Lý do Ultralytics YOLO26 loại bỏ NMS và tác động đến việc triển khai

Ngày 14 tháng 1 năm 2026, chúng tôi ra mắt Ultralytics YOLO26, thế hệ model thị giác máy tính mới nhất của chúng tôi. Với YOLO26, mục tiêu của chúng tôi không chỉ là cải thiện độ chính xác hay tốc độ, mà còn là suy nghĩ lại cách xây dựng và triển khai các model phát hiện đối tượng trong hệ thống thực tế.

Khi thị giác máy tính chuyển từ nghiên cứu sang production, các model ngày càng được kỳ vọng chạy trên CPU, thiết bị edge, camera, robot và phần cứng nhúng. Trong những môi trường này, độ tin cậy, độ trễ thấp và khả năng triển khai dễ dàng cũng quan trọng như hiệu năng.

Ultralytics YOLO26 được thiết kế hướng đến thực tế này, với kiến trúc đầu cuối tinh gọn giúp loại bỏ độ phức tạp không cần thiết khỏi pipeline suy luận. Một trong những cải tiến quan trọng nhất của YOLO26 là tùy chọn loại bỏ Non-Maximum Suppression, thường được gọi là NMS.

Trong nhiều năm, NMS là một phần tiêu chuẩn của các hệ thống phát hiện đối tượng, được dùng như bước hậu xử lý để loại bỏ các detection trùng lặp. Dù hiệu quả, NMS cũng làm tăng chi phí tính toán và gây ra thách thức khi triển khai, đặc biệt trên phần cứng edge.

Với YOLO26, chúng tôi chọn một hướng tiếp cận khác. Bằng cách tư duy lại cách tạo và huấn luyện các dự đoán, chúng tôi hỗ trợ inference thực sự end-to-end, không cần NMS. Model trực tiếp tạo ra các detection cuối cùng mà không cần dựa vào các bước xử lý phụ bên ngoài hay quy tắc được thiết kế thủ công. Điều này giúp YOLO26 nhanh hơn, dễ export hơn và đáng tin cậy hơn khi triển khai trên nhiều nền tảng phần cứng.

Hình 1. Phát hiện đối tượng trong ảnh bằng Ultralytics YOLO26.

Trong bài viết này, chúng ta sẽ tìm hiểu kỹ hơn lý do phát hiện đối tượng truyền thống cần NMS, cách NMS trở thành nút thắt cổ chai khi triển khai và cách Ultralytics YOLO26 loại bỏ nhu cầu dùng các giải pháp tạm thời.

Phát hiện đối tượng truyền thống tạo ra các detection trùng lặp#

Trước khi tìm hiểu NMS là gì và vì sao chúng tôi loại bỏ NMS trong Ultralytics YOLO26, hãy cùng nhìn lại cách các model phát hiện đối tượng truyền thống tạo ra dự đoán.

Các model phát hiện đối tượng truyền thống thường tạo ra nhiều bounding box chồng lấn cho cùng một đối tượng. Mỗi box có điểm độ tin cậy riêng, dù tất cả đều chỉ cùng một đối tượng trong ảnh.

Điều này xảy ra vì một số lý do. Thứ nhất, model đưa ra dự đoán tại nhiều vị trí không gian và ở các tỷ lệ khác nhau cùng lúc. Cách này giúp model phát hiện đối tượng ở nhiều kích thước, nhưng cũng đồng nghĩa các vị trí gần nhau có thể cùng nhận diện độc lập một đối tượng.

Thứ hai, nhiều hệ thống phát hiện đối tượng sử dụng phương pháp dựa trên anchor, tạo ra số lượng lớn box ứng viên quanh mỗi vị trí. Cách này tăng khả năng tìm thấy đối tượng chính xác, nhưng cũng làm tăng số lượng dự đoán chồng lấn.

Cuối cùng, bản thân phương pháp phát hiện dựa trên lưới cũng tự nhiên dẫn đến dư thừa. Khi một đối tượng nằm gần ranh giới của nhiều ô lưới, một số ô có thể cùng dự đoán box cho đối tượng đó, dẫn đến nhiều detection chồng lấn.

Vì vậy, đầu ra thô của model thường chứa nhiều box cho một đối tượng. Để có thể sử dụng kết quả, cần lọc các dự đoán dư thừa này để chỉ còn lại một detection cuối cùng.

Tìm hiểu về Non-Maximum Suppression#

Khi model phát hiện đối tượng tạo ra nhiều bounding box chồng lấn cho cùng một đối tượng, cần xử lý các kết quả đó trước khi sử dụng. Đây là lúc áp dụng Non-Maximum Suppression.

Non-Maximum Suppression là bước hậu xử lý được thực hiện sau khi model hoàn tất việc đưa ra dự đoán. Mục đích của bước này là giảm các detection trùng lặp để mỗi đối tượng chỉ được biểu diễn bằng một bounding box cuối cùng.

Hình 2. Tổng quan về NMS. Ảnh của tác giả.

Quy trình này so sánh các bounding box dựa trên điểm độ tin cậy và mức độ chồng lấn. Trước tiên, các dự đoán có độ tin cậy rất thấp sẽ bị loại bỏ.

Sau đó, các box còn lại được sắp xếp theo độ tin cậy và box có điểm cao nhất được chọn làm detection tốt nhất. Box được chọn này sẽ được so sánh với các box khác.

Nếu một box khác chồng lấn quá nhiều với box đó, box kia sẽ bị loại bỏ. Mức độ chồng lấn thường được đo bằng Intersection over Union, một metric tính tỷ lệ giữa diện tích giao nhau của hai box và tổng diện tích mà cả hai box bao phủ. Quy trình này lặp lại cho đến khi chỉ còn các detection có độ tin cậy cao nhất và không chồng lấn.

Vì sao NMS gây phức tạp cho việc triển khai#

Dù Non-Maximum Suppression giúp lọc các detection trùng lặp, phương pháp này cũng tạo ra những thách thức dễ nhận thấy hơn khi model chuyển từ nghiên cứu sang triển khai thực tế.

Một trong những vấn đề lớn nhất là hiệu năng. NMS chạy sau inference và cần so sánh các bounding box với nhau để quyết định box nào được giữ lại.

Quy trình này tiêu tốn nhiều tài nguyên tính toán và khó song song hóa hiệu quả. Trên thiết bị edge và các hệ thống dựa trên CPU, phần xử lý bổ sung này có thể làm tăng độ trễ đáng kể, khiến việc đáp ứng yêu cầu thời gian thực khó khăn hơn.

NMS cũng làm tăng độ phức tạp khi triển khai. Vì NMS không phải là một phần của chính model, cần triển khai riêng dưới dạng code hậu xử lý.

Các runtime và nền tảng khác nhau xử lý NMS theo những cách khác nhau, thường buộc phải duy trì các bản triển khai tùy chỉnh cho từng môi trường đích. Cách hoạt động phù hợp trong một cấu hình có thể hơi khác ở cấu hình khác, khiến việc triển khai kém ổn định và khó mở rộng hơn.

Tối ưu hóa phần cứng cũng là một thách thức. NMS không ánh xạ tốt lên các bộ tăng tốc AI chuyên dụng, vốn được thiết kế để thực thi hiệu quả các phép toán mạng nơ-ron. Vì vậy, ngay cả khi model chạy nhanh trên phần cứng đã tối ưu, NMS vẫn có thể trở thành nút thắt giới hạn hiệu năng tổng thể.

Ngoài các yếu tố này, NMS còn dựa vào những tham số được lựa chọn thủ công như ngưỡng độ tin cậy và ngưỡng chồng lấn. Các thiết lập này có thể ảnh hưởng đáng kể đến kết quả và thường cần được tinh chỉnh cho những dataset, ứng dụng hoặc phần cứng khác nhau. Điều này khiến hành vi của hệ thống kém dự đoán hơn trong production và làm tăng chi phí cấu hình.

Giải thích inference phát hiện đối tượng end-to-end#

Những hạn chế của Non-Maximum Suppression khiến chúng tôi phải tư duy lại cách các model phát hiện đối tượng nên hoạt động trong quá trình inference. Thay vì tạo ra nhiều dự đoán chồng lấn rồi xử lý chúng sau đó, chúng tôi đặt ra một câu hỏi căn bản hơn.

Điều gì sẽ xảy ra nếu model có thể trực tiếp tạo ra các detection cuối cùng? Đây là câu hỏi cốt lõi của inference phát hiện đối tượng end-to-end. Trong hệ thống end-to-end, model được huấn luyện để xử lý toàn bộ quy trình phát hiện từ đầu đến cuối mà không cần dựa vào các bước xử lý phụ bên ngoài.

Thay vì tạo nhiều box ứng viên rồi lọc sau inference, model tự học cách tạo ra một tập nhỏ các dự đoán có độ tin cậy cao, không chồng lấn. Các detection trùng lặp được xử lý bên trong mạng thay vì bị loại bỏ bằng hậu xử lý.

Các kiến trúc model mới hơn cho thấy cách tiếp cận này vừa khả thi vừa thiết thực. Với chiến lược huấn luyện phù hợp, model có thể học cách gán mỗi đối tượng với một dự đoán duy nhất thay vì nhiều dự đoán cạnh tranh, nhờ đó giảm dư thừa ngay từ nguồn.

Hình 3. Ví dụ phát hiện đối tượng bằng Ultralytics YOLO26.

Để phương pháp này hiệu quả, quá trình huấn luyện cũng cần thay đổi. Thay vì để nhiều dự đoán cạnh tranh cho cùng một đối tượng, model học cách đưa ra một quyết định rõ ràng, tạo ra ít detection hơn với độ tin cậy cao hơn.

Kết quả tổng thể là một pipeline inference đơn giản hơn. Vì các dự đoán trùng lặp đã được xử lý nội bộ, không cần Non-Maximum Suppression trong quá trình inference. Đầu ra của model đã là tập detection cuối cùng.

Thiết kế end-to-end này cũng giúp triển khai dễ dàng hơn. Không cần các bước hậu xử lý hay bản triển khai NMS riêng cho từng nền tảng, model được export hoàn toàn độc lập và hoạt động nhất quán trên các framework inference và phần cứng đích khác nhau.

Francesco Mattioli, Kỹ sư Đối tác trưởng của chúng tôi, Francesco Mattioli, giải thích: “Học end-to-end thực sự có nghĩa là model phải xử lý mọi thứ từ pixel đến dự đoán mà không cần các bước hậu xử lý được thiết kế thủ công, vốn phá vỡ tính khả vi và làm phức tạp việc triển khai.”

Cách Ultralytics YOLO26 loại bỏ NMS#

Ultralytics YOLO26 loại bỏ Non-Maximum Suppression bằng cách thay đổi cách model học và tạo detection, thay vì dựa vào hậu xử lý để xử lý chúng. Thay vì để nhiều dự đoán cạnh tranh cho cùng một đối tượng, YOLO26 được huấn luyện để học mối quan hệ một-một rõ ràng giữa đối tượng và đầu ra.

Điều này một phần nhờ vào head phát hiện một-một chuyên biệt, được huấn luyện song song với head một-nhiều truyền thống, giúp model tập trung tạo ra một dự đoán duy nhất với độ tin cậy cao cho mỗi đối tượng thay vì nhiều ứng viên chồng lấn. Mỗi đối tượng gắn với một dự đoán, qua đó tự nhiên giảm các kết quả phát hiện trùng lặp.

Hành vi này được củng cố thông qua các chiến lược ghép cặp nhất quán trong quá trình huấn luyện, khuyến khích model đưa ra một quyết định có độ tin cậy cao cho mỗi đối tượng thay vì tạo các dự đoán chồng lấn. Cuối cùng, model tạo ra ít dự đoán hơn, nhưng mỗi dự đoán đều là một detection cuối cùng.

Vì sao loại bỏ DFL giúp phát hiện không cần NMS trở nên khả thi#

Một cải tiến quan trọng khác giúp inference không cần NMS trong Ultralytics YOLO26 là loại bỏ Distribution Focal Loss, hay DFL. Trong các model YOLO trước đây, DFL được dùng để cải thiện hồi quy bounding box bằng cách dự đoán phân phối các vị trí box có thể có thay vì một giá trị duy nhất.

Dù phương pháp này cải thiện độ chính xác định vị, nó cũng làm tăng độ phức tạp của pipeline phát hiện. Độ phức tạp đó trở thành hạn chế khi chuyển sang inference end-to-end thực sự.

DFL bổ sung phép tính và các phạm vi hồi quy cố định, khiến model khó học cách gán đối tượng một-một rõ ràng hơn, đồng thời tăng sự phụ thuộc vào các bước hậu xử lý như Non-Maximum Suppression. Với Ultralytics YOLO26, chúng tôi loại bỏ DFL và thiết kế lại hồi quy bounding box theo hướng đơn giản, trực tiếp hơn.

Thay vì dựa vào đầu ra dựa trên phân phối, model học cách dự đoán tọa độ box chính xác theo hướng hỗ trợ ít detection hơn nhưng có độ tin cậy cao hơn. Thay đổi này giúp giảm các dự đoán chồng lấn ngay từ nguồn và đồng bộ hóa hồi quy bounding box với thiết kế end-to-end, không cần NMS của Ultralytics YOLO26.

Ultralytics YOLO26 không cần NMS và dễ triển khai#

Thiết kế không cần NMS biến Ultralytics YOLO26 thành một model end-to-end thực sự. Điều này tác động đáng kể đến việc export model.

Export là quá trình chuyển đổi model đã huấn luyện sang định dạng có thể chạy bên ngoài môi trường huấn luyện, chẳng hạn như ONNX, TensorRT, CoreML hoặc OpenVINO. Trong các pipeline truyền thống, quy trình này thường gặp trục trặc vì Non-Maximum Suppression không phải là một phần của chính model.

Bằng cách loại bỏ NMS, Ultralytics YOLO26 tránh hoàn toàn vấn đề này. Model đã export bao gồm mọi thứ cần thiết để tạo ra kết quả phát hiện cuối cùng. Trong các bản phát hành Ultralytics hiện tại, bạn chọn head một-một không dùng NMS này bằng nms=False khi dự đoán, xác thực hoặc export; trong khi head một-nhiều mặc định có NMS vẫn có sẵn để đạt độ chính xác nhỉnh hơn đôi chút; hướng dẫn phát hiện end-to-end giải thích cả hai tùy chọn.

Nhờ đó, model đã export hoàn toàn độc lập và dễ chuyển đổi hơn giữa các framework inference và phần cứng đích. Cùng một model hoạt động nhất quán dù được triển khai trên server, hệ thống chỉ dùng CPU, thiết bị nhúng hay bộ tăng tốc edge. Việc triển khai trở nên đơn giản hơn vì những gì bạn export chính là những gì bạn chạy.

Sự đơn giản này đặc biệt quan trọng với các ứng dụng edge. Ví dụ, YOLO26 có thể dễ dàng triển khai trên các thiết bị như drone cho những trường hợp sử dụng như giám sát cây trồng, kiểm tra đồng ruộng và phân tích sức khỏe cây trồng, nơi ngân sách tính toán và năng lượng hạn chế khiến các pipeline hậu xử lý phức tạp không khả thi. Vì model trực tiếp xuất ra các detection cuối cùng, model chạy đáng tin cậy trên phần cứng gọn nhẹ mà không cần bước xử lý bổ sung.

Hình 4. Ultralytics YOLO26 dễ dàng triển khai trên các thiết bị edge như drone.

Tóm lại, inference không cần NMS giúp giảm trở ngại khi export và triển khai, đồng thời tạo điều kiện xây dựng các hệ thống thị giác gọn gàng, đáng tin cậy hơn. NMS từng là giải pháp tình thế. Ultralytics YOLO26 không còn cần đến giải pháp tình thế nữa.

Điểm chính cần ghi nhớ#

Ultralytics YOLO26 có thể loại bỏ Non-Maximum Suppression bằng cách giải quyết vấn đề gốc gây ra các phát hiện trùng lặp, thay vì xử lý chúng sau khi phát hiện. Thiết kế đầu cuối cho phép model trực tiếp tạo ra kết quả phát hiện cuối cùng, giúp đơn giản hóa quá trình xuất và triển khai, đồng thời đảm bảo tính nhất quán cao hơn trên nhiều phần cứng khác nhau. NMS từng là giải pháp tình thế hữu ích cho các hệ thống trước đây, nhưng YOLO26 không còn cần đến NMS.

Tham gia cộng đồng của chúng tôi và xem kho GitHub để tìm hiểu thêm về AI. Khám phá các trang giải pháp về AI trong nông nghiệp và thị giác máy tính trong bán lẻ. Tìm hiểu các tùy chọn cấp phép và bắt đầu sử dụng AI thị giác ngay hôm nay!