Chuyện gì đang xảy ra?
YOLO chia ảnh thành lưới và dự đoán box/lớp trực tiếp trong một lần forward. Các thế hệ mới bỏ anchor thủ công, dùng decoupled head và hàm loss tốt hơn, nên vừa nhanh vừa chính xác. YOLOv10 còn có biến thể NMS-free để giảm độ trễ hậu xử lý.
Với biển số nhỏ, độ phân giải và augmentation quan trọng hơn việc chọn phiên bản. Cần kiểm tra recall ở ngưỡng vận hành, không chỉ mAP trung bình. Box rung hoặc bỏ sót làm tracker đổi ID và ego-motion bị nhiễu.
YOLO vẫn chỉ là detector. Muốn kết luận xe đỗ/chạy, phải tracking và bù chuyển động camera. Đừng dùng confidence cao làm bằng chứng xe đứng yên.
Thuật toán không “hiểu” ảnh. Nó chỉ tìm một cách biến đổi có thể kiểm tra được.
Viết lại bằng toán.
Không cần thuộc lòng. Hãy đọc công thức như một câu mô tả: đại lượng nào được cộng, cái gì bị chuẩn hoá, và điều kiện nào khiến nó thất bại.
CIoU loss
- ρ: khoảng cách tâm
- c: đường chéo box bao
- v: nhất quán tỉ lệ
CIoU phạt cả vị trí, kích thước và tỉ lệ khung.
Assignment
- A: tập dự đoán được gán
- GT: ground truth
- Task-aligned assignment ở YOLO mới
Cách gán tốt giúp train ổn định và giảm box trùng.
Luồng xử lý bằng lời.
-
01
Chọn model
YOLOv8/v10/v11, kích thước n/s/m/l; cân nhắc latency thiết bị.
-
02
Chuẩn bị dữ liệu
Box xe/biển số, augmentation ánh sáng/góc nhìn, kiểm tra nhãn nhỏ.
-
03
Huấn luyện
Fine-tune pretrained, theo dõi mAP và recall theo kích thước.
-
04
Export
ONNX/TensorRT/OpenVINO; kiểm tra NMS và precision sau quantize.
-
05
Đánh giá
Đo precision/recall từng cảnh, box rác, ảnh hưởng tracker.
Núm vặn và cạm bẫy.
| Tham số | Ý nghĩa | Khoảng |
|---|---|---|
model | Phiên bản và kích thước YOLO. | n / s / m / l / x |
imgsz | Kích thước ảnh đầu vào. | 416…1280 |
conf | Ngưỡng confidence. | 0.2…0.6 |
iou | Ngưỡng NMS (nếu dùng). | 0.4…0.7 |
max_det | Số box tối đa mỗi ảnh. | 100…300 |
! Cạm bẫy thường gặp
- Resize quá mạnh làm mất biển số nhỏ; tăng imgsz hoặc crop vùng.
- NMS có thể gộp hai biển gần nhau; kiểm tra theo cảnh.
- Quantization làm giảm recall vật thể nhỏ; đo lại sau export.
- Chia train/test theo frame gây rò rỉ; chia theo video/camera.
- Detector không quyết định đỗ/chạy; cần tracking + ego-motion.
Mã nguồn tối giản, không phải giả mã.
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
results = model(
"frame.jpg",
imgsz=960,
conf=0.3,
iou=0.5,
verbose=False,
)
boxes = results[0].boxes.xyxy.cpu().numpy()
scores = results[0].boxes.conf.cpu().numpy()
Điều chỉnh tham số.
Chọn ảnh mẫu hoặc tải ảnh của bạn lên, chỉnh tham số, rồi chạy. Kết quả, các bước trung gian và nhật ký được cập nhật ngay tại đây.
$ bài thử chưa chạy $ chọn ảnh và bấm “Chạy thử”
Dùng nó ở đâu?
Phát hiện xe/biển số cho tracker và OCR.
Đếm phương tiện, kiểm tra vùng zone, phân tích giao thông.
Baseline nhanh trước khi thử RT-DETR/DETR.