Cách Ultralytics YOLO26 training thông minh hơn với ProgLoss, STAL và MuSGD

Tuần trước, chúng tôi đã phát hành Ultralytics YOLO26, thiết lập một tiêu chuẩn mới cho các model thị giác máy tính thời gian thực, ưu tiên triển khai trên edge. Tương tự các model Ultralytics YOLO trước đây, chẳng hạn như Ultralytics YOLO11, YOLO26 hỗ trợ các tác vụ thị giác máy tính cốt lõi mà người dùng đã quen thuộc, bao gồm phát hiện đối tượng, phân đoạn instance và ước lượng pose.

Hình 1. Ví dụ về việc sử dụng Ultralytics YOLO26 để phân đoạn các đối tượng trong một hình ảnh.

Tuy nhiên, Ultralytics YOLO26 không chỉ là một bản cập nhật tăng dần. Mặc dù các tác vụ được hỗ trợ có thể trông quen thuộc, model mới này thể hiện một bước tiến đổi mới trong cách các model thị giác máy tính được huấn luyện. Với YOLO26, trọng tâm không chỉ nằm ở hiệu quả suy luận mà còn ở việc làm cho quá trình huấn luyện ổn định hơn.

Ultralytics YOLO26 được thiết kế với toàn bộ vòng đời huấn luyện trong tâm trí. Điều này có nghĩa là hội tụ nhanh hơn, các lần chạy huấn luyện đáng tin cậy hơn và hành vi model nhất quán hơn. Những cải tiến này đặc biệt quan trọng trong các workflow thực tế, nơi độ tin cậy của quá trình huấn luyện ảnh hưởng trực tiếp đến tốc độ lặp lại và triển khai model.

Để thực hiện điều này, Ultralytics YOLO26 giới thiệu một số cải tiến huấn luyện có mục tiêu, chẳng hạn như Cân bằng hàm mất mát theo tiến trình (ProgLoss), Gán nhãn nhận biết mục tiêu nhỏ (STAL) và optimizer MuSGD. Kết hợp với nhau, các thay đổi này cải thiện cách cân bằng loss học, cách gán nhãn và cách quá trình tối ưu hóa diễn ra theo thời gian.

Trong bài viết này, chúng ta sẽ tìm hiểu cách từng cơ chế này hoạt động và lý do chúng giúp Ultralytics YOLO26 dễ huấn luyện hơn cũng như đáng tin cậy hơn ở quy mô lớn. Hãy bắt đầu!

Ultralytics YOLO26: Được xây dựng để huấn luyện thông minh hơn, không chỉ chạy nhanh hơn#

Ultralytics YOLO26 tinh giản toàn bộ pipeline suy luận ngay trên model bằng cách loại bỏ sự phụ thuộc vào các bước hậu xử lý như Non-Maximum Suppression. Thay vì tạo ra nhiều dự đoán chồng lấn rồi lọc chúng sau đó, YOLO26 tạo ra các detection cuối cùng trực tiếp từ network.

Điều này biến YOLO26 thành một model end-to-end, trong đó dự đoán, xử lý bản sao và output cuối cùng đều được học ngay bên trong network. Cách này đơn giản hóa việc triển khai và cải thiện hiệu quả suy luận, đồng thời định hình cách model học trong quá trình huấn luyện.

Hình 2. YOLO26 mang lại suy luận end-to-end, không cần NMS với hiệu năng hiện đại (Nguồn)

Trong một hệ thống end-to-end như vậy, quá trình huấn luyện và suy luận liên kết chặt chẽ với nhau. Vì không có giai đoạn hậu xử lý bên ngoài để sửa các dự đoán về sau, model phải học cách đưa ra các quyết định rõ ràng và tự tin ngay trong quá trình huấn luyện.

Điều này khiến sự đồng bộ giữa mục tiêu huấn luyện và hành vi suy luận trở nên đặc biệt quan trọng. Bất kỳ sự không khớp nào giữa cách model được huấn luyện và cách nó được sử dụng trong thời gian suy luận đều có thể dẫn đến việc học không ổn định hoặc hội tụ chậm hơn.

Ultralytics YOLO26 giải quyết điều này bằng cách thiết kế quy trình huấn luyện xoay quanh việc sử dụng trong thực tế ngay từ đầu. Thay vì chỉ tập trung vào tốc độ suy luận, hệ thống huấn luyện được xây dựng để hỗ trợ việc học ổn định trong các phiên chạy dài, hội tụ nhất quán trên các kích thước model từ Nano đến Extra Large và hiệu năng mạnh mẽ trên nhiều dataset đa dạng.

Cách hai training head cải thiện quá trình học trong Ultralytics YOLO26#

Một trong những cải tiến huấn luyện then chốt của Ultralytics YOLO26 được xây dựng trên phương pháp huấn luyện hai head từng được sử dụng trong các model YOLO trước đây. Trong các model phát hiện đối tượng, head là phần của network chịu trách nhiệm đưa ra dự đoán.

Nói cách khác, các detection head học cách dự đoán vị trí của đối tượng trong hình ảnh và đối tượng đó là gì. Chúng thực hiện điều này bằng cách hồi quy các tọa độ bounding box, tức là học cách ước tính vị trí và kích thước của từng đối tượng trong hình ảnh đầu vào.

Trong quá trình huấn luyện, model học bằng cách tối thiểu hóa loss, một thước đo số học cho biết các dự đoán của model cách xa đáp án đúng hoặc ground truth đến mức nào. Loss thấp hơn có nghĩa là các dự đoán của model gần với ground truth hơn, trong khi loss cao hơn cho thấy sai số lớn hơn. Việc tính loss định hướng cách model cập nhật các parameter trong quá trình huấn luyện.

Ultralytics YOLO26 sử dụng hai detection head trong quá trình huấn luyện. Chúng chia sẻ cùng một model nền tảng nhưng phục vụ các mục đích khác nhau. Head one-to-one là head được sử dụng trong thời gian suy luận. Head này học cách liên kết mỗi đối tượng với một dự đoán duy nhất và tự tin, điều cần thiết cho thiết kế end-to-end, không cần NMS của YOLO26.

Trong khi đó, head one-to-many chỉ được sử dụng trong quá trình huấn luyện. Head này cho phép nhiều dự đoán được liên kết với cùng một đối tượng, cung cấp supervision dày đặc hơn. Tín hiệu học phong phú hơn này giúp ổn định quá trình huấn luyện và cải thiện độ chính xác, đặc biệt trong các giai đoạn đầu.

Trong Ultralytics YOLO26, cả hai head đều sử dụng cùng một phép tính loss cho hồi quy box và classification. Các triển khai trước đây áp dụng một mức cân bằng cố định giữa hai tín hiệu loss này trong suốt quá trình huấn luyện.

Tuy nhiên, trên thực tế, tầm quan trọng của mỗi head thay đổi theo thời gian. Supervision dày đặc hữu ích nhất trong giai đoạn đầu, trong khi sự đồng bộ với hành vi suy luận trở nên quan trọng hơn ở giai đoạn sau của quá trình huấn luyện. Ultralytics YOLO26 được thiết kế dựa trên nhận định này, từ đó trực tiếp dẫn đến cách model tái cân bằng các tín hiệu học khi quá trình huấn luyện tiến triển.

Ultralytics YOLO26 sử dụng Cân bằng hàm mất mát theo tiến trình#

Vậy Ultralytics YOLO26 xử lý những nhu cầu học tập thay đổi này trong quá trình huấn luyện như thế nào? Model sử dụng Cân bằng hàm mất mát theo tiến trình để điều chỉnh trọng số của các tín hiệu học theo thời gian.

ProgLoss hoạt động bằng cách linh hoạt thay đổi mức độ đóng góp của mỗi head vào tổng loss khi quá trình huấn luyện tiến triển. Ở giai đoạn đầu, head one-to-many được đặt trọng số cao hơn để ổn định quá trình học và cải thiện recall. Khi quá trình huấn luyện tiếp tục, sự cân bằng dần chuyển sang head one-to-one, giúp việc huấn luyện phù hợp hơn với hành vi suy luận.

Quá trình chuyển đổi dần dần này cho phép Ultralytics YOLO26 học theo đúng thứ tự. Thay vì buộc model tối ưu các mục tiêu cạnh tranh cùng lúc, Cân bằng hàm mất mát theo tiến trình ưu tiên tín hiệu học hữu ích nhất ở từng giai đoạn huấn luyện. Kết quả là hội tụ mượt mà hơn, ít lần chạy huấn luyện không ổn định hơn và hiệu năng cuối nhất quán hơn.

STAL giúp Ultralytics YOLO26 học từ các đối tượng rất nhỏ như thế nào#

Một cải tiến huấn luyện thú vị khác trong Ultralytics YOLO26 đến từ cách model gán các target huấn luyện cho dự đoán, một quy trình được gọi là gán nhãn. Quy trình này chịu trách nhiệm khớp các đối tượng ground truth với các dự đoán ứng viên, thường được gọi là anchor.

Các phép khớp này xác định dự đoán nào nhận được supervision và đóng góp vào loss. Ultralytics YOLO26 kế thừa một phương pháp gán nhãn hiện có được gọi là Học căn chỉnh tác vụ (TAL), vốn được thiết kế để căn chỉnh tốt hơn classification và localization trong quá trình huấn luyện.

Mặc dù TAL hoạt động tốt với hầu hết đối tượng, quá trình huấn luyện đã cho thấy một hạn chế quan trọng. Trong quá trình khớp, các đối tượng rất nhỏ có thể bị loại bỏ hoàn toàn. Trên thực tế, các đối tượng nhỏ hơn khoảng 8 pixel trong hình ảnh đầu vào 640 pixel thường không nhận được bất kỳ assignment anchor nào. Khi điều này xảy ra, model nhận được rất ít hoặc không nhận được supervision cho các đối tượng đó, khiến việc học cách phát hiện chúng một cách đáng tin cậy trở nên khó khăn.

Để giải quyết vấn đề này, Ultralytics YOLO26 giới thiệu Gán nhãn nhận biết mục tiêu nhỏ (STAL). STAL điều chỉnh quy trình gán nhãn để đảm bảo các đối tượng nhỏ không bị bỏ qua trong quá trình huấn luyện. Cụ thể, phương pháp này áp dụng tối thiểu bốn assignment anchor cho các đối tượng nhỏ hơn 8 pixel. Điều này đảm bảo rằng ngay cả các đối tượng cực nhỏ cũng đóng góp nhất quán vào loss huấn luyện.

Bằng cách tăng cường supervision cho các mục tiêu nhỏ, STAL cải thiện độ ổn định của quá trình học và hiệu năng phát hiện trong các tình huống thường có đối tượng nhỏ hoặc ở xa. Cải tiến này đặc biệt quan trọng đối với các ứng dụng YOLO26 ưu tiên edge, chẳng hạn như hình ảnh trên không, robotics và các hệ thống Internet of Things (IoT), nơi đối tượng thường nhỏ, ở xa hoặc chỉ hiển thị một phần và khả năng phát hiện đáng tin cậy là yếu tố then chốt.

Ultralytics YOLO26 giới thiệu optimizer MuSGD#

Để hỗ trợ quá trình huấn luyện ổn định và dễ dự đoán hơn, Ultralytics YOLO26 cũng giới thiệu một optimizer mới có tên MuSGD. Optimizer này được thiết kế để cải thiện khả năng hội tụ và độ tin cậy của quá trình huấn luyện trong các model phát hiện end-to-end, đặc biệt khi kích thước model và độ phức tạp của quá trình huấn luyện tăng lên.

Để một neural network có thể học và từ đó thay đổi các weight tương ứng trong quá trình huấn luyện, chúng ta tính toán một sai số (còn gọi là "loss"). Do đó, model đo mức độ sai của các dự đoán bằng một giá trị loss, tính các gradient cho biết parameter nên thay đổi như thế nào, rồi cập nhật các parameter đó để giảm sai số. Stochastic Gradient Descent (SGD) là một optimizer được sử dụng rộng rãi để thực hiện các cập nhật này, giúp quá trình huấn luyện hiệu quả và có khả năng mở rộng.

Hình 3. Stochastic gradient descent so với gradient descent (Nguồn)

MuSGD xây dựng trên nền tảng quen thuộc này bằng cách tích hợp các ý tưởng tối ưu hóa lấy cảm hứng từ Muon, một phương pháp được sử dụng trong huấn luyện các model ngôn ngữ lớn. Những ý tưởng này chịu ảnh hưởng từ các tiến bộ gần đây như Kimi K2 của Moonshot AI, vốn cho thấy hành vi huấn luyện được cải thiện thông qua các cập nhật parameter có cấu trúc hơn.

Ultralytics YOLO26 sử dụng chiến lược cập nhật hybrid. Một số parameter được cập nhật bằng cách kết hợp các cập nhật lấy cảm hứng từ Muon với SGD, trong khi các parameter khác chỉ sử dụng SGD. Điều này giúp YOLO26 đưa thêm cấu trúc vào quy trình tối ưu hóa mà vẫn duy trì tính mạnh mẽ và khả năng khái quát hóa vốn giúp SGD đạt hiệu quả.

Kết quả là quá trình tối ưu hóa mượt mà hơn, hội tụ nhanh hơn và hành vi huấn luyện dễ dự đoán hơn trên nhiều kích thước model, khiến MuSGD trở thành một phần quan trọng giúp Ultralytics YOLO26 dễ huấn luyện hơn và đáng tin cậy hơn ở quy mô lớn.

Ý nghĩa của các cải tiến huấn luyện trong Ultralytics YOLO26#

Các cải tiến huấn luyện của Ultralytics YOLO26, kết hợp với những tính năng then chốt như thiết kế end-to-end, không cần NMS và ưu tiên edge, giúp model dễ huấn luyện hơn và đáng tin cậy hơn ở quy mô lớn. Có thể bạn đang tự hỏi điều đó thực sự có ý nghĩa gì đối với các ứng dụng thị giác máy tính.

Hình 4. Tổng quan về các tính năng then chốt của YOLO26 (Nguồn)

Khi được áp dụng thực tế, model giúp việc đưa thị giác máy tính đến nơi nó thực sự vận hành trở nên dễ dàng hơn nhiều. Các model được huấn luyện dễ dự đoán hơn, mở rộng nhất quán hơn trên nhiều kích thước và dễ điều chỉnh hơn cho các dataset mới. Điều này làm giảm trở ngại giữa thử nghiệm và triển khai, đặc biệt trong những môi trường mà độ tin cậy và hiệu quả quan trọng không kém hiệu năng thô.

Chẳng hạn, trong các ứng dụng robotics và thị giác công nghiệp, model thường cần được huấn luyện lại thường xuyên khi môi trường, sensor hoặc tác vụ thay đổi. Với Ultralytics YOLO26, các team có thể lặp lại nhanh hơn mà không phải lo lắng về những lần chạy huấn luyện không ổn định hoặc hành vi không nhất quán giữa các kích thước model.

Những điểm chính#

Các hệ thống thị giác máy tính đáng tin cậy phụ thuộc nhiều vào cách model được huấn luyện cũng như cách chúng hoạt động trong thời gian suy luận. Bằng cách cải thiện cách cân bằng các tín hiệu học, cách xử lý các đối tượng nhỏ và cách quá trình tối ưu hóa diễn ra, Ultralytics YOLO26 giúp quá trình huấn luyện ổn định hơn và dễ mở rộng hơn. Trọng tâm vào việc huấn luyện đáng tin cậy này giúp các team chuyển từ thử nghiệm sang triển khai thực tế thuận lợi hơn, đặc biệt trong các ứng dụng ưu tiên edge.

Muốn tìm hiểu về AI? Hãy truy cập repository GitHub của chúng tôi để khám phá thêm. Tham gia cộng đồng năng động của chúng tôi và tìm hiểu về các đổi mới trong những lĩnh vực như AI trong logistics và AI thị giác trong ngành ô tô. Để bắt đầu với thị giác máy tính ngay hôm nay, hãy xem các tùy chọn cấp phép của chúng tôi.