So sánh Ultralytics YOLO11 với các model YOLO trước đây

Từ việc tự động hóa các tác vụ hằng ngày đến hỗ trợ đưa ra quyết định sáng suốt theo thời gian thực, trí tuệ nhân tạo (AI) đang định hình lại tương lai của nhiều ngành công nghiệp. Một lĩnh vực đặc biệt thú vị của AI là thị giác máy tính, còn được gọi là vision AI. Lĩnh vực này tập trung vào việc giúp máy móc phân tích và diễn giải dữ liệu hình ảnh giống như con người.

Cụ thể, model thị giác máy tính đang thúc đẩy những đổi mới giúp nâng cao cả độ an toàn và hiệu quả. Ví dụ, các model này được sử dụng trong xe tự lái để phát hiện người đi bộ và trong camera an ninh để giám sát khu vực suốt ngày đêm.

Một số model thị giác máy tính nổi tiếng nhất là các model YOLO (You Only Look Once), được biết đến với khả năng phát hiện đối tượng theo thời gian thực. Theo thời gian, các model YOLO đã được cải tiến, với mỗi phiên bản mới mang lại hiệu năng tốt hơn và tính linh hoạt cao hơn.

Các phiên bản mới hơn như Ultralytics YOLO11 có thể xử lý nhiều tác vụ khác nhau, chẳng hạn như phân đoạn instance, phân loại hình ảnh, ước tính tư thế và theo dõi nhiều đối tượng, với độ chính xác, tốc độ và độ chuẩn xác tốt hơn bao giờ hết.

Trong bài viết này, chúng ta sẽ so sánh Ultralytics YOLOv8, YOLOv9, YOLOv10 và Ultralytics YOLO11 để hiểu rõ hơn cách các model này đã phát triển. Chúng ta sẽ phân tích các tính năng chính, kết quả benchmark và khác biệt về hiệu năng của chúng. Hãy bắt đầu!

Tổng quan về Ultralytics YOLOv8#

Được Ultralytics phát hành vào ngày 10 tháng 1 năm 2023, YOLOv8 là một bước tiến lớn so với các model YOLO trước đó. Model này được tối ưu cho khả năng phát hiện chính xác theo thời gian thực, kết hợp các phương pháp đã được kiểm chứng với những cải tiến mới để mang lại kết quả tốt hơn.

Vượt xa phát hiện đối tượng, model này còn hỗ trợ các tác vụ thị giác máy tính sau: phân đoạn instance, ước tính tư thế, phát hiện đối tượng bằng hộp giới hạn xoay (OBB) và phân loại hình ảnh. Một tính năng quan trọng khác của Ultralytics YOLOv8 là model này có năm biến thể khác nhau - Nano, Small, Medium, Large và X - để bạn có thể chọn sự cân bằng phù hợp giữa tốc độ và độ chính xác dựa trên nhu cầu.

Nhờ tính linh hoạt và hiệu năng mạnh mẽ, Ultralytics YOLOv8 có thể được sử dụng trong nhiều ứng dụng thực tế, chẳng hạn như hệ thống an ninh, thành phố thông minh, chăm sóc sức khỏe và tự động hóa công nghiệp.

Hình 1. Quản lý bãi đỗ xe trong các thành phố thông minh với YOLOv8.

Các tính năng chính của Ultralytics YOLOv8#

Dưới đây là cái nhìn chi tiết hơn về một số tính năng chính khác của Ultralytics YOLOv8:

• Kiến trúc phát hiện được cải tiến: Ultralytics YOLOv8 sử dụng backbone CSPDarknet được cải tiến. Backbone này được tối ưu cho quá trình trích xuất đặc trưng - tức quá trình xác định và nắm bắt các mẫu hoặc chi tiết quan trọng từ hình ảnh đầu vào, giúp model đưa ra dự đoán chính xác.
• Detection head: Model sử dụng thiết kế không anchor và tách biệt, nghĩa là không phụ thuộc vào các hình dạng hộp giới hạn định sẵn (anchor), mà học cách dự đoán trực tiếp vị trí đối tượng. Nhờ thiết kế tách biệt, các tác vụ phân loại đối tượng và dự đoán vị trí của đối tượng (hồi quy) được xử lý riêng biệt, giúp cải thiện độ chính xác và rút ngắn thời gian huấn luyện.
• Cân bằng độ chính xác và tốc độ: Model này đạt độ chính xác ấn tượng trong khi vẫn duy trì thời gian inference nhanh, phù hợp cho cả môi trường cloud và edge.
• Thân thiện với người dùng: YOLOv8 được thiết kế để dễ bắt đầu - bạn có thể bắt đầu dự đoán và xem kết quả chỉ trong vài phút bằng package Ultralytics Python.

YOLOv9 tập trung vào hiệu quả tính toán#

YOLOv9 được Chien-Yao Wang và Hong-Yuan Mark Liao thuộc Institute of Information Science, Academia Sinica, Đài Loan phát hành vào ngày 21 tháng 2 năm 2024. Model này hỗ trợ các tác vụ như phát hiện đối tượng và phân đoạn instance.

Model này phát triển dựa trên Ultralytics YOLOv5 và giới thiệu hai cải tiến lớn: Thông tin Gradient Lập trình (PGI) và Mạng Tổng hợp Lớp Hiệu quả Tổng quát (GELAN).

PGI giúp YOLOv9 duy trì thông tin quan trọng khi xử lý dữ liệu qua các layer, từ đó mang lại kết quả chính xác hơn. Trong khi đó, GELAN cải thiện cách model sử dụng các layer, nâng cao hiệu năng và hiệu quả tính toán. Nhờ những nâng cấp này, YOLOv9 có thể xử lý các tác vụ theo thời gian thực trên thiết bị edge và ứng dụng mobile, nơi tài nguyên tính toán thường bị giới hạn.

Hình 2. Tìm hiểu cách GELAN cải thiện độ chính xác của YOLOv9.

Các tính năng chính của YOLOv9#

Dưới đây là một số tính năng chính khác của YOLOv9:

• Độ chính xác cao cùng hiệu quả tốt: YOLOv9 mang lại độ chính xác phát hiện cao mà không tiêu tốn nhiều năng lực tính toán, là lựa chọn phù hợp khi tài nguyên bị giới hạn.
• Model nhẹ: Các biến thể model nhẹ của YOLOv9 được tối ưu cho việc triển khai trên edge và mobile.
• Dễ sử dụng: YOLOv9 được package Ultralytics Python hỗ trợ, nên dễ thiết lập và chạy trong nhiều môi trường khác nhau, dù bạn sử dụng code hay dòng lệnh.

YOLOv10 cho phép phát hiện đối tượng không cần NMS#

YOLOv10 được các nhà nghiên cứu từ Đại học Thanh Hoa giới thiệu vào ngày 23 tháng 5 năm 2024 và tập trung vào phát hiện đối tượng theo thời gian thực. Model này khắc phục các hạn chế trong những phiên bản YOLO trước bằng cách loại bỏ nhu cầu sử dụng triệt tiêu cực đại (NMS), một bước hậu xử lý dùng để loại bỏ các detection trùng lặp, đồng thời tinh chỉnh thiết kế tổng thể của model. Nhờ đó, việc phát hiện đối tượng trở nên nhanh và hiệu quả hơn, trong khi vẫn đạt độ chính xác tiên tiến.

Một yếu tố quan trọng giúp thực hiện điều này là phương pháp huấn luyện được gọi là gán nhãn kép nhất quán. Phương pháp này kết hợp hai chiến lược: một chiến lược cho phép nhiều dự đoán học từ cùng một đối tượng (một-nhiều) và một chiến lược tập trung chọn dự đoán đơn lẻ tốt nhất (một-một). Vì cả hai chiến lược đều tuân theo cùng quy tắc matching, model tự học cách tránh các dự đoán trùng lặp, nên không cần NMS.

Hình 3. YOLOv10 sử dụng gán nhãn kép nhất quán để huấn luyện không cần NMS.

Kiến trúc YOLOv10 cũng sử dụng backbone CSPNet được cải tiến để học đặc trưng hiệu quả hơn và neck PAN (Mạng Tổng hợp Đường dẫn) kết hợp thông tin từ các layer khác nhau, giúp phát hiện tốt hơn cả đối tượng nhỏ và lớn. Những cải tiến này cho phép sử dụng YOLOv10 trong các ứng dụng thực tế thuộc lĩnh vực sản xuất, bán lẻ và xe tự hành.

Các tính năng chính của YOLOv10#

Dưới đây là một số tính năng nổi bật khác của YOLOv10:

• Convolution kernel lớn: Model sử dụng các convolution kernel lớn để nắm bắt nhiều ngữ cảnh hơn từ những vùng rộng hơn của hình ảnh, giúp hiểu rõ hơn toàn cảnh.

• Module self-attention một phần: Model tích hợp các module self-attention một phần để tập trung vào những phần quan trọng nhất của hình ảnh mà không sử dụng quá nhiều năng lực tính toán, từ đó nâng cao hiệu năng hiệu quả hơn.

• Biến thể model độc đáo: Bên cạnh các kích thước YOLOv10 thông thường - Nano, Small, Medium, Large và X - còn có một phiên bản đặc biệt gọi là YOLOv10b (Balanced). Đây là model rộng hơn, nghĩa là xử lý nhiều đặc trưng hơn ở mỗi layer, giúp cải thiện độ chính xác mà vẫn cân bằng tốc độ và kích thước.

• Thân thiện với người dùng: YOLOv10 tương thích với package Ultralytics Python, giúp dễ sử dụng.

Ultralytics YOLO11: Tăng cường tốc độ và độ chính xác#

Năm nay, vào ngày 30 tháng 9, Ultralytics đã chính thức ra mắt YOLO11 - một trong những model mới nhất của dòng YOLO - tại sự kiện hybrid thường niên YOLO Vision 2024 (YV24).

Bản phát hành này mang đến những cải tiến đáng kể so với các phiên bản trước. Ultralytics YOLO11 nhanh hơn, chính xác hơn và có hiệu quả cao hơn. Model này hỗ trợ đầy đủ các tác vụ thị giác máy tính mà người dùng YOLOv8 đã quen thuộc, bao gồm phát hiện đối tượng, phân đoạn instance và phân loại hình ảnh. Model cũng duy trì khả năng tương thích với workflow YOLOv8, giúp người dùng dễ dàng chuyển đổi sang phiên bản mới.

Ngoài ra, Ultralytics YOLO11 được thiết kế để đáp ứng nhiều nhu cầu tính toán khác nhau - từ thiết bị edge nhẹ đến hệ thống cloud mạnh mẽ. Model có sẵn dưới dạng phiên bản mã nguồn mở và enterprise, phù hợp với nhiều trường hợp sử dụng.

Đây là lựa chọn tuyệt vời cho các tác vụ yêu cầu độ chuẩn xác cao như chụp ảnh y tế và phát hiện bằng ảnh vệ tinh, cũng như các ứng dụng rộng hơn trong xe tự hành, nông nghiệp và chăm sóc sức khỏe.

Hình 4. Sử dụng Ultralytics YOLO11 để phát hiện, đếm và theo dõi giao thông.

Các tính năng chính của Ultralytics YOLO11#

Dưới đây là một số tính năng độc đáo khác của Ultralytics YOLO11:

• Phát hiện nhanh và hiệu quả: Ultralytics YOLO11 có detection head được thiết kế để đạt độ trễ tối thiểu, tập trung vào tốc độ ở các layer dự đoán cuối mà không ảnh hưởng đến hiệu năng.
• Cải thiện khả năng trích xuất đặc trưng: Kiến trúc backbone và neck được tối ưu giúp nâng cao khả năng trích xuất đặc trưng, từ đó đưa ra các dự đoán chính xác hơn.
• Triển khai liền mạch trên nhiều nền tảng: Ultralytics YOLO11 được tối ưu để chạy hiệu quả trên thiết bị edge, nền tảng cloud và GPU NVIDIA, bảo đảm khả năng thích ứng trong nhiều môi trường khác nhau.

Benchmark các model YOLO trên dataset COCO#

Khi tìm hiểu các model khác nhau, không phải lúc nào cũng dễ so sánh chúng chỉ bằng cách xem xét các tính năng. Đây là lúc benchmark phát huy tác dụng. Bằng cách chạy tất cả model trên cùng một dataset, chúng ta có thể đo lường và so sánh hiệu năng một cách khách quan. Hãy cùng xem mỗi model hoạt động như thế nào trên dataset COCO.

Khi so sánh các model YOLO, mỗi phiên bản mới đều mang đến những cải tiến đáng kể về độ chính xác, tốc độ và tính linh hoạt. Đặc biệt, YOLO11m tạo ra bước tiến lớn khi sử dụng ít hơn 22% parameter so với YOLOv8m, nghĩa là model nhẹ hơn và chạy nhanh hơn. Ngoài ra, dù có kích thước nhỏ hơn, model vẫn đạt mean average precision (mAP) cao hơn trên dataset COCO. Chỉ số này đo lường khả năng phát hiện và định vị đối tượng của model, vì vậy mAP cao hơn đồng nghĩa với các dự đoán chính xác hơn.

Hình 5. Benchmark YOLO11 và các model YOLO khác trên dataset COCO.

Kiểm thử và so sánh các model YOLO trên video#

Hãy cùng khám phá cách các model này hoạt động trong một tình huống thực tế.

Để so sánh YOLOv8, YOLOv9, YOLOv10 và YOLO11, cả bốn model được chạy trên cùng một video giao thông bằng score confidence 0.3 (model chỉ hiển thị detection khi có ít nhất 30% confidence rằng nó đã xác định đúng một đối tượng) và kích thước hình ảnh 640 để đánh giá công bằng. Kết quả phát hiện và tracking đối tượng cho thấy những khác biệt chính về độ chính xác, tốc độ và độ chuẩn xác trong phát hiện.

Ngay từ frame đầu tiên, YOLO11 đã phát hiện các phương tiện lớn như xe tải mà YOLOv10 bỏ sót. YOLOv8 và YOLOv9 cho thấy hiệu năng khá tốt nhưng thay đổi tùy theo điều kiện ánh sáng và kích thước đối tượng. Các phương tiện nhỏ hơn ở xa vẫn là thách thức đối với tất cả model, mặc dù YOLO11 cũng cho thấy những cải thiện đáng kể trong việc phát hiện chúng.

Hình 6. So sánh YOLOv8, YOLOv9, YOLOv10 và YOLO11.

Về tốc độ, tất cả model đều hoạt động trong khoảng từ 10 đến 20 mili-giây mỗi frame, đủ nhanh để xử lý các tác vụ thời gian thực ở tốc độ trên 50 FPS. Một mặt, Ultralytics YOLOv8 và YOLOv9 cung cấp kết quả phát hiện ổn định và đáng tin cậy trong suốt video. Đáng chú ý, YOLOv10, vốn được thiết kế để có độ trễ thấp hơn, chạy nhanh hơn nhưng cho thấy một số điểm không nhất quán khi phát hiện một số loại đối tượng.

Mặt khác, Ultralytics YOLO11 nổi bật nhờ độ chuẩn xác, mang lại sự cân bằng tốt giữa tốc độ và độ chính xác. Mặc dù không model nào hoạt động hoàn hảo trong mọi frame, phần so sánh song song cho thấy rõ YOLO11 mang lại hiệu năng tổng thể tốt nhất.

Model YOLO nào tốt nhất cho các tác vụ thị giác máy tính?#

Việc chọn model cho một dự án phụ thuộc vào các yêu cầu cụ thể của dự án. Ví dụ, một số ứng dụng có thể ưu tiên tốc độ, trong khi những ứng dụng khác yêu cầu độ chính xác cao hơn hoặc phải đối mặt với các ràng buộc triển khai ảnh hưởng đến quyết định.

Một yếu tố quan trọng khác là loại tác vụ thị giác máy tính bạn cần giải quyết. Nếu bạn muốn có tính linh hoạt rộng hơn trên nhiều tác vụ khác nhau, YOLOv8 và YOLO11 là những lựa chọn phù hợp.

Việc chọn YOLOv8 hay YOLO11 thực sự phụ thuộc vào nhu cầu của bạn. YOLOv8 là lựa chọn vững chắc nếu bạn mới làm quen với thị giác máy tính và coi trọng cộng đồng lớn hơn, nhiều tutorial hơn cùng các tích hợp bên thứ ba phong phú.

Mặt khác, nếu bạn đang tìm kiếm hiệu năng tiên tiến với độ chính xác và tốc độ tốt hơn, Ultralytics YOLO11 là lựa chọn phù hợp hơn, dù model có cộng đồng nhỏ hơn và ít tích hợp hơn vì là bản phát hành mới hơn.

Những điểm chính#

Từ Ultralytics YOLOv8 đến Ultralytics YOLO11, quá trình phát triển của dòng model YOLO phản ánh nỗ lực nhất quán hướng tới các model thị giác máy tính thông minh hơn. Mỗi phiên bản YOLO đều mang đến những nâng cấp thiết thực về tốc độ, độ chính xác và độ chuẩn xác.

Khi thị giác máy tính tiếp tục phát triển, các model này cung cấp những giải pháp đáng tin cậy cho các thách thức trong thực tế, từ phát hiện đối tượng đến các hệ thống tự hành. Quá trình phát triển liên tục của các model YOLO cho thấy lĩnh vực này đã tiến xa đến đâu và chúng ta còn có thể kỳ vọng nhiều điều hơn nữa trong tương lai.

Để tìm hiểu thêm về AI, hãy truy cập repository GitHub của chúng tôi và tham gia cộng đồng của chúng tôi. Khám phá những tiến bộ trong nhiều ngành, từ vision AI trong sản xuất đến thị giác máy tính trong chăm sóc sức khỏe. Xem các tùy chọn cấp phép để bắt đầu các dự án vision AI của bạn ngay hôm nay.