Ultralytics YOLO26#

Tổng quan#

Ultralytics YOLO26 là một dòng model thị giác thời gian thực hợp nhất, được mô tả trong bài báo Ultralytics YOLO26. Model này giới thiệu suy luận end-to-end gốc, detection head nhẹ hơn, công thức huấn luyện được cập nhật và các head dành riêng cho từng tác vụ như detection, segmentation, ước tính tư thế, classification và detection định hướng.

Trên năm cấp độ detection, YOLO26 đạt 40.9-57.5 mAP trên COCO với độ trễ TensorRT trên T4 là 1.7-11.8 ms. Bài báo cũng báo cáo suy luận ONNX trên CPU nhanh hơn tới 43% đối với YOLO26n so với YOLO11n trên CPU Intel Xeon @ 2.00 GHz.

Xem bản xem trước YOLO27 chưa phát hành để biết kiến trúc, các tác vụ và các benchmark sơ bộ theo kế hoạch.

from ultralytics import YOLO

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

Dòng model YOLO26 được xây dựng xoay quanh bốn lĩnh vực thiết kế:

• Inference native end-to-end: Đầu dò one-to-one tùy chọn tạo ra các dự đoán mà không cần non-maximum suppression (NMS), giúp đơn giản hóa quá trình triển khai và giảm thiểu khâu xử lý hậu kỳ.
• Hồi quy box nhẹ hơn: YOLO26 loại bỏ Distribution Focal Loss (DFL), giảm độ phức tạp của detection head trong khi vẫn duy trì phạm vi hồi quy không bị ràng buộc.
• Cập nhật công thức huấn luyện: Pipeline huấn luyện kết hợp MuSGD (optimizer lai Muon + SGD), Progressive Loss và STAL (Gán nhãn nhận biết mục tiêu nhỏ) để cải thiện quá trình tối ưu hóa, chuyển trọng tâm supervision sang head tại thời điểm suy luận và duy trì độ bao phủ nhãn dương cho các object nhỏ. Toàn bộ hyperparameter của các checkpoint đã phát hành được ghi lại trong hướng dẫn Công thức Huấn luyện YOLO26.
• Head và loss dành riêng cho từng tác vụ: YOLO26 bổ sung các thiết kế chuyên biệt cho instance segmentation, các biến thể semantic segmentation, ước tính tư thế và detection định hướng, đồng thời duy trì một pipeline model duy nhất cho mọi tác vụ.

Những cập nhật này cùng nhau cải thiện sự cân bằng giữa độ chính xác và độ trễ trên các quy mô model và mục tiêu triển khai khác nhau.

Tính năng chính#

• Hồi quy không DFL YOLO26 loại bỏ Distribution Focal Loss (DFL), giảm độ phức tạp của detection head và đơn giản hóa quá trình export.

• Inference End-to-End Không Cần NMS YOLO26 hỗ trợ inference native end-to-end với nms=False, tạo ra các dự đoán mà không cần bước NMS riêng biệt. Đường dẫn one-to-many mặc định sử dụng NMS để đảm bảo độ chính xác.

• Progressive Loss + STAL Progressive Loss chuyển trọng tâm huấn luyện sang head tại thời điểm suy luận, trong khi STAL cải thiện độ bao phủ nhãn dương cho các object nhỏ.

• Optimizer MuSGD Một optimizer lai kết hợp SGD với Muon, vận dụng các ý tưởng tối ưu hóa từ quá trình huấn luyện mô hình ngôn ngữ lớn vào thị giác máy tính.

• Triển khai Hiệu quả Phần đầu được đơn giản hóa và đường dẫn không cần NMS tùy chọn giúp giảm chi phí tính toán inference trên các mục tiêu xuất file và cấu hình phần cứng, bao gồm cả mức tăng tốc CPU ONNX được báo cáo trong bài báo cho YOLO26n so với YOLO11n.

• Cải tiến Instance Segmentation Giới thiệu semantic segmentation loss để cải thiện khả năng hội tụ của model và một proto module được nâng cấp, tận dụng thông tin đa tỉ lệ để nâng cao chất lượng mask. Bài báo báo cáo mức cải thiện so với YOLO11 lên tới +2.5 box AP và +3.7 mask AP trên instance segmentation của COCO.

• Ước tính tư thế chính xác Tích hợp Residual Log-Likelihood Estimation (RLE) để định vị keypoint chính xác hơn và tối ưu hóa quá trình decoding nhằm tăng tốc độ suy luận. Bài báo báo cáo mức cải thiện lên tới +7.2 AP so với YOLO11 trên pose estimation của COCO.

• Decoding OBB tinh chỉnh Giới thiệu angle loss chuyên biệt để cải thiện độ chính xác detection đối với các object hình vuông và tối ưu hóa decoding OBB nhằm giải quyết các vấn đề gián đoạn biên. Bài báo báo cáo mức cải thiện lên tới +3.4 mAP so với YOLO11 trên oriented detection của DOTA-v1.0.

Các task và mode được hỗ trợ#

YOLO26 hỗ trợ tập tác vụ Ultralytics tiêu chuẩn trên năm quy mô model:

Framework hợp nhất này bao phủ detection thời gian thực, instance segmentation, semantic segmentation, ước tính độ sâu đơn ảnh, classification, ước tính tư thế và detection object định hướng, cùng với hỗ trợ huấn luyện, validation, suy luận và export.

Metrics hiệu năng#

Các giá trị tham số Params và FLOPs áp dụng cho model đã gộp sau khi gấp Conv/BatchNorm và loại bỏ nhánh phát hiện không sử dụng. Các phép đo tốc độ chọn phần đầu không cần NMS với nms=False. Các checkpoint đã huấn luyện trước giữ nguyên kiến trúc huấn luyện đầy đủ và có thể hiển thị số lượng cao hơn.

Ví dụ sử dụng#

Phần này cung cấp các ví dụ đơn giản về huấn luyện và suy luận YOLO26. Để xem tài liệu đầy đủ về các mode này và các mode khác, hãy xem các trang tài liệu Predict, Train, Val và Export.

Lưu ý rằng ví dụ dưới đây dành cho các model YOLO26 Detect thực hiện object detection. Đối với các tác vụ được hỗ trợ khác, hãy xem tài liệu Segment, Semantic Segmentation, Depth, Classify, Pose và 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-many head (default, Ultralytics applies NMS)
results = model.predict("image.jpg")  # inference
metrics = model.val(data="coco.yaml")  # validation
model.export(format="onnx")  # export

# Opt into the NMS-free one-to-one head
results = model.predict("image.jpg", nms=False)  # inference
metrics = model.val(data="coco.yaml", nms=False)  # validation
model.export(format="onnx", nms=False)  # export

YOLOE-26: Detection và Segmentation với Open Vocabulary#

YOLO26 cũng vận hành YOLOE-26, một biến thể từ vựng mở có khả năng phát hiện và phân đoạn các danh mục đối tượng từ câu lệnh văn bản, câu lệnh trực quan, hoặc chế độ không có câu lệnh thay vì danh sách lớp cố định được học tại thời điểm huấn luyện. YOLOE-26 giữ lại đầu ra không cần NMS (e2e) tùy chọn của YOLO26, do đó suy luận từ vựng mở vẫn đủ nhanh cho các môi trường động nơi các danh mục mục tiêu thay đổi theo thời gian. YOLOE-26x đạt 40.6 AP trên tập LVIS minival dưới dạng câu lệnh văn bản, 38.5 AP dưới dạng câu lệnh trực quan và 31.1 AP ở chế độ không có câu lệnh — các số liệu Non-E2E của bài báo, mà đầu ra end-to-end của YOLOE-26 thấp hơn lần lượt là 1.1, 2.3 và 1.2 AP.

Xem tài liệu YOLOE để biết các bảng hiệu năng theo từng scale, các biến thể không prompt và ví dụ sử dụng đầy đủ.

Trích dẫn và ghi nhận đóng góp#

Để xem mô tả kỹ thuật đầy đủ về kiến trúc YOLO26, công thức huấn luyện, các task head và phần mở rộng open-vocabulary YOLOE-26, hãy đọc Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models. Nếu sử dụng YOLO26 trong nghiên cứu, vui lòng trích dẫn:

@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},
}

Code, model và tài liệu YOLO26 có sẵn trong repository Ultralytics trên GitHub và Ultralytics Docs theo giấy phép AGPL-3.0 và Enterprise.

FAQ#