Ultralytics YOLO26#

Visão geral#

Ultralytics YOLO26 é uma família unificada de modelos de visão em tempo real descrita no artigo do Ultralytics YOLO26. O modelo introduz inferência nativa de ponta a ponta (end-to-end), um cabeçote de detecção mais leve, uma receita de treinamento atualizada e cabeçotes específicos de tarefas para detecção, segmentação, estimativa de pose, classificação e detecção orientada.

Em suas cinco escalas de detecção, o YOLO26 atinge 40,9-57,5 mAP no COCO com 1,7-11,8 ms de latência T4 TensorRT. O artigo também relata inferência CPU ONNX até 43% mais rápida para o YOLO26n em comparação com o YOLO11n em uma CPU Intel Xeon @ 2.00 GHz.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # load a pretrained YOLO26n model
results = model("path/to/bus.jpg")  # run inference

A família de modelos YOLO26 é construída em torno de quatro áreas de design:

• Inferência nativa de ponta a ponta: A cabeça de detecção padrão um-para-um produz previsões sem a supressão de não-máximos (NMS), simplificando a implementação e reduzindo o pós-processamento.
• Regressão de caixa mais leve: O YOLO26 remove a Distribution Focal Loss (DFL), reduzindo a complexidade da cabeça de detecção enquanto preserva uma faixa de regressão irrestrita.
• Atualizações na receita de treinamento: O pipeline de treinamento combina MuSGD (um otimizador híbrido de Muon + SGD), Progressive Loss e STAL (Small-Target-Aware Label Assignment) para melhorar a otimização, direcionar a supervisão para o cabeçote em tempo de inferência e manter a cobertura de rótulos positivos para pequenos objetos. Os hiperparâmetros completos por trás dos checkpoints lançados estão documentados no guia da Receita de Treinamento do YOLO26.
• Cabeças e perdas específicas para tarefas: O YOLO26 adiciona designs direcionados para segmentação de instâncias, variantes de segmentação semântica, estimativa de pose e detecção orientada, mantendo um pipeline de modelo único entre as tarefas.

Juntas, essas atualizações melhoram o equilíbrio entre precisão e latência em todas as escalas de modelo e alvos de implementação.

Principais recursos#

• Regressão livre de DFL O YOLO26 remove a Distribution Focal Loss (DFL), reduzindo a complexidade da cabeça de detecção e simplificando a exportação.

• Inferência de ponta a ponta sem NMS Ao contrário dos detectores tradicionais que dependem de NMS como uma etapa separada de pós-processamento, o YOLO26 é nativamente de ponta a ponta por padrão. As previsões são geradas diretamente, reduzindo a latência e tornando a integração em produção mais simples.

• Progressive Loss + STAL A Progressive Loss desloca a ênfase do treinamento para a cabeça de tempo de inferência, enquanto o STAL melhora a cobertura de rótulos positivos para objetos pequenos.

• Otimizador MuSGD Um otimizador híbrido que combina SGD com Muon, adaptando ideias de otimização de treinamento de grandes modelos de linguagem para a visão computacional.

• Implementação eficiente A cabeça simplificada e o caminho padrão sem NMS reduzem a sobrecarga de inferência em todos os alvos de exportação e perfis de hardware, incluindo o ganho de velocidade em CPU ONNX relatado no artigo para o YOLO26n versus o YOLO11n.

• Melhorias na segmentação de instâncias Introduz a perda de segmentação semântica para melhorar a convergência do modelo e um módulo proto atualizado que aproveita informações multiescala para uma qualidade de máscara superior. O artigo relata ganhos em relação ao YOLO11 de até +2,5 AP de caixa e +3,7 AP de máscara na segmentação de instâncias do COCO.

• Estimativa de Pose de Precisão Integra a Residual Log-Likelihood Estimation (RLE) para uma localização de pontos-chave (keypoints) mais precisa e otimiza o processo de decodificação para maior velocidade de inferência. O artigo relata até +7.2 AP em relação ao YOLO11 na estimativa de pose no COCO.

• Decodificação de OBB refinada Introduz uma perda de ângulo especializada para melhorar a precisão da detecção para objetos em formato quadrado e otimiza a decodificação de OBB para resolver problemas de descontinuidade de limite. O artigo relata até +3,4 mAP em relação ao YOLO11 na detecção orientada DOTA-v1.0.

Tarefas e modos suportados#

O YOLO26 suporta o conjunto de tarefas padrão do Ultralytics em cinco escalas de modelo:

Esta estrutura unificada abrange detecção em tempo real, segmentação de instâncias, segmentação semântica, estimativa de profundidade monocular, classificação, estimativa de pose e detecção de objetos orientados com suporte para treinamento, validação, inferência e exportação.

Métricas de desempenho#

Os valores de parâmetros e FLOPs são para o modelo fundido após model.fuse(), que mescla as camadas Conv e BatchNorm e remove o cabeçote de detecção auxiliar de um para muitos. Os checkpoints pré-treinados retêm a arquitetura de treinamento completa e podem mostrar contagens mais altas.

Exemplos de uso#

Esta seção fornece exemplos simples de treinamento e inferência com o YOLO26. Para ver a documentação completa sobre estes e outros modos, consulta as páginas de documentação de Predict, Train, Val e Export.

Nota que o exemplo abaixo é para modelos YOLO26 Detect para detecção de objetos. Para tarefas adicionais suportadas, consulta a documentação de Segment, Semantic Segmentation, Depth, Classify, Pose e OBB.

from ultralytics import YOLO

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

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

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

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

YOLOE-26: Detecção e Segmentação de Vocabulário Aberto#

O YOLO26 também alimenta o YOLOE-26, uma variante de vocabulário aberto que deteta e segmenta categorias de objetos a partir de comandos de texto (text prompts), comandos visuais (visual prompts) ou um modo sem comandos (prompt-free mode) em vez de uma lista fixa de classes aprendida no momento do treinamento. O YOLOE-26 mantém o design de ponta a ponta sem NMS do YOLO26, para que a inferência de vocabulário aberto permaneça rápida o suficiente para ambientes dinâmicos onde as categorias de destino mudam ao longo do tempo. O YOLOE-26x atinge 40.6 AP no LVIS minival com comandos de texto, 38.5 AP com comandos visuais e 31.1 AP no cenário sem comandos Non-E2E.

Consulta a documentação do YOLOE para tabelas de desempenho por escala, variantes sem comandos e exemplos de uso completos.

Citações e Agradecimentos#

Para uma descrição técnica completa da arquitetura do YOLO26, receita de treinamento, cabeçotes de tarefas e extensão de vocabulário aberto YOLOE-26, lê Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models. Se utilizas o YOLO26 na tua investigação, por favor cita:

@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},
}

O código, os modelos e a documentação do YOLO26 estão disponíveis no repositório GitHub do Ultralytics e na Ultralytics Docs sob as licenças AGPL-3.0 e Enterprise.

FAQ#