thay đổi quan trọng cho pipeline phát hiện tiêu chuẩn. Model triển khai một head tách biệt, phân tách các tác vụ classification và regression, qua đó giảm đáng kể xung đột giữa việc nhận diện đối tượng và xác định ranh giới của đối tượng. Ngoài ra, YOLOX sử dụng SimOTA, một chiến lược gán nhãn tiên tiến phân bổ động các mẫu dương trong quá trình training, giúp hội tụ nhanh hơn và đạt hiệu năng tổng thể tốt hơn trên các dataset benchmark tiêu chuẩn.
Ưu điểm và hạn chế#
Điểm mạnh chính của YOLOX nằm ở thiết kế đơn giản hóa. Cơ chế anchor-free giúp developer giảm thời gian chạy các thuật toán clustering để tìm kích thước anchor tối ưu cho dữ liệu cụ thể. Tuy nhiên, vì là một kiến trúc cũ được xây dựng nguyên bản mà không có những tiến bộ gần đây về self-attention hoặc định tuyến gradient, model gặp khó khăn trong việc sánh kịp hiệu quả tham số của các network mới hơn. Model cũng thiếu hỗ trợ native cho các tác vụ nâng cao như instance segmentation và ước lượng pose trong một API thống nhất.
YOLOv9: Tối đa hóa thông tin gradient#
Đến năm 2024, YOLOv9 giới thiệu một cách tiếp cận mang tính lý thuyết cao để giải quyết vấn đề nút thắt thông tin vốn có trong các neural network tích chập sâu.
- Tác giả: Chien-Yao Wang và Hong-Yuan Mark Liao
- Tổ chức: Viện Khoa học Thông tin, Academia Sinica
- Ngày phát hành: 21 tháng 2, 2024
- Tài liệu tham khảo: Bài báo Arxiv
- Mã nguồn: Repository YOLOv9 trên GitHub
- Tài liệu: Tài liệu Ultralytics YOLOv9
Các cải tiến về kiến trúc#
Đặc điểm nổi bật của YOLOv9 là Thông tin Gradient có thể lập trình (PGI), đảm bảo dữ liệu ngữ nghĩa quan trọng không bị mất khi đi qua nhiều layer của network. Kết hợp với Mạng tổng hợp layer hiệu quả tổng quát (GELAN), YOLOv9 đạt tỷ lệ tham số trên độ chính xác đặc biệt ấn tượng. Điều này cho phép model duy trì gradient chính xác để cập nhật weight, khiến model đạt hiệu quả cao ngay cả ở các biến thể nhẹ.
Ưu điểm và hạn chế#
YOLOv9 nổi bật trong việc đẩy giới hạn lý thuyết của độ chính xác model. Model đạt điểm mAP ấn tượng trên COCO, khiến model được các nhà nghiên cứu ưa chuộng. Tuy nhiên, dù hiệu quả, YOLOv9 vẫn dựa vào kỹ thuật Loại bỏ cực đại không tối đa (NMS) truyền thống cho bước hậu xử lý, gây ra các đỉnh độ trễ trong quá trình suy luận. Đối với các kỹ sư tập trung triển khai AI lên thiết bị biên, việc quản lý logic NMS làm tăng thêm độ phức tạp không cần thiết cho pipeline triển khai.
Các model truyền thống như YOLOX và YOLOv9 yêu cầu Loại bỏ cực đại không tối đa (NMS) để lọc các bounding box trùng lặp. Bước này vốn mang tính tuần tự và thường tạo ra nút thắt trên CPU, cho thấy nhu cầu về các kiến trúc native end-to-end được tích hợp trong những model Ultralytics mới nhất.
So sánh hiệu năng#
Khi so sánh các chỉ số tính toán thô của những kiến trúc này, có thể thấy YOLOv9 cung cấp một baseline hiện đại hơn, trong khi YOLOX vẫn là lựa chọn nhẹ cho các hệ thống legacy. Dưới đây là phân tích chi tiết các model tiêu chuẩn của chúng.
| Model | kích thước (pixel) | mAPval 50-95 | Tốc độ CPU ONNX (ms) | Tốc độ T4 TensorRT10 (ms) | tham số (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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.1 | 26.4 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.0 | 76.3 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.3 | 102.1 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 57.3 | 189.0 |
Mặc dù YOLOv9 thể hiện độ chính xác vượt trội ở cùng mức số lượng tham số, các developer tìm kiếm sự cân bằng tối ưu giữa tốc độ, độ chính xác và tính dễ sử dụng nên cân nhắc những tiến bộ mới nhất từ Ultralytics.
Lợi thế của Ultralytics: Khám phá YOLO26#
Mặc dù việc đánh giá các model lịch sử như YOLOX và YOLOv9 cung cấp bối cảnh giá trị, công nghệ tiên tiến nhất hiện nay được thể hiện bởi Ultralytics YOLO26. Được phát hành vào đầu năm 2026, YOLO26 tái cấu trúc căn bản pipeline phát hiện cho các môi trường enterprise hiện đại.
Những đổi mới kiến trúc vượt trội#
YOLO26 giải quyết hoàn toàn các nút thắt hậu xử lý của những thế hệ trước bằng thiết kế native end-to-end không cần NMS, đảm bảo triển khai đơn giản hơn trên mọi phần cứng. Ngoài ra, bằng cách loại bỏ Loss tiêu điểm phân phối (DFL) và tích hợp MuSGD Optimizer mới—một dạng kết hợp giữa Stochastic Gradient Descent và Muon—YOLO26 đạt được độ ổn định training chưa từng có.
Đối với các developer triển khai trong những môi trường hạn chế như Raspberry Pi, YOLO26 mang lại khả năng suy luận trên CPU nhanh hơn tới 43%. Model cũng giới thiệu các hàm loss ProgLoss + STAL, giúp cải thiện đáng kể khả năng nhận diện đối tượng nhỏ, yếu tố quan trọng đối với ảnh chụp từ trên không và hoạt động phân tích bằng drone.
Hệ sinh thái phát triển tinh gọn#
Không giống các repository nghiên cứu độc lập, hệ sinh thái Ultralytics mang đến trải nghiệm developer vượt trội. Bằng cách sử dụng Ultralytics Python API, các kỹ sư có thể giảm đáng kể lượng mã boilerplate. Ngoài ra, yêu cầu bộ nhớ được tối ưu hóa cao, nghĩa là bạn có thể training các model mạnh với ít GPU VRAM hơn so với các kiến trúc phụ thuộc nhiều vào attention.
from ultralytics import YOLO
# Load the highly optimized, NMS-free YOLO26 small model
model = YOLO("yolo26s.pt")
# Train on a custom dataset with minimal memory footprint
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Easily export to optimized deployment formats
model.export(format="engine", quantize=16) # Exports to TensorRTNgoài detection, YOLO26 hỗ trợ liền mạch nhiều tác vụ trong cùng một framework. Cho dù bạn cần Bounding Box định hướng (OBB) chính xác cho ảnh vệ tinh hay các mask pixel chi tiết cho ứng dụng chẩn đoán hình ảnh y tế, workflow vẫn giữ nguyên. Đối với các team đang sử dụng workflow của thế hệ trước, Ultralytics YOLO11 cũng được cung cấp và hỗ trợ đầy đủ.
Các trường hợp sử dụng và chiến lược triển khai lý tưởng#
Việc lựa chọn kiến trúc phù hợp hoàn toàn phụ thuộc vào môi trường triển khai mục tiêu và yêu cầu của dự án.
Điện toán biên và Robotics#
Đối với các thiết bị công suất thấp, việc sử dụng các model yêu cầu hậu xử lý nặng có thể làm suy giảm nghiêm trọng hiệu năng. Mặc dù YOLOX-Nano cực kỳ nhỏ gọn, độ chính xác của model thường không đủ cho các tác vụ quan trọng về an toàn. YOLO26 là lựa chọn tối ưu trong trường hợp này; việc không sử dụng DFL và NMS cho phép model chạy mượt mà trên các luồng CPU thuần, rất phù hợp với robotics tự hành hoặc quản lý bãi đỗ xe thông minh.
Benchmark học thuật#
Nếu mục tiêu duy nhất là phân tích luồng gradient và nghiên cứu các nút thắt của network sâu, YOLOv9 vẫn là một đối tượng nghiên cứu xuất sắc. Framework PGI cung cấp những hiểu biết thú vị về cách các feature được duy trì qua các layer của neural network sâu, khiến đây trở thành công cụ có giá trị cho các nhà nghiên cứu đại học khám phá lý thuyết tích chập.
Phân tích video enterprise#
Đối với các tác vụ xử lý video quy mô lớn như hệ thống cảnh báo an ninh hoặc giám sát giao thông, tốc độ và khả năng export linh hoạt là yếu tố tối quan trọng. Các công cụ export native do framework Ultralytics cung cấp cho phép team compile YOLO26 trực tiếp sang TensorRT hoặc OpenVINO bằng một lệnh duy nhất, giúp rút ngắn đáng kể thời gian đưa sản phẩm ra thị trường.
Bằng cách tận dụng các tính năng toàn diện của hệ sinh thái Ultralytics, các team machine learning có thể bỏ qua sự phức tạp của các codebase nghiên cứu thô và tập trung trực tiếp vào việc xây dựng các ứng dụng AI thực tế có khả năng mở rộng.