Link to this sectionUltralytics YOLO26#

Link to this sectionÜbersicht#

Ultralytics YOLO26 ist eine einheitliche Familie von Echtzeit-Vision-Modellen, die im Ultralytics YOLO26-Paper beschrieben wird. Sie führt natives End-to-End-Inferenz-Verfahren ein, einen leichteren Detektionskopf, ein aktualisiertes Trainingsrezept und aufgabenspezifische Köpfe für Detektion, Segmentierung, Pose-Schätzung, Klassifizierung und orientierte Detektion.

Über die fünf Detektionsskalen hinweg erreicht YOLO26 40,9-57,5 mAP auf COCO bei 1,7-11,8 ms T4 TensorRT-Latenz. Das Paper berichtet zudem von bis zu 43 % schnellerer CPU ONNX-Inferenz für YOLO26n im Vergleich zu YOLO11n auf einer Intel Xeon CPU mit 2,00 GHz.

Die YOLO26-Modellfamilie ist um vier Designbereiche herum aufgebaut:

• Native End-to-End-Inferenz: Der standardmäßige One-to-One-Detektionskopf erzeugt Vorhersagen ohne Non-Maximum Suppression (NMS), was den Einsatz vereinfacht und die Nachbearbeitung reduziert.
• Leichtere Box-Regression: YOLO26 entfernt den Distribution Focal Loss (DFL), was die Komplexität des Detektionskopfes reduziert und gleichzeitig einen uneingeschränkten Regressionsbereich beibehält.
• Updates beim Trainingsrezept: Die Trainings-Pipeline kombiniert MuSGD, Progressive Loss und STAL, um die Optimierung zu verbessern, die Überwachung auf den Inferenz-Kopf zu verlagern und die Abdeckung positiver Labels für kleine Objekte beizubehalten.
• Aufgabenspezifische Köpfe und Losses: YOLO26 fügt gezielte Designs für Instanz-Segmentierung, Varianten der semantischen Segmentierung, Pose-Schätzung und orientierte Detektion hinzu, während eine einheitliche Modell-Pipeline über Aufgaben hinweg beibehalten wird.

Zusammen verbessern diese Aktualisierungen das Verhältnis zwischen Genauigkeit und Latenz über verschiedene Modellskalen und Einsatzziele hinweg.

Link to this sectionHauptfunktionen#

• DFL-freie Regression YOLO26 entfernt den Distribution Focal Loss (DFL), reduziert die Komplexität des Detektionskopfes und vereinfacht den Export.

• End-to-End NMS-freie Inferenz Im Gegensatz zu herkömmlichen Detektoren, die auf NMS als separaten Nachbearbeitungsschritt angewiesen sind, ist YOLO26 standardmäßig nativ End-to-End. Vorhersagen werden direkt generiert, was die Latenz verringert und die Integration in die Produktion vereinfacht.

• Progressive Loss + STAL Progressive Loss verlagert den Trainingsschwerpunkt auf den Inferenz-Kopf, während STAL die Abdeckung positiver Labels für kleine Objekte verbessert.

• MuSGD-Optimierer Ein hybrider Optimierer, der SGD mit Muon kombiniert und Optimierungskonzepte aus dem Training großer Sprachmodelle auf Computer Vision anwendet.

• Effiziente Bereitstellung Der vereinfachte Kopf und der NMS-freie Standardpfad reduzieren den Inferenz-Overhead über Exportziele und Hardwareprofile hinweg, einschließlich der im Paper berichteten CPU ONNX-Geschwindigkeitssteigerung für YOLO26n gegenüber YOLO11n.

• Verbesserungen bei der Instanz-Segmentierung Führt einen Loss für semantische Segmentierung ein, um die Modellkonvergenz zu verbessern, sowie ein aktualisiertes Proto-Modul, das Informationen über mehrere Skalen hinweg für eine überragende Maskenqualität nutzt. Das Paper berichtet von Zuwächsen gegenüber YOLO11 von bis zu +2,5 Box AP und +3,7 Mask AP bei der COCO-Instanz-Segmentierung.

• Präzise Pose-Schätzung Integriert Residual Log-Likelihood Estimation (RLE) für eine genauere Lokalisierung von Keypoints und optimiert den Dekodierungsprozess für eine erhöhte Inferenzgeschwindigkeit. Das Paper berichtet von bis zu +7,2 AP gegenüber YOLO11 bei der COCO-Pose-Schätzung.

• Verfeinerte OBB-Dekodierung Führt einen spezialisierten Winkel-Loss ein, um die Detektionsgenauigkeit für quadratische Objekte zu verbessern, und optimiert die OBB-Dekodierung, um Probleme mit Grenzdiskontinuitäten zu lösen. Das Paper berichtet von bis zu +3,4 mAP gegenüber YOLO11 bei der DOTA-v1.0 orientierten Detektion.

Link to this sectionUnterstützte Aufgaben und Modi#

YOLO26 unterstützt das standardmäßige Ultralytics-Aufgabenset über fünf Modellskalen hinweg:

Dieses einheitliche Framework deckt Echtzeit-Detektion, Instanz-Segmentierung, semantische Segmentierung, Klassifizierung, Pose-Schätzung und orientierte Objektdetektion mit Unterstützung für Training, Validierung, Inferenz und Export ab.

Link to this sectionLeistungsmetriken#

Params- und FLOPs-Werte beziehen sich auf das fusionierte Modell nach model.fuse(), das Conv- und BatchNorm-Schichten zusammenführt und den zusätzlichen One-to-Many-Erkennungskopf entfernt. Vortrainierte Checkpoints behalten die vollständige Trainingsarchitektur bei und können höhere Werte aufweisen.

Link to this sectionAnwendungsbeispiele#

Dieser Abschnitt enthält einfache YOLO26-Trainings- und Inferenzbeispiele. Für die vollständige Dokumentation zu diesen und anderen Modi, siehe die Dokumentationsseiten Predict, Train, Val und Export.

Beachte, dass sich das Beispiel unten auf YOLO26 Detect-Modelle für Objekterkennung bezieht. Für weitere unterstützte Aufgaben siehe die Dokumentation zu Segment, Semantic Segmentation, Classify, OBB und Pose.

from ultralytics import YOLO

# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Use one-to-one head (default, no NMS required)
results = model.predict("image.jpg")  # inference
metrics = model.val(data="coco.yaml")  # validation
model.export(format="onnx")  # export

# Use one-to-many head (requires NMS)
results = model.predict("image.jpg", end2end=False)  # inference
metrics = model.val(data="coco.yaml", end2end=False)  # validation
model.export(format="onnx", end2end=False)  # export

Link to this sectionYOLOE-26: Open-Vocabulary-Erkennung und Segmentierung#

YOLOE-26 erweitert YOLO26 um die Open-Vocabulary-Funktionen der YOLOE-Serie. Es ermöglicht die Echtzeiterkennung und -segmentierung von Open-Set-Objektkategorien mithilfe von Text-Prompts, visuellen Prompts oder einem Prompt-freien Modus.

Durch die Nutzung von YOLO26s NMS-freiem End-to-End-Design bleibt die Open-Vocabulary-Inferenz von YOLOE-26 schnell genug für dynamische Umgebungen, in denen sich Zielkategorien im Laufe der Zeit ändern können. YOLOE-26x erreicht 40,6 AP auf LVIS minival bei Text-Prompting, 38,5 AP bei visueller Eingabeaufforderung und 31,1 AP in der Prompt-freien Non-E2E-Einstellung.

Link to this sectionAnwendungsbeispiel#

YOLOE-26 unterstützt sowohl textbasierte als auch visuelle Prompts. Die Verwendung von Prompts ist unkompliziert – übergib sie einfach über die predict-Methode, wie unten dargestellt:

from ultralytics import YOLO

# Initialize model
model = YOLO("yoloe-26l-seg.pt")  # or select yoloe-26s/m-seg.pt for different sizes

# Set text prompt to detect person and bus. You only need to do this once after you load the model.
model.set_classes(["person", "bus"])

# Run detection on the given image
results = model.predict("path/to/image.jpg")

# Show results
results[0].show()

Für Prompting-Techniken und vollständige Anwendungsbeispiele besuche die YOLOE-Dokumentation.

Link to this sectionZitate und Danksagungen#

Für eine vollständige technische Beschreibung der YOLO26-Architektur, des Trainingsrezepts, der Task-Heads und der YOLOE-26 Open-Vocabulary-Erweiterung, lies Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models. Wenn du YOLO26 in deiner Forschung verwendest, zitiere bitte:

@misc{jocher2026ultralyticsyolo26unifiedrealtime,
  title = {Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models},
  author = {Glenn Jocher and Jing Qiu and Mengyu Liu and Shuai Lyu and Fatih Cagatay Akyon and Muhammet Esat Kalfaoglu},
  year = {2026},
  eprint = {2606.03748},
  archivePrefix = {arXiv},
  primaryClass = {cs.CV},
  doi = {10.48550/arXiv.2606.03748},
  url = {https://arxiv.org/abs/2606.03748},
}

YOLO26-Code, -Modelle und -Dokumentation sind im Ultralytics GitHub Repository und in der Ultralytics-Dokumentation unter AGPL-3.0 und Enterprise Lizenzen verfügbar.

Link to this sectionFAQ#

Link to this sectionWas sind die wichtigsten Verbesserungen in YOLO26?#

• DFL-freie Regression: Vereinfacht den Detection-Head und den Export-Pfad
• End-to-End NMS-freie Inferenz: Entfernt NMS aus dem Standard-Inferenzpfad
• Progressive Loss + STAL: Verbessert die Trainingsausrichtung und die Label-Abdeckung für kleine Objekte
• MuSGD-Optimierer: Kombiniert SGD mit einer von Muon inspirierten Optimierung für stabiles Training
• Aufgabenspezifische Heads und Losses: Verbessert die Unterstützung für Segmentierung, Pose-Schätzung und orientierte Objekterkennung

Link to this sectionWelche Aufgaben unterstützt YOLO26?#

YOLO26 ist eine einheitliche Modellfamilie, die End-to-End-Unterstützung für mehrere Computer-Vision-Aufgaben bietet:

• Objekterkennung
• Instance Segmentation
• Semantische Segmentierung
• Bildklassifizierung
• Pose-Schätzung
• Orientierte Objekterkennung (OBB)

Jede Größenvariante (n, s, m, l, x) unterstützt alle Aufgaben, sowie Open-Vocabulary-Versionen via YOLOE-26.

Link to this sectionWarum ist YOLO26 effizient für das Deployment?#

YOLO26 verbessert die Deployment-Effizienz durch:

• Native End-to-End-Inferenz ohne NMS standardmäßig
• DFL-freie Regression und ein leichterer Detection-Head
• Fused-Model-Export, der nur für das Training benötigte Hilfskomponenten entfernt
• Bis zu 43 % schnellere CPU-ONNX-Inferenz für YOLO26n gegenüber YOLO11n auf einer Intel Xeon CPU @ 2.00 GHz
• Flexible Exportformate einschließlich TensorRT, ONNX, CoreML, TFLite und OpenVINO

Link to this sectionWie lege ich mit YOLO26 los?#

YOLO26-Modelle stehen über das ultralytics-Paket zum Download bereit. Installiere oder aktualisiere das Paket und lade ein Modell:

from ultralytics import YOLO

# Load a pretrained YOLO26 nano model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("image.jpg")

Siehe den Abschnitt Anwendungsbeispiele für Anleitungen zu Training, Validierung und Export.