콘텐츠로 건너뛰기

Ultralytics YOLO26

출시 예정 ⚠️

🚧 YOLO26 모델은 아직 개발 중이며 아직 출시되지 않았습니다. 여기에 표시된 성능 수치는 사전 미리보기일 뿐입니다. 최종 다운로드 및 릴리스는 곧 이루어질 예정입니다. YOLO Vision 2025를 통해 최신 정보를 확인하세요.

개요

Ultralytics YOLO26은 실시간 객체 감지기인 YOLO 시리즈의 최신 진화 버전으로, 엣지 및 저전력 장치를 위해 처음부터 엔지니어링되었습니다. 불필요한 복잡성을 제거하고 대상 혁신을 통합하여 더 빠르고 가벼우며 접근성이 뛰어난 배포를 제공하는 간소화된 디자인을 도입했습니다.

YOLO26의 아키텍처는 세 가지 핵심 원칙에 따라 설계되었습니다.

  • 단순성: YOLO26은 NMS(Non-Maximum Suppression) 없이 직접 예측을 생성하는 기본 엔드 투 엔드 모델입니다. 이 후처리 단계를 제거함으로써 추론이 더 빠르고 가벼워지며 실제 시스템에 더 쉽게 배포할 수 있습니다. 이 획기적인 접근 방식은 칭화대학교의 Ao Wang이 YOLOv10에서 처음 개척했으며 YOLO26에서 더욱 발전되었습니다.
  • 배포 효율성: 엔드 투 엔드 설계는 파이프라인의 전체 단계를 줄여 통합을 획기적으로 단순화하고 대기 시간을 줄이며 다양한 환경에서 배포를 더욱 강력하게 만듭니다.
  • 학습 혁신: YOLO26은 LLM 학습에서 Moonshot AI의 Kimi K2 혁신에서 영감을 받은 SGD와 Muon의 하이브리드인 MuSGD 옵티마이저를 도입했습니다. 이 옵티마이저는 향상된 안정성과 더 빠른 수렴을 제공하여 언어 모델에서 컴퓨터 비전으로 최적화 발전을 이전합니다.

이러한 혁신은 소형 객체에서 더 높은 정확도를 달성하고 원활한 배포를 제공하며 CPU에서 최대 43% 더 빠르게 실행되는 모델 제품군을 제공하여 YOLO26을 리소스가 제한된 환경에서 가장 실용적이고 배포 가능한 YOLO 모델 중 하나로 만듭니다.

Ultralytics YOLO26 비교 플롯

주요 기능

  • DFL 제거
    분포 초점 손실(DFL) 모듈은 효과적이기는 하지만 내보내기가 복잡하고 하드웨어 호환성이 제한되는 경우가 많습니다. YOLO26은 DFL을 완전히 제거하여 추론을 간소화하고 에지 및 저전력 디바이스에 대한 지원을 확대합니다.

  • 엔드투엔드 NMS 없는 추론
    별도의 후처리 단계로 NMS에 의존하는 기존 디텍터와 달리, YOLO26은 기본적으로 엔드투엔드입니다. 예측이 직접 생성되므로 지연 시간이 줄어들고 프로덕션 시스템에 더 빠르고, 가볍고, 안정적으로 통합할 수 있습니다.

  • ProgLoss + STAL
    향상된 손실 기능으로 감지 정확도가 향상되어 IoT, 로봇 공학, 항공 이미지 및 기타 에지 애플리케이션의 핵심 요구 사항인 작은 물체 인식이 눈에 띄게 개선되었습니다.

  • 뮤에스지디 옵티마이저
    SGD와 뮤온을 결합한 새로운 하이브리드 옵티마이저. Moonshot AI의 Kimi K2에서 영감을 얻은 MuSGD는 LLM 훈련의 고급 최적화 방법을 컴퓨터 비전에 도입하여 보다 안정적인 훈련과 빠른 융합을 가능하게 합니다.

  • 최대 43% 빨라진 CPU 추론
    특히 엣지 컴퓨팅에 최적화된 YOLO26은 훨씬 빠른 CPU 추론을 제공하여 GPU가 없는 디바이스에서도 실시간 성능을 보장합니다.

지원되는 작업 및 모드

YOLO26은 다중 작업 모델 제품군으로 설계되어 다양한 컴퓨터 비전 문제에 걸쳐 YOLO의 다재다능함을 확장합니다.

모델작업추론검증훈련내보내기
YOLO26객체 탐지✅✅✅✅
YOLO26-seg인스턴스 분할✅✅✅✅
YOLO26-pose포즈/키포인트✅✅✅✅
YOLO26-obb방향 감지✅✅✅✅
YOLO26-cls분류✅✅✅✅

이 통합 프레임워크는 YOLO26이 실시간 감지, 분할, 분류, 포즈 추정 및 방향 객체 감지 전반에 걸쳐 적용 가능하도록 보장하며, 이 모든 것이 훈련, 유효성 검사, 추론 및 내보내기를 지원합니다.

성능 지표

성능 미리보기

다음 벤치마크는 초기 미리보기입니다. 최종 수치 및 다운로드 가능한 가중치는 훈련이 완료되면 릴리스될 예정입니다.

80개의 사전 훈련된 클래스로 COCO에서 훈련되었습니다. 모델 출시 후 사용법은 Detection Docs를 참조하세요.

모델크기
(픽셀)		mAPval
50-95(e2e)		mAPval
50-95		속도
CPU ONNX
(ms)		속도
T4 TensorRT10
(ms)		파라미터
(M)		FLOPs
(B)
YOLO26n64039.840.338.90 ± 0.71.7 ± 0.02.45.4
YOLO26s64047.247.687.16 ± 0.92.7 ± 0.09.520.7
YOLO26m64051.551.7220.0 ± 1.44.9 ± 0.120.468.2
YOLO26l64053.0*53.4*286.17 ± 2.0*6.5 ± 0.2*24.886.4
YOLO26x640------

*YOLO26l 및 YOLO26x에 대한 메트릭이 진행 중입니다. 최종 벤치마크는 여기에 추가될 예정입니다.

성능 지표는 곧 제공될 예정입니다.

성능 지표는 곧 제공될 예정입니다.

성능 지표는 곧 제공될 예정입니다.

성능 지표는 곧 제공될 예정입니다.

인용 및 감사의 말씀

Ultralytics YOLO26 발표

Ultralytics는 모델의 빠른 변화로 인해 YOLO26에 대한 공식 연구 논문을 발표하지 않았습니다. 대신 최첨단 모델을 제공하고 사용하기 쉽게 만드는 데 집중하고 있습니다. YOLO 기능, 아키텍처 및 사용법에 대한 최신 업데이트는 GitHub 저장소 및 문서를 참조하십시오.

YOLO26 또는 다른 Ultralytics 소프트웨어를 사용하는 경우 다음과 같이 인용해 주십시오.

@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}
}

DOI는 보류 중입니다. YOLO26은 AGPL-3.0 및 Enterprise 라이선스 하에 사용할 수 있습니다.

FAQ

YOLO26은 YOLO11과 비교하여 어떤 주요 개선 사항이 있습니까?

  • DFL 제거: 내보내기를 간소화하고 엣지 호환성을 확장합니다.
  • End-to-End NMS-Free 추론: 더 빠르고 간단한 배포를 위해 NMS를 제거합니다.
  • ProgLoss + STAL: 특히 작은 객체에서 정확도를 향상시킵니다.
  • MuSGD Optimizer: 보다 안정적이고 효율적인 학습을 위해 SGD와 Muon(Moonshot의 Kimi K2에서 영감을 얻음)을 결합합니다.
  • 최대 43% 더 빠른 CPU 추론: CPU 전용 장치에 대한 주요 성능 향상

YOLO26은 어떤 작업을 지원합니까?

YOLO26은 여러 컴퓨터 비전 작업에 대한 엔드 투 엔드 지원을 제공하는 통합 모델 제품군으로 설계되었습니다.

각 크기 변형(n, s, m, l, x)은 릴리스 시 모든 작업을 지원할 계획입니다.

YOLO26은 왜 엣지 배포에 최적화되어 있습니까?

YOLO26은 다음을 통해 최첨단 엣지 성능을 제공합니다.

  • 최대 43% 더 빠른 CPU 추론
  • 모델 크기 및 메모리 공간 축소
  • 호환성을 위해 단순화된 아키텍처 (DFL 없음, NMS 없음)
  • TensorRT, ONNX, CoreML, TFLite 및 OpenVINO를 포함한 유연한 내보내기 형식

YOLO26 모델은 언제 사용할 수 있습니까?

YOLO26 모델은 아직 학습 중이며 아직 오픈 소스로 공개되지 않았습니다. 성능 미리 보기는 여기에 나와 있으며 공식 다운로드 및 릴리스는 가까운 시일 내에 계획되어 있습니다. YOLO26 발표 내용은 YOLO Vision 2025를 참조하십시오.



📅1 개월 전 생성됨 ✏️ 업데이트됨 12 일 전
glenn-jocherY-T-GLaughing-q

댓글