Giới thiệu

Loạt mô hình YOLO đã trở nên nổi tiếng trong lĩnh vực thị giác máy tính những năm gần đây. Sự nổi tiếng của YOLO là do độ chính xác đáng kể của nó trong khi vẫn duy trì kích thước mô hình tương đối nhỏ. Các mô hình YOLO có thể được đào tạo trên một GPU duy nhất, giúp nhiều nhà phát triển có thể tiếp cận mô hình này. Những người thực hành học máy có thể triển khai nó với chi phí thấp trên phần cứng hoặc trên đám mây.

YOLO đã được cộng đồng thị giác máy tính phát triển không ngừng kể từ lần ra mắt đầu tiên vào năm 2015 bởi Joseph Redmond. Trong những ngày đầu (phiên bản 1-4), YOLO được duy trì bằng mã C trong một khung học sâu tùy chỉnh do Redmond viết có tên là Darknet. Phiên bản YOLOv5 sau khi được Ultralytics ra mắt đã nhanh chóng được sử dụng rộng rãi nhờ cấu trúc linh hoạt của nó. Trong hai năm qua, nhiều mô hình đã phân nhánh từ YOLOv5, bao gồm Scaled-YOLOv4, YOLOR và YOLOv7. Các mô hình khác đã xuất hiện trên khắp thế giới từ những phiên bản ban đầu của riêng chúng, chẳng hạn như YOLOX và YOLOv6. Đồng thời, mỗi mô hình YOLO đã mang đến các kỹ thuật mới để tiếp tục nâng cao độ chính xác và hiệu quả của mô hình.

YOLOv8 là mô hình YOLO tiên tiến nhất có thể được sử dụng cho các tác vụ phát hiện đối tượng và phân loại hình ảnh. YOLOv8 được phát triển bởi Ultralytics, cũng chính là nhóm đã tạo ra mô hình YOLOv5 đã đạt được những thành công nhất định trước đây. YOLOv8 bao gồm nhiều thay đổi và cải tiến về kiến ​​trúc và trải nghiệm người dùng so với YOLOv5.

YOLOv8 đang tiếp tục được phát triển một cách tích cực bởi vì Ultralytics đang lắng nghe phản hồi từ cộng đồng để phát triển thêm những tính năng mới.

Tại sao nên sử dụng YOLOv8?

Dưới đây là một vài lý do chính tại sao nên cân nhắc sử dụng YOLOv8 cho các dự án thị giác máy tính:

- YOLOv8 có độ chính xác cao hơn cả so với các mô hình trước đây (được đánh giá bằng COCO và Roboflow 100).

- YOLOv8 đi kèm với rất nhiều tính năng thuận tiện cho nhà phát triển, từ CLI dễ sử dụng đến gói Python được cấu trúc tốt.

- Có một cộng đồng lớn xung quanh YOLO và một cộng đồng đang phát triển xung quanh mô hình YOLOv8, nghĩa là có nhiều người trong giới thị giác máy tính có thể hỗ trợ khi cần hướng dẫn.

YOLOv8 đạt được độ chính xác cao trên COCO. Lấy ví dụ, phiên bản YOLOv8m chỉ là phiên bản kích cỡ trung bình nhưng cũng đạt được 50,2% mAP khi đánh giá trên COCO (so với YOLOv5m đạt 45,4% mAP). Khi được đánh giá trên Roboflow 100, YOLOv8 đạt điểm cao hơn đáng kể so với YOLOv5. Chi tiết tham khảo tại đây.

(Sưu tầm)
VIỆN IMC
Tòa nhà IMC Tower, Số 176 Trường Chinh, Phường Khương
Thượng, Quận Đống Đa, Thành phố Hà Nội, Việt Nam
Tel/Fax : (+84) 24 3566 6232 / 24 3566 6234
Email: info@imc.org.vn   Website: https://imc.org.vn