Ultralytics YOLO26

Visão geral

Ultralytics O YOLO26 é a mais recente evolução da série YOLO de detectores de objectos em tempo real, concebidos de raiz para dispositivos de ponta e de baixo consumo. Apresenta um design simplificado que elimina a complexidade desnecessária, ao mesmo tempo que integra inovações direcionadas para proporcionar uma implementação mais rápida, mais leve e mais acessível.

A arquitetura da YOLO26 é orientada por três princípios fundamentais:

• Simplicidade: O YOLO26 é um modelo nativo de ponta a ponta, produzindo previsões diretamente sem a necessidade de supressão não máxima (NMS). Ao eliminar esta etapa de pós-processamento, a inferência torna-se mais rápida, mais leve e mais fácil de implementar em sistemas do mundo real. Esta abordagem inovadora foi pioneira no YOLOv10 por Ao Wang, da Universidade de Tsinghua, e foi ainda mais avançada no YOLO26.
• Eficiência de implantação: O design de ponta a ponta elimina um estágio inteiro do pipeline, simplificando drasticamente a integração, reduzindo a latência e tornando a implantação mais robusta em diversos ambientes.
• Inovação na formação: O YOLO26 apresenta o optimizador MuSGD, um híbrido de SGD e Muon - inspirado nos avanços do Kimi K2 da Moonshot AI na formação LLM. Este optimizador proporciona uma maior estabilidade e uma convergência mais rápida, transferindo os avanços de otimização dos modelos de linguagem para a visão por computador.

Em conjunto, estas inovações proporcionam uma família de modelos que atinge uma maior precisão em objectos pequenos, proporciona uma implementação perfeita e funciona até 43% mais rápido em CPUs - tornando o YOLO26 um dos modelos YOLO mais práticos e implementáveis até à data para ambientes com recursos limitados.

Principais Características

• Remoção de DFL
  O módulo Distribution Focal Loss (DFL), embora eficaz, muitas vezes complicava a exportação e limitava a compatibilidade de hardware. O YOLO26 remove totalmente o DFL, simplificando a inferência e ampliando o suporte para dispositivos de ponta e de baixo consumo.

• Inferência sem NMS de ponta a ponta
  Ao contrário dos detectores tradicionais que dependem do NMS como uma etapa de pós-processamento separada, o YOLO26 é nativamente de ponta a ponta. As previsões são geradas diretamente, reduzindo a latência e tornando a integração nos sistemas de produção mais rápida, mais leve e mais fiável.

• ProgLoss + STAL
  As funções de perda melhoradas aumentam a precisão da deteção, com melhorias notáveis no reconhecimento de pequenos objectos, um requisito crítico para IoT, robótica, imagens aéreas e outras aplicações de ponta.

• Optimizador MuSGD
  Um novo optimizador híbrido que combina SGD com Muon. Inspirado no Kimi K2 da Moonshot AI, o MuSGD introduz métodos de otimização avançados do treino LLM na visão por computador, permitindo um treino mais estável e uma convergência mais rápida.

• Inferência CPU até 43% mais rápida
  Especificamente optimizado para computação periférica, o YOLO26 proporciona uma inferência CPU significativamente mais rápida, garantindo um desempenho em tempo real em dispositivos sem GPUs.

Tarefas e Modos Suportados

O YOLO26 foi concebido como uma família de modelos multitarefa, alargando a versatilidade do YOLO a diversos desafios de visão computacional:

Esta estrutura unificada garante que o YOLO26 é aplicável na deteção em tempo real, segmentação, classificação, estimativa de pose e deteção de objectos orientados - tudo com formação, validação, inferência e apoio à exportação.

Métricas de Desempenho

Citações e Agradecimentos

Se utilizar o YOLO26 ou outro software Ultralytics no seu trabalho, cite-o como:

@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 pendente. YOLO26 está disponível sob AGPL-3.0 e licenças Enterprise.

FAQ

Quais são as principais melhorias do YOLO26 em relação ao YOLO11?

• Remoção de DFL: Simplifica a exportação e expande a compatibilidade de bordas
• Inferência sem NMS de ponta a ponta: Elimina o NMS para uma implementação mais rápida e simples
• ProgLoss + STAL: aumenta a precisão, especialmente em objectos pequenos
• Optimizador MuSGD: Combina SGD e Muon (inspirado no Kimi K2 da Moonshot) para um treino mais estável e eficiente
• Inferência CPU até 43% mais rápida: Grandes ganhos de desempenho para dispositivos CPU

Quais as tarefas que a YOLO26 irá apoiar?

O YOLO26 foi concebido como uma família de modelos unificada, fornecendo suporte de ponta a ponta para múltiplas tarefas de visão computacional:

• Detecção de Objetos
• Segmentação de Instância
• Classificação de Imagem
• Estimativa de Pose
• Deteção orientada de objectos (OBB)

Cada variante de tamanho (n, s, m, l, x) é planeada para suportar todas as tarefas no lançamento.

Porque é que o YOLO26 está optimizado para a implementação na periferia?

O YOLO26 oferece um desempenho de ponta com:

• Inferência CPU até 43% mais rápida
• Tamanho do modelo e espaço de memória reduzidos
• Arquitetura simplificada para compatibilidade (sem DFL, sem NMS)
• Formatos de exportação flexíveis, incluindo TensorRT, ONNX, CoreML, TFLite e OpenVINO

Quando é que os modelos YOLO26 estarão disponíveis?

Os modelos YOLO26 ainda estão a ser treinados e ainda não têm um código aberto. São mostradas aqui antevisões de desempenho, com descargas e lançamentos oficiais planeados para um futuro próximo. Ver YOLO Vision 2025 para as conversações sobre o YOLO26.

📅 Criado há 0 dias ✏️ Atualizado há 0 dias

Comentários