Ultralytics YOLO26

Panoramica

Ultralytics YOLO26 è l'ultima evoluzione della serie YOLO di rilevatori di oggetti in tempo reale, progettata da zero per dispositivi edge e a basso consumo. Introduce un design semplificato che elimina la complessità superflua e integra innovazioni mirate per offrire un'implementazione più rapida, leggera e accessibile.

L'architettura di YOLO26 è guidata da tre principi fondamentali:

• Semplicità: YOLO26 è un modello end-to-end nativo, che produce previsioni direttamente senza bisogno di soppressione non massimale (NMS). Eliminando questa fase di post-elaborazione, l'inferenza diventa più veloce, più leggera e più facile da implementare nei sistemi del mondo reale. Questo approccio innovativo è stato sperimentato per la prima volta in YOLOv10 da Ao Wang della Tsinghua University ed è stato ulteriormente perfezionato in YOLO26.
• Efficienza di distribuzione: Il design end-to-end elimina un'intera fase della pipeline, semplificando notevolmente l'integrazione, riducendo la latenza e rendendo più robusta la distribuzione in ambienti diversi.
• Innovazione nell'allenamento: YOLO26 introduce l'ottimizzatore MuSGD, un ibrido di SGD e Muon, ispirato alle scoperte di Moonshot AI Kimi K2 nella formazione LLM. Questo ottimizzatore offre una maggiore stabilità e una convergenza più rapida, trasferendo i progressi dell'ottimizzazione dai modelli linguistici alla computer vision.

L'insieme di queste innovazioni offre una famiglia di modelli che raggiunge una maggiore precisione su oggetti di piccole dimensioni, fornisce una distribuzione senza interruzioni e funziona fino al 43% più velocemente sulle CPU, rendendo YOLO26 uno dei modelli YOLO più pratici e distribuibili per gli ambienti con risorse limitate.

Caratteristiche principali

• Rimozione del DFL
  Il modulo Distribution Focal Loss (DFL), pur essendo efficace, spesso complicava l'esportazione e limitava la compatibilità hardware. YOLO26 elimina completamente il DFL, semplificando l'inferenza e ampliando il supporto per i dispositivi edge e a basso consumo.

• Inferenza end-to-end senza NMS
  A differenza dei rilevatori tradizionali che si affidano all'NMS come fase separata di post-elaborazione, YOLO26 è nativamente end-to-end. Le previsioni vengono generate direttamente, riducendo la latenza e rendendo l'integrazione nei sistemi di produzione più rapida, leggera e affidabile.

• ProgLoss + STAL
  Le funzioni di perdita migliorate aumentano l'accuratezza del rilevamento, con notevoli miglioramenti nel riconoscimento di piccoli oggetti, un requisito fondamentale per l'IoT, la robotica, le immagini aeree e altre applicazioni edge.

• Ottimizzatore MuSGD
  Un nuovo ottimizzatore ibrido che combina SGD e Muon. Ispirato al Kimi K2 di Moonshot AI, MuSGD introduce nella computer vision i metodi di ottimizzazione avanzati dell'addestramento LLM, consentendo un addestramento più stabile e una convergenza più rapida.

• Inferenza CPU fino al 43% più veloce
  Ottimizzato specificamente per l'edge computing, YOLO26 offre un'inferenza CPU significativamente più veloce, garantendo prestazioni in tempo reale sui dispositivi privi di GPU.

Attività e modalità supportate

YOLO26 è stato progettato come una famiglia di modelli multi-task, che estende la versatilità di YOLO a diverse sfide di computer vision:

Questo framework unificato garantisce l'applicabilità di YOLO26 per il rilevamento in tempo reale, la segmentazione, la classificazione, la stima della posa e il rilevamento di oggetti orientati, il tutto con il supporto per l'addestramento, la validazione, l'inferenza e l'esportazione.

Metriche di performance

Citazioni e riconoscimenti

Se nel vostro lavoro utilizzate YOLO26 o altri software Ultralytics , citatelo come:

@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 in attesa di pubblicazione. YOLO26 è disponibile sotto AGPL-3.0 e le licenze Enterprise.

FAQ

Quali sono i principali miglioramenti di YOLO26 rispetto a YOLO11?

• Rimozione DFL: Semplifica l'esportazione ed espande la compatibilità con i bordi
• Inferenza end-to-end senza NMS: Elimina l'NMS per un'implementazione più rapida e semplice
• ProgLoss + STAL: aumenta la precisione, soprattutto sugli oggetti piccoli.
• Ottimizzatore MuSGD: Combina SGD e Muon (ispirato al Kimi K2 di Moonshot) per un allenamento più stabile ed efficiente.
• Inferenza CPU fino al 43% più veloce: Grandi guadagni di prestazioni per i dispositivi CPU

Quali compiti supporterà YOLO26?

YOLO26 è stato progettato come una famiglia di modelli unificata, in grado di fornire un supporto end-to-end per molteplici attività di computer vision:

• Rilevamento di oggetti
• Segmentazione delle istanze
• Classificazione delle immagini
• Stima della posa
• Rilevamento di oggetti orientati (OBB)

Ogni variante di dimensione (n, s, m, l, x) è prevista per supportare tutti i compiti al momento del rilascio.

Perché YOLO26 è ottimizzato per la distribuzione edge?

YOLO26 offre prestazioni all'avanguardia con:

• Inferenza CPU fino al 43% più veloce
• Riduzione delle dimensioni del modello e dell'ingombro in memoria
• Architettura semplificata per la compatibilità (nessun DFL, nessun NMS)
• Formati di esportazione flessibili, tra cui TensorRT, ONNX, CoreML, TFLite e OpenVINO.

Quando saranno disponibili i modelli YOLO26?

I modelli YOLO26 sono ancora in fase di formazione e non sono ancora open-sourced. Qui vengono mostrate le anteprime delle prestazioni, mentre i download e i rilasci ufficiali sono previsti nel prossimo futuro. Vedere YOLO Vision 2025 per i colloqui su YOLO26.

📅 Creato 0 giorni fa ✏️ Aggiornato 0 giorni fa

Commenti