Ultralytics YOLO26

Обзор

Ultralytics YOLO26 — это новейшая эволюция в серии YOLO детекторов объектов в реальном времени, разработанная с нуля для периферийных и маломощных устройств. Она представляет собой оптимизированную конструкцию, которая устраняет ненужную сложность, интегрируя при этом целевые инновации для обеспечения более быстрого, легкого и доступного развертывания.

Архитектура YOLO26 руководствуется тремя основными принципами:

• Простота: YOLO26 — это нативная сквозная модель, которая выдает прогнозы напрямую, без необходимости в подавлении немаксимумов (NMS). Благодаря устранению этого этапа постобработки вывод становится быстрее, легче и проще в развертывании в реальных системах. Этот новаторский подход был впервые разработан в YOLOv10 Ао Вангом в Университете Цинхуа и получил дальнейшее развитие в YOLO26.
• Эффективность развертывания: Сквозная конструкция исключает целый этап конвейера, значительно упрощая интеграцию, снижая задержку и делая развертывание более надежным в различных средах.
• Инновации в обучении: YOLO26 представляет оптимизатор MuSGD, гибрид SGD и Muon — вдохновленный прорывами Moonshot AI Kimi K2 в обучении LLM. Этот оптимизатор обеспечивает повышенную стабильность и более быструю сходимость, перенося достижения в оптимизации из языковых моделей в компьютерное зрение.

В совокупности эти инновации обеспечивают семейство моделей, которое достигает более высокой точности на небольших объектах, обеспечивает бесшовное развертывание и работает до 43% быстрее на CPU, что делает YOLO26 одной из самых практичных и удобных для развертывания моделей YOLO на сегодняшний день для сред с ограниченными ресурсами.

Основные характеристики

• Удаление DFL
  Модуль Distribution Focal Loss (DFL), хотя и эффективен, часто усложнял экспорт и ограничивал совместимость оборудования. YOLO26 полностью удаляет DFL, упрощая вывод и расширяя поддержку периферийных устройств и устройств с низким энергопотреблением.

• Сквозной вывод без NMS
  В отличие от традиционных детекторов, которые используют NMS в качестве отдельного этапа постобработки, YOLO26 является изначально сквозной. Прогнозы генерируются напрямую, что снижает задержку и делает интеграцию в производственные системы более быстрой, легкой и надежной.

• ProgLoss + STAL
  Улучшенные функции потерь повышают точность обнаружения, заметно улучшая распознавание мелких объектов, что является критически важным требованием для IoT, робототехники, аэрофотосъемки и других краевых приложений.

• Оптимизатор MuSGD
  Новый гибридный оптимизатор, сочетающий в себе SGD с Muon. Вдохновленный Kimi K2 от Moonshot AI, MuSGD внедряет передовые методы оптимизации из обучения LLM в компьютерное зрение, обеспечивая более стабильное обучение и более быструю сходимость.

• До 43% более быстрый вывод на CPU
  Специально оптимизированный для периферийных вычислений, YOLO26 обеспечивает значительно более быстрый вывод на CPU, гарантируя производительность в реальном времени на устройствах без GPU.

Поддерживаемые задачи и режимы

YOLO26 разработан как семейство многозадачных моделей, расширяющее универсальность YOLO для решения различных задач компьютерного зрения:

Эта унифицированная структура гарантирует, что YOLO26 применим для detect в реальном времени, segment, классификации, оценки позы и detect ориентированных объектов — и все это с поддержкой обучения, проверки, inference и экспорта.

Метрики производительности

Цитирование и благодарности

Если вы используете YOLO26 или другое программное обеспечение Ultralytics в своей работе, пожалуйста, сошлитесь на него следующим образом:

@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 в ожидании. YOLO26 доступна по лицензиям AGPL-3.0 и Enterprise.

Часто задаваемые вопросы

Каковы основные улучшения в YOLO26 по сравнению с YOLO11?

• Удаление DFL: Упрощает экспорт и расширяет совместимость с периферийными устройствами
• Сквозной вывод без NMS: Устраняет NMS для более быстрого и простого развертывания
• ProgLoss + STAL: Повышает точность, особенно на мелких объектах.
• Оптимизатор MuSGD: Объединяет SGD и Muon (вдохновлен Kimi K2 от Moonshot) для более стабильного и эффективного обучения
• До 43% более быстрый вывод на CPU: Значительное повышение производительности для устройств только с CPU

Какие задачи будет поддерживать YOLO26?

YOLO26 разработан как унифицированное семейство моделей, обеспечивающее сквозную поддержку для различных задач компьютерного зрения:

• Обнаружение объектов
• Сегментация экземпляров
• Классификация изображений
• Оценка позы
• Детектирование ориентированных объектов (OBB)

Планируется, что каждый вариант размера (n, s, m, l, x) будет поддерживать все задачи при выпуске.

Почему YOLO26 оптимизирован для развертывания на периферии?

YOLO26 обеспечивает передовую производительность на периферийных устройствах благодаря:

• До 43% более быстрый вывод на CPU
• Уменьшенный размер модели и занимаемый объем памяти
• Архитектура упрощена для совместимости (нет DFL, нет NMS)
• Гибкие форматы экспорта, включая TensorRT, ONNX, CoreML, TFLite и OpenVINO

Когда будут доступны модели YOLO26?

Модели YOLO26 все еще находятся в стадии обучения и пока не имеют открытого исходного кода. Здесь представлены предварительные результаты, а официальные загрузки и выпуски запланированы на ближайшее будущее. Смотрите YOLO Vision 2025 для обсуждений YOLO26.

📅 Создано 2 месяца назад ✏️ Обновлено 1 месяц назад

Комментарии