Ultralytics YOLO26#

Tổng quan#

Ultralytics YOLO26 là một dòng mô hình thị giác thời gian thực hợp nhất được mô tả trong bài báo Ultralytics YOLO26. Mô hình này giới thiệu khả năng suy luận đầu cuối (end-to-end) nguyên bản, phần đầu phát hiện nhẹ hơn, công thức huấn luyện được cập nhật và các phần đầu chuyên biệt cho từng tác vụ như phát hiện, phân đoạn, ước lượng tư thế, phân loại và phát hiện định hướng.

Trên năm thang đo phát hiện, YOLO26 đạt 40.9-57.5 mAP trên COCO với độ trễ 1.7-11.8 ms trên T4 TensorRT. Bài báo cũng báo cáo tốc độ suy luận CPU ONNX nhanh hơn tới 43% đối với YOLO26n so với YOLO11n trên 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

Họ mô hình YOLO26 được xây dựng dựa trên bốn lĩnh vực thiết kế:

• Suy luận end-to-end tự nhiên: Đầu phát hiện one-to-one mặc định tạo ra các dự đoán mà không cần NMS, giúp đơn giản hóa việc triển khai và giảm bớt các bước hậu xử lý.
• Hồi quy hộp (box regression) nhẹ hơn: YOLO26 loại bỏ Distribution Focal Loss (DFL), làm giảm độ phức tạp của đầu phát hiện trong khi vẫn duy trì phạm vi hồi quy không giới hạn.
• Cập nhật công thức huấn luyện: Đường ống huấn luyện kết hợp MuSGD (trình tối ưu hóa lai giữa Muon và SGD), Progressive Loss, và STAL (Small-Target-Aware Label Assignment) để cải thiện quá trình tối ưu hóa, chuyển trọng tâm giám sát về phía phần đầu ở thời điểm suy luận, đồng thời duy trì độ bao phủ nhãn dương tính cho các đối tượng nhỏ. Các siêu tham số đầy đủ cho các checkpoint được phát hành được tài liệu hóa trong hướng dẫn Công thức Huấn luyện YOLO26.
• Các đầu ra và hàm mất mát chuyên biệt: YOLO26 bổ sung các thiết kế nhắm mục tiêu cho phân đoạn instance, các biến thể phân đoạn ngữ nghĩa, ước tính tư thế và phát hiện theo hướng trong khi vẫn duy trì một pipeline mô hình duy nhất cho tất cả các tác vụ.

Tổng hợp lại, những cập nhật này cải thiện sự cân bằng giữa độ chính xác và độ trễ trên các thang đo mô hình và mục tiêu triển khai khác nhau.

Tính năng chính#

• Hồi quy không dùng DFL YOLO26 loại bỏ Distribution Focal Loss (DFL), giúp giảm độ phức tạp của đầu phát hiện và đơn giản hóa quy trình xuất mô hình.

• Suy luận end-to-end không cần NMS Không giống như các bộ phát hiện truyền thống dựa vào NMS như một bước hậu xử lý riêng biệt, YOLO26 mặc định có khả năng end-to-end tự nhiên. Các dự đoán được tạo ra trực tiếp, giúp giảm độ trễ và làm cho việc tích hợp vào môi trường sản xuất trở nên đơn giản hơn.

• Progressive Loss + STAL Progressive Loss chuyển trọng tâm huấn luyện về phía đầu ra tại thời điểm suy luận, trong khi STAL cải thiện độ bao phủ nhãn dương tính cho các đối tượng nhỏ.

• Trình tối ưu hóa MuSGD Một trình tối ưu hóa lai kết hợp SGD với Muon, phỏng theo các ý tưởng tối ưu hóa từ việc huấn luyện mô hình ngôn ngữ lớn sang thị giác máy tính.

• Triển khai hiệu quả Đầu ra đơn giản hóa và đường dẫn mặc định không cần NMS giúp giảm chi phí suy luận trên các mục tiêu xuất và cấu hình phần cứng khác nhau, bao gồm cả tốc độ tăng cường CPU ONNX đối với YOLO26n so với YOLO11n đã được báo cáo trong bài báo.

• Cải tiến phân đoạn Instance Giới thiệu hàm mất mát phân đoạn ngữ nghĩa để cải thiện khả năng hội tụ của mô hình và mô-đun proto được nâng cấp tận dụng thông tin đa quy mô để đạt chất lượng mặt nạ (mask) vượt trội. Bài báo báo cáo mức tăng so với YOLO11 lên tới +2.5 box AP và +3.7 mask AP trên phân đoạn instance của COCO.

• Ước lượng Tư thế Chính xác Tích hợp Residual Log-Likelihood Estimation (RLE) để định vị điểm mốc (keypoint) chính xác hơn và tối ưu hóa quá trình giải mã để tăng tốc độ suy luận. Bài báo cáo cáo ghi nhận mức tăng lên đến +7.2 AP so với YOLO11 trên tác vụ ước lượng tư thế COCO.

• Giải mã OBB tinh chỉnh Giới thiệu hàm mất mát góc chuyên biệt để cải thiện độ chính xác phát hiện cho các đối tượng hình vuông và tối ưu hóa giải mã OBB để giải quyết các vấn đề gián đoạn biên. Bài báo báo cáo mức tăng tới +3.4 mAP so với YOLO11 trên tác vụ phát hiện theo hướng của DOTA-v1.0.

Các tác vụ và chế độ được hỗ trợ#

YOLO26 hỗ trợ bộ tác vụ chuẩn của Ultralytics trên năm thang đo mô hình:

Khung làm việc thống nhất này bao gồm phát hiện thời gian thực, phân đoạn thực thể, phân đoạn ngữ nghĩa, ước tính độ sâu đơn thị, phân loại, ước tính tư thế và phát hiện đối tượng có định hướng, với sự hỗ trợ cho việc huấn luyện, xác thực, suy luận và xuất dữ liệu.

Chỉ số hiệu suất#

Các giá trị Params và FLOPs dành cho mô hình đã hợp nhất sau model.fuse(), thao tác này gộp các lớp Conv và BatchNorm lại và loại bỏ phần đầu dò tìm một-nhiều phụ trợ. Các checkpoint tiền huấn luyện 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 với YOLO26. Để xem tài liệu đầy đủ về các chế độ (modes) này và các chế độ khác, hãy xem các trang tài liệu Predict, Train, Val và Export.

Lưu ý rằng ví dụ dưới đây áp dụng cho các mô hình YOLO26 Detect dành cho phát hiện đối tượng. Để biết các tác vụ được hỗ trợ bổ sung, 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-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: Phát hiện và Phân đoạn Từ vựng Mở (Open-Vocabulary)#

YOLO26 cũng hỗ trợ YOLOE-26, một biến thể từ vựng mở (open-vocabulary) có khả năng phát hiện và phân đoạn các danh mục đối tượng từ câu lệnh văn bản (text prompts), câu lệnh hình ảnh (visual prompts) hoặc chế độ không cần câu lệnh (prompt-free mode) thay vì danh sách lớp cố định đã học tại thời điểm huấn luyện. YOLOE-26 giữ nguyên thiết kế đầu cuối (e2e) không cần NMS của YOLO26, giúp cho việc suy luận từ vựng mở vẫn đủ nhanh cho các môi trường động nơi danh mục mục tiêu thay đổi theo thời gian. YOLOE-26x đạt 40.6 AP trên tập LVIS minival khi sử dụng câu lệnh văn bản, 38.5 AP khi sử dụng câu lệnh hình ảnh và 31.1 AP trong thiết lập không có câu lệnh Non-E2E.

Xem tài liệu YOLOE để biết bảng hiệu năng theo từng tỷ lệ, các biến thể không cần câu lệnh và các ví dụ sử dụng đầy đủ.

Trích dẫn và Ghi nhận#

Để có mô tả kỹ thuật đầy đủ về kiến trúc YOLO26, công thức huấn luyện, phần đầu tác vụ và tiện ích mở rộng từ vựng mở YOLOE-26, hãy đọc Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models. Nếu bạn sử dụng YOLO26 trong nghiên cứu của mình, 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},
}

Mã nguồn, mô hình và tài liệu của YOLO26 có sẵn trong kho lưu trữ GitHub của Ultralytics và Tài liệu Ultralytics theo các giấy phép AGPL-3.0 và Enterprise.

Câu hỏi thường gặp#

Những cải tiến chính trong YOLO26 là gì?#

• Hồi quy không cần DFL (DFL-free regression): Đơn giản hóa phần đầu phát hiện (detection head) và đường dẫn xuất (export path)
• Suy luận end-to-end không cần NMS: Loại bỏ NMS khỏi đường dẫn suy luận mặc định
• Progressive Loss + STAL: Cải thiện sự căn chỉnh huấn luyện và độ bao phủ nhãn đối tượng nhỏ
• Trình tối ưu hóa MuSGD: Kết hợp SGD với tối ưu hóa lấy cảm hứng từ Muon để huấn luyện ổn định
• Các đầu ra và hàm mất mát chuyên biệt cho từng tác vụ: Cải thiện hỗ trợ cho phân đoạn (segmentation), tư thế (pose) và phát hiện theo hướng (oriented detection)

YOLO26 hỗ trợ các tác vụ nào?#

YOLO26 là một họ model thống nhất, cung cấp hỗ trợ end-to-end cho nhiều tác vụ thị giác máy tính:

• Phát hiện đối tượng
• Phân đoạn Cá thể
• Phân đoạn Ngữ nghĩa
• Ước lượng Chiều sâu Đơn ảnh
• Phân loại Hình ảnh
• Ước lượng Tư thế
• Phát hiện Đối tượng Định hướng (OBB)

Mỗi biến thể kích thước (n, s, m, l, x) đều hỗ trợ tất cả các tác vụ, cộng với các phiên bản từ vựng mở thông qua YOLOE-26.

Tại sao YOLO26 lại hiệu quả cho việc triển khai?#

YOLO26 cải thiện hiệu suất triển khai nhờ:

• Inference end-to-end tự nhiên không cần NMS theo mặc định
• Hồi quy không cần DFL và detection head gọn nhẹ hơn
• Xuất mô hình đã hợp nhất giúp loại bỏ các thành phần phụ trợ chỉ dùng cho huấn luyện
• Inference ONNX trên CPU nhanh hơn tới 43% cho YOLO26n so với YOLO11n trên Intel Xeon CPU @ 2.00 GHz
• Các định dạng xuất linh hoạt bao gồm TensorRT, ONNX, CoreML, LiteRT, và OpenVINO

Làm thế nào để bắt đầu với YOLO26?#

Các mô hình YOLO26 có sẵn để tải xuống thông qua gói ultralytics. Cài đặt hoặc cập nhật gói và tải mô hình:

from ultralytics import YOLO

# Load a pretrained YOLO26 nano model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("image.jpg")

Xem phần Ví dụ Sử dụng để biết hướng dẫn huấn luyện, xác thực và xuất mô hình.