One-Stage Object Detectors

Bộ phát hiện đối tượng một giai đoạn là một nhóm các kiến trúc deep learning mạnh mẽ được thiết kế để thực hiện các tác vụ object detection với tốc độ và hiệu suất vượt trội. Không giống như các two-stage object detectors truyền thống, vốn chia quy trình phát hiện thành các bước riêng biệt cho việc đề xuất vùng và phân loại sau đó, các model một giai đoạn phân tích toàn bộ hình ảnh trong một lần truyền duy nhất. Bằng cách định hình việc phát hiện như một bài toán hồi quy trực tiếp, các mạng này dự đoán đồng thời tọa độ bounding box và xác suất lớp trực tiếp từ các pixel đầu vào. Cách tiếp cận tinh gọn này làm giảm đáng kể chi phí tính toán, biến bộ phát hiện một giai đoạn thành lựa chọn ưu tiên cho các ứng dụng yêu cầu real-time inference và triển khai trên các thiết bị edge AI có tài nguyên hạn chế.

Link to this sectionNguyên lý hoạt động cốt lõi#

Kiến trúc của một bộ phát hiện một giai đoạn thường tập trung xung quanh một convolutional neural network (CNN) đóng vai trò là backbone để feature extraction. Khi một hình ảnh đi qua mạng, model tạo ra một lưới các bản đồ đặc trưng (feature maps) giúp mã hóa thông tin không gian và ngữ nghĩa.

Các triển khai ban đầu, chẳng hạn như Single Shot MultiBox Detector (SSD), dựa vào các anchor boxes được định nghĩa trước ở nhiều tỷ lệ khác nhau để định vị đối tượng. Tuy nhiên, những tiến bộ hiện đại như Ultralytics YOLO11 và YOLO26 hiện đại nhất đã phần lớn chuyển dịch sang các thiết kế anchor-free. Các kiến trúc mới hơn này dự đoán trực tiếp tâm và kích thước đối tượng, loại bỏ nhu cầu tinh chỉnh siêu tham số phức tạp liên quan đến các anchor. Đầu ra cuối cùng bao gồm các vector tọa độ để định vị và một điểm số confidence thể hiện mức độ chắc chắn của model về đối tượng được phát hiện.

Link to this sectionSo sánh bộ phát hiện một giai đoạn và hai giai đoạn#

Việc phân biệt giữa hai danh mục chính này giúp ích cho việc chọn công cụ phù hợp cho một tác vụ cụ thể:

• One-Stage Object Detectors: Các model như dòng Ultralytics YOLO ưu tiên inference latency thấp. Chúng được tối ưu hóa cho tốc độ, khiến chúng trở nên lý tưởng cho các luồng video và ứng dụng di động. Các phiên bản gần đây đã thu hẹp đáng kể khoảng cách về độ chính xác, thường đạt hoặc vượt qua độ chính xác của các model chậm hơn trong khi vẫn duy trì hiệu suất thời gian thực.
• Two-Stage Object Detectors: Các kiến trúc như R-CNN family trước tiên tạo ra các đề xuất vùng và sau đó phân loại chúng. Mặc dù trong lịch sử mang lại độ chính xác cao hơn cho các đối tượng nhỏ hoặc bị che khuất, chúng phải chịu chi phí tính toán cao hơn và thường chậm hơn, hạn chế việc sử dụng trong các kịch bản nhạy cảm về thời gian.

Link to this sectionCác ứng dụng trong thực tế#

Hiệu suất của các bộ phát hiện một giai đoạn đã thúc đẩy sự áp dụng rộng rãi của chúng trên nhiều ngành công nghiệp khác nhau, nơi khả năng phản hồi tức thời là rất quan trọng:

• Autonomous Vehicles: Xe tự lái yêu cầu xử lý tức thời các nguồn cấp dữ liệu video để nhận diện người đi bộ, biển báo giao thông và các phương tiện khác. Những đơn vị dẫn đầu trong lĩnh vực này dựa vào các hệ thống thị giác tốc độ cao để điều hướng môi trường phức tạp một cách an toàn, thường kết hợp object tracking cùng với việc phát hiện.
• Smart Manufacturing: Trên các dây chuyền lắp ráp tốc độ cao, các model này thực hiện kiểm soát chất lượng tự động bằng cách phát hiện lỗi hoặc xác minh vị trí linh kiện trong thời gian thực. Điều này đảm bảo hiệu quả sản xuất mà không gặp nút thắt cổ chai, thường được tích hợp thông qua Ultralytics Platform để dễ dàng triển khai.
• Edge AI and IoT: Bản chất nhẹ giúp các bộ phát hiện một giai đoạn trở nên hoàn hảo cho các thiết bị IoT như Raspberry Pi hoặc NVIDIA Jetson, mang trí tuệ tiên tiến đến các camera từ xa và máy bay không người lái mà không cần kết nối đám mây liên tục.

Link to this sectionTriển khai kỹ thuật với Python#

Việc triển khai một bộ phát hiện một giai đoạn rất đơn giản khi sử dụng các API cấp cao hiện đại. Để đảm bảo kết quả chính xác, các model thường dự đoán nhiều hộp tiềm năng, sau đó được lọc bằng các kỹ thuật như Non-Maximum Suppression (NMS) dựa trên ngưỡng Intersection over Union (IoU), mặc dù các model end-to-end mới hơn như YOLO26 xử lý việc này một cách tự nhiên.

Ví dụ Python sau đây minh họa cách tải model YOLO26 hiện đại nhất và thực hiện suy luận trên một hình ảnh:

from ultralytics import YOLO

# Load the YOLO26 model, the latest natively end-to-end one-stage detector
model = YOLO("yolo26n.pt")

# Run inference on an image URL to detect objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the first result with bounding boxes and labels
results[0].show()

Link to this sectionƯu điểm của các kiến trúc một giai đoạn hiện đại#

Sự phát triển của các bộ phát hiện một giai đoạn đã tập trung vào việc vượt qua sự đánh đổi giữa "độ chính xác so với tốc độ". Các kỹ thuật như Focal Loss đã được giới thiệu để giải quyết tình trạng mất cân bằng lớp trong quá trình huấn luyện, đảm bảo rằng model tập trung vào các ví dụ khó phân loại thay vì nền nhiễu phong phú. Hơn nữa, việc tích hợp Feature Pyramid Networks (FPN) cho phép các model này phát hiện đối tượng ở các quy mô khác nhau một cách hiệu quả.

Ngày nay, các nhà nghiên cứu và lập trình viên có thể dễ dàng huấn luyện các kiến trúc tiên tiến này trên các tập dữ liệu tùy chỉnh bằng cách sử dụng các công cụ như Ultralytics Platform, vốn giúp đơn giản hóa quy trình từ data annotation đến triển khai model. Cho dù là cho agriculture hay healthcare, khả năng tiếp cận của các bộ phát hiện một giai đoạn đang dân chủ hóa các năng lực thị giác máy tính mạnh mẽ.