Ultralytics YOLO26

Q: What tasks will YOLO26 support?

YOLO26은 통합 모델 제품군으로 설계되었으며, 여러 컴퓨터 비전 작업에 대한 엔드 투 엔드 지원을 제공합니다. 각 크기 변형(n, s, m, l, x)은 출시 시 모든 작업을 지원할 예정입니다.

Q: Why is YOLO26 optimized for edge deployment?

YOLO26은 다음과 같은 최첨단 엣지 성능을 제공합니다.

Q: When will YOLO26 models be available?

YOLO26 모델은 아직 학습 중이며 오픈 소스로 공개되지 않았습니다. 성능 미리보기는 여기에 나와 있으며, 공식 다운로드 및 릴리스는 가까운 시일 내에 계획되어 있습니다. YOLO26 관련 발표는 YOLO Vision 2025에서 확인하십시오.

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
DFL(Distribution Focal Loss) 모듈은 효과적이지만 내보내기를 복잡하게 만들고 하드웨어 호환성을 제한하는 경우가 많습니다. YOLO26은 DFL을 완전히 제거하여 추론을 단순화하고 엣지 및 저전력 장치에 대한 지원을 확대합니다.
엔드 투 엔드 NMS-Free 추론
NMS를 별도의 후처리 단계로 사용하는 기존 감지기와 달리 YOLO26은 기본적으로 엔드 투 엔드입니다. 예측이 직접 생성되어 대기 시간이 줄어들고 프로덕션 시스템으로의 통합이 더 빠르고 가벼우며 안정적으로 이루어집니다.
ProgLoss + STAL
개선된 손실 함수는 감지 정확도를 높이며 IoT, 로봇 공학, 항공 이미지 및 기타 엣지 애플리케이션에 중요한 요구 사항인 소형 객체 인식에서 눈에 띄는 개선이 이루어졌습니다.
MuSGD 옵티마이저
SGD와 Muon을 결합한 새로운 하이브리드 옵티마이저입니다. Moonshot AI의 Kimi K2에서 영감을 받아, MuSGD는 LLM 훈련의 고급 최적화 방법을 컴퓨터 비전에 도입하여 보다 안정적인 훈련과 빠른 수렴을 가능하게 합니다.
최대 43% 더 빠른 CPU 추론
특히 엣지 컴퓨팅에 최적화된 YOLO26은 GPU가 없는 장치에서도 실시간 성능을 보장하여 훨씬 더 빠른 CPU 추론을 제공합니다.

지원되는 작업 및 모드

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

모델	작업	추론	검증	훈련	내보내기
YOLO26	객체 탐지	✅	✅	✅	✅
YOLO26-seg	인스턴스 분할	✅	✅	✅	✅
YOLO26-pose	포즈/키포인트	✅	✅	✅	✅
YOLO26-obb	방향 감지	✅	✅	✅	✅
YOLO26-cls	분류	✅	✅	✅	✅

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.

감지 (COCO)분할 (COCO)분류 (ImageNet)포즈 (COCO)OBB (DOTAv1)

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

모델	크기 ^(픽셀)	mAP^{val 50-95(e2e)}	mAP^val 50-95	속도 ^{CPU ONNX (ms)}	속도 ^{T4 TensorRT10 (ms)}	파라미터 ^(M)	FLOPs ^(B)
YOLO26n	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
YOLO26m	640	51.5	51.7	220.0 ± 1.4	4.9 ± 0.1	20.4	68.2
YOLO26l	640	53.0*	53.4*	286.17 ± 2.0*	6.5 ± 0.2*	24.8	86.4
YOLO26x	640	-	-	-	-	-	-

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

BibTeX

@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.

📅 21일 전 생성됨 ✏️ 2 일 전 업데이트 됨