So sánh Ultralytics YOLO11 với các model YOLO trước đây

Từ 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 hấp dẫn của AI là thị giác máy tính, còn được gọi là AI thị giác. 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, các model thị giác máy tính đang thúc đẩy những đổi mới giúp tăng cường cả độ an toàn lẫn hiệu quả. Ví dụ, các model này được dùng 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 (Chỉ cần nhìn một lần), vốn nổi tiếng với khả năng phát hiện đối tượng theo thời gian thực. Theo thời gian, các model YOLO đã được cải tiến, mỗi phiên bản mới đều 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 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 cao hơn bao giờ hết.

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

Tổng quan về Ultralytics YOLOv8#

YOLOv8 được Ultralytics phát hành ngày 10 tháng 1 năm 2023, là một bước tiến đáng kể so với các model YOLO trước đó. Model được tối ưu hóa để phát hiện chính xác theo thời gian thực, kết hợp các phương pháp đã được kiểm chứng với những cải tiến mới nhằm đạt kết quả tốt hơn.

Ngoài phát hiện đối tượng, model còn hỗ trợ các tác vụ thị giác máy tính sau: phân đoạn instance, ước tính tư thế, phát hiện đối tượng bằng bounding box định hướng (OBB) và phân loại hình ảnh. Một tính năng quan trọng khác của Ultralytics YOLOv8 là model 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 tùy theo nhu cầu.

Nhờ tính linh hoạt và hiệu năng mạnh mẽ, Ultralytics YOLOv8 có thể được ứng dụng trong nhiều tình huống thực tế 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 tại thành phố thông minh bằng YOLOv8.

Các tính năng chính của Ultralytics YOLOv8#

Dưới đây là 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 hóa cho việc trích xuất đặc trưng - quá trình nhận diện và thu thập các mẫu hoặc chi tiết quan trọng từ hình ảnh đầu vào, giúp model đưa ra dự đoán chính xác.
• Đầu phát hiện: Model sử dụng thiết kế không cần anchor, tách biệt các nhánh; nghĩa là model không phụ thuộc vào các hình dạng bounding box 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, giúp cải thiện độ chính xác và tăng tốc quá trình huấn luyện.
• Cân bằng độ chính xác và tốc độ: Model đạt độ chính xác ấn tượng trong khi vẫn duy trì thời gian suy luận nhanh, phù hợp với cả môi trường cloud và edge.
• Dễ sử dụng: YOLOv8 được thiết kế để dễ bắt đầu - bạn có thể bắt đầu dự đoán và xem kết quả chỉ sau vài phút bằng package Python Ultralytics.

YOLOv9 tập trung vào hiệu quả tính toán#

YOLOv9 được Chien-Yao Wang và Hong-Yuan Mark Liao thuộc Viện Khoa học Thông tin, Academia Sinica, Đài Loan phát hành ngày 21 tháng 2 năm 2024. Model 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 được (PGI) và Mạng tổng hợp lớp hiệu quả tổng quát (GELAN).

PGI giúp YOLOv9 giữ lại thông tin quan trọng khi xử lý dữ liệu qua các lớp, từ đó cho kết quả chính xác hơn. Trong khi đó, GELAN cải thiện cách model sử dụng các lớp, tăng cường hiệu năng và hiệu quả tính toán. Nhờ những nâng cấp này, YOLOv9 có thể xử lý các tác vụ thời gian thực trên thiết bị edge và ứng dụng di động, nơi tài nguyên tính toán thường hạn chế.

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 và hiệu quả: 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 hạn chế.
• Model nhẹ: Các biến thể model nhẹ của YOLOv9 được tối ưu hóa để triển khai trên edge và thiết bị di động.
• Dễ sử dụng: YOLOv9 được hỗ trợ bởi package Python Ultralytics nên dễ dàng thiết lập và chạy trong nhiều môi trường, dù bạn sử dụng code hay dòng lệnh.

YOLOv10 cho phép phát hiện đối tượng không cần NMS#

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

Một yếu tố then chốt giúp đạt được điều này là phương pháp huấn luyện có tên 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 chiến lược còn lại tập trung chọn dự đoán đơn tốt nhất (một-một). Vì cả hai chiến lược đều tuân theo cùng quy tắc ghép cặp, model tự học cách tránh kết quả trùng lặp nên không cần NMS.

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

Kiến trúc YOLOv10 cũng sử dụng backbone CSPNet cải tiến để học đặc trưng hiệu quả hơn và neck PAN (Mạng tổng hợp đường dẫn) kết hợp thông tin từ các lớp khác nhau, giúp model phát hiện cả đối tượng nhỏ lẫn lớn tốt hơn. Những cải tiến này cho phép ứng dụng YOLOv10 trong các tình huống 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:

• Tích chập kernel lớn: Model sử dụng các phép tích chập kernel lớn để thu thập thêm ngữ cảnh từ những vùng rộng hơn của hình ảnh, giúp model 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 tiêu tốn quá nhiều năng lực tính toán, qua đó tăng hiệu năng một cách hiệu quả.

• 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 là YOLOv10b (Cân bằng). Đây là model có chiều rộng lớn hơn, nghĩa là xử lý nhiều đặc trưng hơn ở mỗi lớp, giúp cải thiện độ chính xác đồng thời cân bằng tốc độ và kích thước.

• Dễ sử dụng: YOLOv10 tương thích với package Python Ultralytics, giúp model dễ sử dụng.

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

Ngày 30 tháng 9 năm nay, Ultralytics chính thức ra mắt YOLO11 - một trong những model mới nhất thuộc dòng YOLO - tại sự kiện kết hợp 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 đạt hiệu quả cao. Model 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 chuyển đổi dễ dàng 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 phiên bản mã nguồn mở và phiên bản enterprise, phù hợp với nhiều trường hợp sử dụng.

Đây là lựa chọn phù hợp cho các tác vụ đòi hỏi độ chính xác cao như chẩn đoán hình ảnh y tế và phát hiện đối tượng trên 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 phương tiện 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 đầu phát hiện được thiết kế để giảm thiểu độ trễ, tập trung vào tốc độ ở các lớp 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 hóa giúp tăng cường khả năng trích xuất đặc trưng, từ đó đưa ra dự đoán chính xác hơn.
• Triển khai liền mạch trên nhiều nền tảng: Ultralytics YOLO11 được tối ưu hóa để chạy hiệu quả trên thiết bị edge, nền tảng cloud và GPU NVIDIA, đảm bảo khả năng thích ứng trong nhiều môi trường khác nhau.

Benchmark các model YOLO trên tập dữ liệu COCO#

Khi tìm hiểu các model khác nhau, không phải lúc nào cũng dễ so sánh chỉ dựa trên các tính năng. Đó là lúc benchmark phát huy tác dụng. Bằng cách chạy tất cả model trên cùng một tập dữ liệu, chúng ta có thể đo lường và so sánh hiệu năng một cách khách quan. Hãy cùng xem từng model hoạt động như thế nào trên tập dữ liệu 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 có bước tiến vượt bậc khi sử dụng ít hơn 22% tham số so với YOLOv8m, nhờ đó model nhẹ hơn và chạy nhanh hơn. Dù có kích thước nhỏ hơn, model vẫn đạt độ chính xác trung bình (mAP) cao hơn trên tập dữ liệu COCO. Chỉ số này đo lường khả năng phát hiện và định vị đối tượng của model; mAP càng cao thì dự đoán càng chính xác.

Hình 5. Benchmark YOLO11 và các model YOLO khác trên tập dữ liệu COCO.

Kiểm thử và so sánh các model YOLO trên video#

Hãy cùng tìm hiểu hiệu năng của các model này trong tình huống thực tế.

Để so sánh YOLOv8, YOLOv9, YOLOv10 và YOLO11, cả bốn model được chạy trên cùng một video giao thông, sử dụng ngưỡng tin cậy 0.3 (model chỉ hiển thị kết quả phát hiện khi độ tin cậy về việc nhận diện đúng đối tượng đạt ít nhất 30%) và kích thước hình ảnh 640 để đánh giá công bằng. Kết quả phát hiện và theo dõi đối tượng cho thấy những khác biệt chính về độ chính xác, tốc độ và độ chuẩn xác.

Ngay từ khung hình đầu tiên, YOLO11 đã phát hiện được các phương tiện lớn như xe tải mà YOLOv10 bỏ sót. YOLOv8 và YOLOv9 cho hiệu năng khá tốt nhưng kết quả thay đổi tùy theo điều kiện ánh sáng và kích thước đối tượng. Các phương tiện nhỏ ở xa vẫn là thách thức đối với tất cả model, 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 xử lý mỗi khung hình trong khoảng 10 đến 20 mili giây, đủ nhanh để xử lý tác vụ thời gian thực ở mức trên 50 FPS. Một mặt, Ultralytics YOLOv8 và YOLOv9 cho kết quả phát hiện ổn định và đáng tin cậy trong suốt video. Đáng chú ý, YOLOv10 được thiết kế để giảm độ trễ nên chạy nhanh hơn, nhưng đôi khi phát hiện không nhất quán 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. Dù không model nào đạt kết quả hoàn hảo ở mọi khung hình, phần so sánh song song cho thấy rõ YOLO11 có hiệu năng tổng thể tốt nhất.

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

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

Một yếu tố quan trọng khác là loại tác vụ thị giác máy tính bạn cần xử lý. Nếu cần tính linh hoạt cao hơn trên nhiều tác vụ, 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 đáng tin cậy nếu bạn mới làm quen với thị giác máy tính và coi trọng cộng đồng lớn hơn, nhiều hướng dẫn hơn cùng các tích hợp bên thứ ba phong phú.

Ngược lại, nếu bạn cần hiệu năng tiên tiến với độ chính xác và tốc độ cao hơn, Ultralytics YOLO11 là lựa chọn tốt hơn, dù cộng đồng nhỏ hơn và có ít tích hợp hơn do đây là phiên bản mới.

Điểm chính cần ghi nhớ#

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

Khi thị giác máy tính tiếp tục phát triển, các model này cung cấp giải pháp đáng tin cậy cho những thách thức 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 còn nhiều tiềm năng trong tương lai.

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