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 bassa potenza. Introduce un design semplificato che elimina la complessità non necessaria integrando al contempo innovazioni mirate per offrire una distribuzione 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 la necessità di una soppressione non massima (NMS). Eliminando questa fase di post-elaborazione, l'inferenza diventa più veloce, leggera e facile da implementare in sistemi reali. Questo approccio rivoluzionario è stato introdotto per la prima volta in YOLOv10 da Ao Wang presso la Tsinghua University ed è stato ulteriormente sviluppato in YOLO26.
• Efficienza di implementazione: Il design end-to-end elimina un'intera fase della pipeline, semplificando notevolmente l'integrazione, riducendo la latenza e rendendo l'implementazione più robusta in diversi ambienti.
• Innovazione nell'addestramento: YOLO26 introduce l' ottimizzatore MuSGD, un ibrido di SGD e Muon — ispirato alle scoperte di Kimi K2 di Moonshot AI nell'addestramento di LLM. Questo ottimizzatore offre maggiore stabilità e una convergenza più rapida, trasferendo i progressi dell'ottimizzazione dai modelli linguistici alla computer vision.

Insieme, queste innovazioni offrono una famiglia di modelli che raggiunge una maggiore accuratezza su piccoli oggetti, fornisce un'implementazione senza interruzioni e funziona fino al 43% più velocemente sulle CPU — rendendo YOLO26 uno dei modelli YOLO più pratici e implementabili fino ad oggi per ambienti con risorse limitate.

Caratteristiche principali

• Rimozione 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 oggetti di piccole dimensioni, un requisito fondamentale per IoT, robotica, 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
  Specificamente ottimizzato per l'edge computing, YOLO26 offre un'inferenza della CPU significativamente più veloce, garantendo prestazioni in tempo reale sui dispositivi privi di GPU.

Attività e modalità supportate

YOLO26 è progettato come una famiglia di modelli multi-task, estendendo la versatilità di YOLO attraverso diverse sfide di computer vision:

Questo framework unificato garantisce che YOLO26 sia applicabile al rilevamento in tempo reale, alla segmentazione, alla classificazione, alla stima della posa e al rilevamento di oggetti orientati — il tutto con supporto per addestramento, convalida, inferenza ed esportazione.

Metriche di performance

Citazioni e ringraziamenti

Se utilizzi YOLO26 o altro software Ultralytics nel tuo lavoro, cita il progetto 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 sospeso. YOLO26 è disponibile con licenze AGPL-3.0 ed Enterprise.

FAQ

Quali sono i principali miglioramenti di YOLO26 rispetto a YOLO11?

• Rimozione DFL: Semplifica l'esportazione ed espande la compatibilità edge
• Inferenza End-to-End senza NMS: Elimina NMS per un'implementazione più rapida e semplice
• ProgLoss + STAL: Aumenta la precisione, specialmente su piccoli oggetti
• Ottimizzatore MuSGD: Combina SGD e Muon (ispirato a Kimi K2 di Moonshot) per un addestramento più stabile ed efficiente
• Inferenza su CPU fino al 43% più veloce: Importanti miglioramenti delle prestazioni per i dispositivi solo CPU

Quali attività supporterà YOLO26?

YOLO26 è progettato come una famiglia di modelli unificata, fornendo 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 progettata per supportare tutte le attività al momento del rilascio.

Perché YOLO26 è ottimizzato per la distribuzione edge?

YOLO26 offre prestazioni edge all'avanguardia con:

• Inferenza su CPU fino al 43% più veloce
• Dimensione del modello e ingombro di memoria ridotti
• 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 addestramento e non sono ancora open source. Le anteprime delle prestazioni sono mostrate qui, con download e rilasci ufficiali previsti nel prossimo futuro. Consulta YOLO Vision 2025 per i talk su YOLO26.

📅C reato 1 mese fa ✏️ Aggiornato 12 giorni fa

Commenti