So sánh Ultralytics YOLO11 với các model YOLO trước đây

Từ việc tự động hóa các tác vụ hàng 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 computer vision, hay còn gọi là vision AI. Lĩnh vực này tập trung vào việc cho phép máy móc phân tích và diễn giải dữ liệu hình ảnh giống như con người.

Cụ thể, các computer vision models đang thúc đẩy những đổi mới giúp nâng cao cả mức độ an toàn và hiệu suất. 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 cơ sở liên tục 24/7.

Một số computer vision model nổi tiếng nhất chính 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 đều mang lại hiệu suất tốt hơn và linh hoạt hơn.

Các phiên bản mới hơn như Ultralytics YOLO11 có thể xử lý đa dạng các tác vụ như phân đoạn thực thể (instance segmentation), phân loại hình ảnh (image classification), ước tính tư thế (pose estimation) và theo dõi đa đối tượng (multi-object tracking) 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 về quá trình phát triển của các model này. Chúng ta sẽ phân tích các tính năng chính, kết quả benchmark và sự khác biệt về hiệu suất. Hãy cùng bắt đầu!

Link to this sectionTổng quan về Ultralytics YOLOv8#

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

Vượt xa khả năng object detection, model này còn hỗ trợ các tác vụ computer vision sau: instance segmentation, pose estimation, phát hiện đối tượng với oriented bounding boxes (OBB) và image classification. Một tính năng quan trọng khác của YOLOv8 là nó có sẵn năm biến thể model khác nhau - Nano, Small, Medium, Large và X - giúp bạn lựa chọn sự cân bằng phù hợp giữa tốc độ và độ chính xác tùy theo nhu cầu.

Nhờ tính linh hoạt và hiệu suất mạnh mẽ, YOLOv8 có thể được ứng dụng trong nhiều lĩnh vực thực tế như hệ thống an ninh, đô thị thông minh, y tế và tự động hóa công nghiệp.

Fig 1. Quản lý bãi đỗ xe trong đô thị thông minh với YOLOv8.

Link to this sectionCác tính năng chính của YOLOv8#

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

• Enhanced detection architecture: YOLOv8 sử dụng backbone CSPDarknet cải tiến. Backbone này được tối ưu hóa cho việc trích xuất đặc trưng (feature extraction) - quá trình xác định và nắm bắt các mẫu hoặc chi tiết quan trọng từ hình ảnh đầu vào để giúp model đưa ra dự đoán chính xác.
• Detection head: Model sử dụng thiết kế anchor-free và decoupled. Điều này nghĩa là model không phụ thuộc vào các hình dạng bounding box thiết lập sẵn (anchors) mà thay vào đó học cách dự đoán trực tiếp vị trí đối tượng. Nhờ thiết kế decoupled, các tác vụ phân loại đối tượng và dự đoán vị trí (hồi quy) được xử lý riêng biệt, giúp cải thiện độ chính xác và tăng tốc độ huấn luyện.
• Cân bằng giữa độ chính xác và tốc độ: Model này đạt được độ chính xác ấn tượng trong khi vẫn duy trì thời gian suy luận (inference) nhanh, giúp nó phù hợp cho cả môi trường cloud và edge.
• Dễ sử dụng: YOLOv8 được thiết kế để dễ dàng bắt đầu - bạn có thể tiến hành dự đoán và thấy kết quả chỉ trong vài phút bằng cách sử dụng Ultralytics Python package.

Link to this sectionYOLOv9 tập trung vào hiệu suất tính toán#

YOLOv9 được ra mắt vào ngày 21 tháng 2 năm 2024 bởi Chien-Yao Wang và Hong-Yuan Mark Liao từ Viện Thông tin Khoa học, Academia Sinica, Đài Loan. Model này hỗ trợ các tác vụ như object detection và instance segmentation.

Model này phát triển dựa trên Ultralytics YOLOv5 và giới thiệu hai cải tiến lớn: Programmable Gradient Information (PGI) và Generalized Efficient Layer Aggregation Network (GELAN).

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

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

Link to this sectionCác tính năng chính của YOLOv9#

Dưới đây là cái nhìn thoáng qua về một số tính năng chính khác của YOLOv9:

• Độ chính xác cao cùng hiệu suất tốt: YOLOv9 mang lại độ chính xác phát hiện cao mà không tiêu tốn nhiều năng lượng tính toán, trở thành lựa chọn tuyệt vời khi tài nguyên bị hạn chế.
• Model gọn nhẹ: Các biến thể model gọn nhẹ của YOLOv9 được tối ưu hóa cho việc triển khai trên thiết bị edge và thiết bị di động.
• Dễ sử dụng: YOLOv9 được hỗ trợ bởi Ultralytics Python package, vì vậy việc thiết lập và chạy trong các môi trường khác nhau rất đơn giản, bất kể bạn sử dụng code hay command line.

Link to this sectionYOLOv10 cho phép phát hiện đối tượng mà không cần NMS#

YOLOv10 được giới thiệu vào ngày 23 tháng 5 năm 2024 bởi các nhà nghiên cứu từ Đại học Thanh Hoa và tập trung vào phát hiện đối tượng thời gian thực. Model này giải quyết các hạn chế ở các phiên bản YOLO trước bằng cách loại bỏ nhu cầu sử dụng non-maximum suppression (NMS), một bước hậu xử lý dùng để loại bỏ các phát hiện trùng lặp, đồng thời tinh chỉnh thiết kế model tổng thể. Điều này giúp phát hiện đối tượng nhanh và hiệu quả hơn mà vẫn đạt được độ chính xác ở mức state-of-the-art.

Một phần quan trọng giúp thực hiện được điều này là cách tiếp cận huấn luyện được gọi là consistent dual-label assignments. Nó kết hợp hai chiến lược: một chiến lược cho phép nhiều dự đoán học từ cùng một đối tượng (one-to-many) và chiến lược khác tập trung vào việc chọn dự đoán đơn lẻ tốt nhất (one-to-one). Vì cả hai chiến lược đều tuân theo cùng một quy tắc khớp, model tự học cách tránh trùng lặp, do đó không cần đến NMS.

Fig 3. YOLOv10 sử dụng consistent dual-label assignments để huấn luyện không cần NMS.

Kiến trúc của YOLOv10 cũng sử dụng backbone CSPNet cải tiến để học các đặc trưng hiệu quả hơn và neck PAN (Path Aggregation Network) kết hợp thông tin từ các lớp khác nhau, giúp model phát hiện cả đối tượng nhỏ và lớn tốt hơn. Những cải tiến này giúp YOLOv10 có thể được ứng dụng trong thực tế tại các lĩnh vực sản xuất, bán lẻ và xe tự lái.

Link to this sectionCác tính năng chính của YOLOv10#

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

• Large-kernel convolutions: Model sử dụng các convolution kernel lớn để nắm bắt nhiều bối cảnh hơn từ các vùng rộng hơn của hình ảnh, giúp model hiểu rõ hơn về toàn bộ khung cảnh.

• Partial self-attention modules: Model tích hợp các mô-đun self-attention từng phần để tập trung vào các phần quan trọng nhất của hình ảnh mà không tiêu tốn quá nhiều sức mạnh tính toán, giúp tăng hiệu suất 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 gọi là YOLOv10b (Balanced). Đây là model rộng hơn, nghĩa là nó xử lý nhiều đặc trưng hơn ở mỗi lớp, giúp cải thiện độ chính xác trong khi vẫn cân bằng được tốc độ và kích thước.

• Dễ sử dụng: YOLOv10 tương thích với Ultralytics Python package, giúp việc sử dụng trở nên dễ dàng.

Link to this sectionUltralytics 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 thuộc series YOLO - tại sự kiện hybrid thường niên của hãng, YOLO Vision 2024 (YV24).

Phiên bản này giới thiệu những cải tiến đáng kể so với các phiên bản trước. YOLO11 nhanh hơn, chính xác hơn và đạt hiệu suất cao. Nó hỗ trợ toàn bộ các computer vision tasks mà người dùng YOLOv8 đã quen thuộc, bao gồm object detection, instance segmentation và image classification. Nó cũng duy trì khả năng tương thích với các quy trình làm việc (workflow) của YOLOv8, giúp người dùng chuyển đổi sang phiên bản mới một cách mượt mà.

Hơn thế nữa, YOLO11 được thiết kế để đáp ứng nhu cầu tính toán đa dạng - từ các thiết bị edge gọn nhẹ đến các hệ thống cloud mạnh mẽ. Model này có sẵn dưới dạng mã nguồn mở và phiên bản enterprise, giúp nó có khả năng thích ứng với nhiều trường hợp sử dụng khác nhau.

Đây là lựa chọn tuyệt vời cho các tác vụ yêu cầu độ chính xác cao như chẩn đoán hình ảnh y tế và phát hiện từ vệ tinh, cũng như các ứng dụng rộng rãi hơn trong lĩnh vực xe tự lái, nông nghiệp và y tế.

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

Link to this sectionCác tính năng chính của YOLO11#

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

• Phát hiện nhanh và hiệu quả: YOLO11 có phần detection head được thiết kế để giảm thiểu độ trễ, tập trung vào tốc độ trong các lớp dự đoán cuối cùng mà không ảnh hưởng đến hiệu suất.
• Trích xuất đặc trưng cải tiến: Kiến trúc backbone và neck được tối ưu hóa giúp tăng cường khả năng trích xuất đặc trưng, dẫn đến các dự đoán chính xác hơn.
• Triển khai mượt mà trên nhiều nền tảng: YOLO11 được tối ưu hóa để chạy hiệu quả trên các thiết bị edge, nền tảng cloud và GPU của NVIDIA, đảm bảo khả năng thích ứng trong các môi trường khác nhau.

Link to this sectionBenchmarking các model YOLO trên dataset COCO#

Khi khám phá các model khác nhau, không phải lúc nào cũng dễ dàng để so sánh chúng chỉ bằng cách xem xét các tính năng. Đó là lý do tại sao cần thực hiện benchmarking. Bằng cách chạy tất cả các model trên cùng một dataset, chúng ta có thể đo lường và so sánh khách quan hiệu suất của chúng. Hãy cùng xem hiệu suất của mỗi model trên COCO dataset.

Khi so sánh các model YOLO, mỗi phiên bản mới đều mang lại những cải tiến đáng chú ý về độ chính xác, tốc độ và tính linh hoạt. Cụ thể, YOLO11m tạo ra bước nhảy vọt ở đây vì nó sử dụng ít tham số hơn 22% so với YOLOv8m, nghĩa là nó nhẹ hơn và chạy nhanh hơn. Ngoài ra, mặc dù có kích thước nhỏ hơn, nó đạt được chỉ số mean average precision (mAP) cao hơn trên dataset COCO. Chỉ số này đo lường mức độ hiệu quả của model trong việc phát hiện và định vị đối tượng, vì vậy mAP cao hơn đồng nghĩa với dự đoán chính xác hơn.

Fig 5. Benchmarking YOLO11 và các model YOLO khác trên dataset COCO.

Link to this sectionKiểm thử và so sánh các model YOLO trên video#

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

Để so sánh YOLOv8, YOLOv9, YOLOv10 và YOLO11, cả bốn model đều được chạy trên cùng một video giao thông, sử dụng confidence score là 0.3 (model chỉ hiển thị kết quả phát hiện khi tự tin ít nhất 30% rằng nó đã xác định đúng đối tượng) và kích thước hình ảnh là 640 để đánh giá công bằng. Kết quả phát hiện và theo dõi đối tượng đã làm nổi bật những khác biệt chính về độ chính xác, tốc độ và độ chuẩn xác khi phát hiện.

Từ khung hình đầu tiên, YOLO11 đã bắt được các loại xe lớn như xe tải mà YOLOv10 đã bỏ lỡ. YOLOv8 và YOLOv9 cho thấy hiệu suất khá tốt nhưng có sự thay đổi tùy thuộc vào điều kiện ánh sáng và kích thước đối tượng. Các phương tiện nhỏ hơn, ở xa vẫn là một thách thức đối với tất cả các model, mặc dù YOLO11 đã cho thấy những cải tiến đáng chú ý trong các phát hiện đó.

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

Về tốc độ, tất cả các model đều hoạt động trong khoảng từ 10 đến 20 mili giây mỗi khung hình, đủ nhanh để xử lý các tác vụ thời gian thực với hơn 50 FPS. Một mặt, YOLOv8 và YOLOv9 cung cấp các phát hiện ổn định và đáng tin cậy trong suốt video. Thật thú vị, YOLOv10, được thiết kế để có độ trễ thấp hơn, chạy nhanh hơn nhưng cho thấy một số điểm không nhất quán trong việc phát hiện các loại đối tượng nhất định.

Mặt khác, YOLO11 nổi bật nhờ độ chuẩn xác, mang lại sự cân bằng mạnh mẽ giữa tốc độ và accuracy. Mặc dù không có model nào hoạt động hoàn hảo trong mọi khung hình, nhưng so sánh trực tiếp đã chứng minh rõ ràng rằng YOLO11 mang lại hiệu suất tổng thể tốt nhất.

Link to this sectionModel YOLO nào là tốt nhất cho các tác vụ computer vision?#

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

Một yếu tố quan trọng khác là loại tác vụ computer vision mà bạn cần giải quyết. Nếu bạn đang tìm kiếm sự linh hoạt rộng rãi hơn giữa các tác vụ khác nhau, YOLOv8 và YOLO11 là những lựa chọn tốt.

Việc bạn chọn YOLOv8 hay YOLO11 thực sự phụ thuộc vào nhu cầu của bạn. YOLOv8 là một lựa chọn vững chắc nếu bạn mới bắt đầu với computer vision và coi trọng một cộng đồng lớn hơn, nhiều tài liệu hướng dẫn hơn và các third-party integrations phong phú.

Mặt khác, nếu bạn đang tìm kiếm hiệu suất tiên tiến với độ chính xác và tốc độ tốt hơn, YOLO11 là lựa chọn tốt hơn, mặc dù nó có cộng đồng nhỏ hơn và ít tích hợp hơn do là một bản phát hành mới hơn.

Link to this sectionCác điểm chính cần lưu ý#

Từ Ultralytics YOLOv8 đến Ultralytics YOLO11, quá trình phát triển của series model YOLO phản ánh một sự thúc đẩy nhất quán hướng tới các computer vision model thông minh hơn. Mỗi phiên bản YOLO đều mang đến những nâng cấp ý nghĩa về tốc độ, độ chính xác và độ chuẩn xác.

Khi computer vision tiếp tục phát triển, các model này mang đến những giải pháp đáng tin cậy cho các thách thức thực tế, từ phát hiện đối tượng đến các hệ thống tự hành. Sự phát triển không ngừng của các model YOLO cho thấy lĩnh vực này đã tiến xa như thế nào và chúng ta có thể mong đợi nhiều hơn nữa trong tương lai.

Để tìm hiểu thêm về AI, hãy truy cập GitHub repository của chúng tôi và tham gia cùng cộng đồng của chúng tôi. Khám phá những tiến bộ trên khắp các ngành công nghiệp, từ vision AI trong sản xuất đến computer vision trong y tế. Kiểm tra các lựa chọn cấp phép của chúng tôi để bắt đầu các dự án vision AI của bạn ngay hôm nay.