Ultralytics YOLO26
معاينة فقط ⚠️
🚧 لا تزال طرازات YOLO26 قيد التطوير ولم يتم إصدارها بعد. أرقام الأداء المعروضة هنا هي معاينات فقط.
ستصدر التنزيلات والإصدارات النهائية قريبًا - ابق على اطلاع دائم عبر YOLO Vision 2025.
نظرة عامة
Ultralytics YOLO26 هو أحدث تطور في سلسلة YOLO من أجهزة الكشف عن الأجسام في الوقت الحقيقي، تم تصميمه من الألف إلى الياء للأجهزة المتطورة ومنخفضة الطاقة. وهو يقدم تصميمًا مبسطًا يزيل التعقيدات غير الضرورية مع دمج الابتكارات المستهدفة لتقديم نشر أسرع وأخف وزنًا وأكثر سهولة.
تسترشد بنية YOLO26 بثلاثة مبادئ أساسية:
- البساطة: YOLO26 هو نموذج أصلي متكامل، ينتج تنبؤات مباشرةً دون الحاجة إلى كبت غير أقصى (NMS). من خلال التخلص من هذه الخطوة اللاحقة للمعالجة، يصبح الاستدلال أسرع وأخف وزنًا وأسهل في النشر في أنظمة العالم الحقيقي. كان هذا النهج المتطور رائدًا لأول مرة في YOLOv10 على يد أو وانغ في جامعة تسينغهوا وتم تطويره في YOLO26.
- كفاءة النشر: يستبعد التصميم الشامل مرحلة كاملة من خط الأنابيب، مما يبسّط التكامل بشكل كبير، ويقلل من زمن الاستجابة، ويجعل النشر أكثر قوة عبر بيئات متنوعة.
- ابتكار التدريب: يُقدم YOLO26 مُحسِّن MuSGD، وهو هجين من SGD وMuon - مستوحى من اختراقات Moonshot AI's Kimi K2 في تدريب LLM. يجلب هذا المُحسِّن استقرارًا محسّنًا وتقاربًا أسرع، وينقل تطورات التحسين من النماذج اللغوية إلى الرؤية الحاسوبية.
تقدم هذه الابتكارات معًا عائلة نماذج تحقق دقة أعلى على الأجسام الصغيرة، وتوفر نشرًا سلسًا، وتعمل بسرعة تصل إلى 43% على وحدات المعالجة المركزية - مما يجعل YOLO26 أحد أكثر نماذج YOLO عملية وقابلية للنشر حتى الآن للبيئات محدودة الموارد.
الميزات الرئيسية
-
إزالة DFL
وحدة فقدان التوزيع البؤري (DFL)، على الرغم من فعاليتها، إلا أنها غالبًا ما كانت تعقّد عملية التصدير وتحد من توافق الأجهزة. يزيل YOLO26 وحدة DFL بالكامل، مما يبسط الاستدلال ويوسع نطاق الدعم للأجهزة المتطورة ومنخفضة الطاقة. -
الاستدلال من النهاية إلى النهاية بدون نظام إدارة المحتوى الوطني
على عكس أجهزة الكشف التقليدية التي تعتمد على نظام إدارة الشبكة كخطوة منفصلة بعد المعالجة، فإن YOLO26 هو نظام متكامل من البداية إلى النهاية. يتم إنشاء التنبؤات مباشرة، مما يقلل من وقت الاستجابة ويجعل التكامل في أنظمة الإنتاج أسرع وأخف وزناً وأكثر موثوقية. -
ProgLoss + STAL
تعمل وظائف الخسارة المحسّنة على زيادة دقة الاكتشاف، مع تحسينات ملحوظة في التعرف على الأجسام الصغيرة، وهو مطلب أساسي لإنترنت الأشياء والروبوتات والصور الجوية والتطبيقات الأخرى ذات الحواف. -
مُحسِّن MuSGD
مُحسِّن هجين جديد يجمع بين SGD وMuon. مستوحى من Kimi K2 من Moonshot AI، يقدم MuSGD أساليب تحسين متقدمة من تدريب LLM في الرؤية الحاسوبية، مما يتيح تدريبًا أكثر استقرارًا وتقاربًا أسرع. -
استنتاج أسرع بنسبة تصل إلى 43% CPU
يوفر YOLO26 المحسّن خصيصاً للحوسبة المتطورة استدلالاً أسرع بكثير لوحدة CPU المركزية، مما يضمن أداءً فورياً على الأجهزة التي لا تحتوي على وحدات معالجة رسومات.
المهام والأوضاع المدعومة
صُمم YOLO26 كعائلة نماذج متعددة المهام، مما يوسع من تنوع YOLO ليشمل تحديات الرؤية الحاسوبية المتنوعة:
| النموذج | المهمة | الاستدلال | التحقق | التدريب | تصدير |
|---|---|---|---|---|---|
| يولو26 | اكتشاف | ✅ | ✅ | ✅ | ✅ |
| YOLO26-سيج | تجزئة المثيل | ✅ | ✅ | ✅ | ✅ |
| YOLO26-بوز | الوضع/النقاط الرئيسية | ✅ | ✅ | ✅ | ✅ |
| YOLO26-obb | الكشف الموجه | ✅ | ✅ | ✅ | ✅ |
| YOLO26-cls | التصنيف | ✅ | ✅ | ✅ | ✅ |
يضمن هذا الإطار الموحّد إمكانية تطبيق YOLO26 عبر الكشف في الوقت الحقيقي، والتجزئة، والتصنيف، وتقدير الوضع، والكشف عن الأجسام الموجهة - كل ذلك مع دعم التدريب والتحقق والاستدلال والاستدلال والتصدير.
مقاييس الأداء
معاينة الأداء
المعايير التالية هي معاينات مبكرة. سيتم إصدار الأرقام النهائية والأوزان القابلة للتنزيل بمجرد اكتمال التدريب.
تم التدريب على COCO مع 80 فئة مدربة مسبقًا.
راجع مستندات الكشف عن الاستخدام بمجرد إصدار النماذج.
| النموذج | الحجم (بالبكسل) |
mAPval 50-95 (هـ 2 هـ) |
mAPval 50-95 |
السرعة وحدة المعالجة المركزية CPU ONNX (بالمللي ثانية) |
السرعة T4 TensorRT10 (بالمللي ثانية) |
المعلمات (M) |
FLOPs (B) |
|---|---|---|---|---|---|---|---|
| يولو26ن | 640 | 39.8 | 40.3 | 38.90 ± 0.7 | 1.7 ± 0.0 | 2.4 | 5.4 |
| YOLO26s | 640 | 47.2 | 47.6 | 87.16 ± 0.9 | 2.7 ± 0.0 | 9.5 | 20.7 |
| يولو26م | 640 | 51.5 | 51.7 | 220.0 ± 1.4 | 4.9 ± 0.1 | 20.4 | 68.2 |
| يولو26ل | 640 | 53.0* | 53.4* | 286.17 ± 2.0* | 6.5 ± 0.2* | 24.8 | 86.4 |
| YOLO26x | 640 | - | - | - | - | - | - |
*مقاييس YOLO26l و YOLO26x قيد التنفيذ. ستتم إضافة المقاييس النهائية هنا.
مقاييس الأداء قريباً.
مقاييس الأداء قريباً.
مقاييس الأداء قريباً.
مقاييس الأداء قريباً.
الاقتباسات والشكر والتقدير
منشور Ultralytics YOLO26
لم تنشر Ultralytics ورقة بحثية رسمية لـ YOLO26 نظرًا لطبيعة النماذج سريعة التطور. وبدلاً من ذلك، نركز على تقديم النماذج المتطورة وجعلها سهلة الاستخدام. للاطلاع على آخر التحديثات حول ميزات YOLO وبنيتها واستخدامها، تفضل بزيارة مستودع GitHub والوثائق الخاصة بنا.
إذا كنت تستخدم YOLO26 أو أي برنامج آخر من برامج Ultralytics في عملك، يُرجى الاستشهاد به على النحو التالي:
@software{yolo26_ultralytics,
author = {Glenn Jocher and Jing Qiu},
title = {Ultralytics YOLO26},
version = {26.0.0},
year = {2025},
url = {https://github.com/ultralytics/ultralytics},
orcid = {0000-0001-5950-6979, 0000-0003-3783-7069},
license = {AGPL-3.0}
}
DOI معلق. YOLO26 متاح تحت AGPL-3.0 وتراخيص المؤسسات.
الأسئلة الشائعة
ما هي التحسينات الرئيسية في YOLO26 مقارنةً بـ YOLO11
- إزالة DFL: تبسيط التصدير وتوسيع نطاق توافق الحافة
- استدلال خالٍ من نظام إدارة المحتوى الوطني من البداية إلى النهاية: يزيل نظام إدارة الشبكة من أجل نشر أسرع وأبسط
- ProgLoss + STAL: يعزز الدقة، خاصة على الأجسام الصغيرة
- مُحسِّن MuSGD: يجمع بين SGD وMuon (مستوحى من Kimi K2 من Moonshot) للحصول على تدريب أكثر استقرارًا وفعالية
- استدلال أسرع لوحدة CPU المركزية بنسبة تصل إلى 43%: مكاسب كبيرة في الأداء لأجهزة CPU
ما المهام التي سيدعمها YOLO26؟
تم تصميم YOLO26 كعائلة نماذج موحدة توفر دعمًا شاملاً لمهام الرؤية الحاسوبية المتعددة:
تم التخطيط لكل متغير حجم (n، s، m، l، x) لدعم جميع المهام عند الإصدار.
لماذا تم تحسين YOLO26 للنشر على الحافة؟
يوفر YOLO26 أداءً متطورًا ومتطورًا للغاية مع:
- استنتاج أسرع CPU بنسبة تصل إلى 43%
- تقليل حجم النموذج وبصمة الذاكرة
- بنية مبسطة للتوافق (لا يوجد DFL، ولا NMS)
- تنسيقات تصدير مرنة بما في ذلك TensorRT ONNX CoreML وTFLite OpenVINO
متى ستتوفر موديلات YOLO26؟
لا تزال نماذج YOLO26 قيد التدريب ولم يتم فتح مصادرها بعد. يتم عرض معاينات الأداء هنا، مع التخطيط للتنزيلات والإصدارات الرسمية في المستقبل القريب. انظر رؤيةYOLO Vision 2025 للاطلاع على محادثات YOLO26.
