理解 Ultralytics YOLO26 中的端到端检测

介绍

If you're upgrading to YOLO26 from an earlier model like YOLOv8 or YOLO11, one of the biggest changes you'll notice is the removal of Non-Maximum Suppression (NMS). Traditional YOLO models produce thousands of overlapping predictions that need a separate NMS post-processing step to filter down to final detections. This adds latency, complicates export graphs, and can behave inconsistently across different hardware platforms.

YOLO26 采用了不同的方法。它直接从模型输出最终检测结果，无需外部筛选。这就是所谓的端到端 目标检测，并且在所有 YOLO26 模型中默认启用。其结果是更简单的部署流水线、更低的延迟，以及在 CPU 上高达 43% 的推理加速。

本指南将带你了解其中的变化、你是否需要更新代码、哪些导出格式支持端到端推理，以及如何从旧版 YOLO 模型平滑迁移。

如需更深入了解这一架构转变背后的动机，请参阅 Ultralytics 博客文章：YOLO26 为何移除 NMS 及其对部署的影响。

端到端检测的工作原理

YOLO26 在 训练 期间使用了双头架构。两个头共享相同的骨干网络 (backbone) 和颈部 (neck)，但以不同的方式产生输出：

上述形状适用于 检测 任务。其他任务在一对一输出的基础上为每个检测结果附加了额外数据：

在训练期间，两个头同时运行——一对多头提供更丰富的学习信号，而一对一头则学习产生干净、无重叠的预测。在 推理 和 导出 过程中，默认仅激活 一对一头，每张图像最多生成 300 个检测结果，格式为 [x1, y1, x2, y2, confidence, class_id]。

当你调用 model.fuse() 时，它会融合 Conv + BatchNorm 层以实现更快的推理，并且在端到端模型上，还会移除一对多头——从而减小模型大小并降低 FLOPs。有关双头架构的更多详细信息，请参阅 YOLO26 模型页面。

我需要更改我的代码吗？

使用 Ultralytics Python API 或 CLI

无需更改。 如果你使用标准的 Ultralytics Python API 或 CLI，一切都会自动运行——预测、验证 和 导出 都能直接处理端到端模型。

from ultralytics import YOLO

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

# Predict — no NMS step, no code changes
results = model.predict("image.jpg")

使用自定义推理代码

是的，输出格式不同。 如果你为 YOLOv8 或 YOLO11 编写了自定义后处理逻辑（例如，在使用 ONNX Runtime 或 TensorRT 进行推理时），你需要对其进行更新以处理新的输出形状：

对于 分割、姿态估计 和 OBB 任务，YOLO26 会在每个检测结果后附加任务特定的数据——请参阅上面的 输出形状表格。

其中 N 是 批次大小，nc 是类别数量（例如，COCO 为 80）。

使用端到端模型时，后处理变得简单得多——例如，使用 ONNX Runtime 时：

import onnxruntime as ort

# Load and run the exported end-to-end model
session = ort.InferenceSession("yolo26n.onnx")
output = session.run(None, {session.get_inputs()[0].name: input_tensor})

# End-to-end output: (batch, 300, 6) → [x1, y1, x2, y2, confidence, class_id]
detections = output[0][0]  # first image in batch
detections = detections[detections[:, 4] > conf_threshold]  # confidence filter — that's it!

切换到一对多头

如果你需要传统的 YOLO 输出格式（例如，为了复用现有的基于 NMS 的后处理代码），你可以通过设置 end2end=False 随时切换到一对多头：

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Prediction with NMS (traditional behavior)
results = model.predict("image.jpg", end2end=False)

# Validation with NMS
metrics = model.val(data="coco.yaml", end2end=False)

# Export without end-to-end
model.export(format="onnx", end2end=False)

导出格式兼容性

大多数 导出格式 都原生支持端到端推理，包括 ONNX、TensorRT、CoreML、OpenVINO、TFLite、TF.js 和 MNN。

以下格式 不支持 端到端，并会自动回退到一对多头：NCNN、RKNN、PaddlePaddle、ExecuTorch、IMX 和 Edge TPU。

精度与速度的权衡

端到端检测提供了显著的部署优势，且对 精度 的影响极小：

对于大多数实际应用，~0.5 mAP 的差异是可以忽略不计的，特别是在考虑到速度和简洁性收益时。如果最高精度是你的首要任务，你可以随时使用 end2end=False 回退到一对多头。

请参阅 YOLO26 性能指标 以获取所有模型尺寸 (n, s, m, l, x) 的详细基准测试。

从 YOLOv8 或 YOLO11 迁移

如果你要将现有项目升级到 YOLO26，这里有一份快速检查清单以确保平滑过渡：

• Ultralytics API / CLI 用户： 无需更改，只需将模型名称更新为 yolo26n.pt（或 yolo26n-seg.pt, yolo26n-pose.pt, yolo26n-obb.pt）
• 自定义后处理代码： 更新以处理新的输出形状——检测为 (N, 300, 6)，外加 分割、姿态估计 和 OBB 的任务特定数据。还要注意框格式从 xywh 到 xyxy 的变化
• 导出流水线： 检查上述 格式兼容性 部分以获取你的目标格式信息
• TensorRT + INT8： 验证你的 TensorRT 版本是否 >10.3.0 以获得端到端支持
• FP16 导出： 如果你需要所有输出为 FP16，请使用 end2end=False 导出——请参阅 为什么 output0 在使用 half=True 和 end2end=True 导出时保持 FP32
• iOS / CoreML： 完全支持端到端。如果你需要 Xcode 预览支持，请使用 end2end=False 配合 nms=True
• 边缘设备 (NCNN, RKNN)： 这些格式会自动回退到一对多，因此请在设备端流水线中包含 NMS

常见问题 (FAQ)

我能同时使用 end2end=True 和 nms=True 吗？

No. These options are mutually exclusive. If you set nms=True on an end-to-end model during export, it will be automatically forced to nms=False with a warning. The end-to-end head already handles duplicate filtering internally, so external NMS is unnecessary.

但是，end2end=False 结合 nms=True 是一个有效的配置——它将传统的 NMS 固化到导出图中。这对 CoreML 导出很有用，因为它让你能够直接在 Xcode 中使用检测模型的预览功能。

max_det 参数在端到端模型中控制什么？

max_det 参数（默认：300）设置了端到端模型每张图像可以输出的最大检测数量。你可以在推理或导出时进行调整：

model.predict("image.jpg", max_det=100)  # fewer detections, slightly faster
model.export(format="onnx", max_det=500)  # more detections for dense scenes

注意，默认的 YOLO26 检查点是使用 max_det=300 训练的。虽然你可以增加该值，但一对一头在训练期间被优化为最多生成 300 个清晰的检测结果，因此超出此限制的检测结果质量可能会降低。如果你每张图像需要超过 300 个检测结果，请考虑以更高的 max_det 值重新训练。

我导出的 ONNX 模型输出 (1, 300, 6) —— 这正确吗？

是的，这是检测预期的端到端输出格式：批次大小 为 1，最多 300 个检测结果，每个结果有 6 个值 [x1, y1, x2, y2, confidence, class_id]。只需按置信度阈值进行过滤即可——无需 NMS。

对于其他任务，输出形状有所不同：

如何检查我的导出模型是否为端到端？

你可以使用 Ultralytics Python API，或者直接检查导出的 ONNX 模型元数据来进行验证：

from ultralytics import YOLO

model = YOLO("yolo26n.onnx")
model.predict(verbose=False)  # run predict to setup predictor first
print(model.predictor.model.end2end)  # True if end-to-end is enabled

或者，检查输出形状——端到端检测模型的输出为 (1, 300, 6)，而传统模型的输出为 (1, nc + 4, 8400)。关于其他任务的形状，请参阅 输出形状常见问题解答。

分割、姿态和 OBB 任务支持端到端吗？

支持。所有 YOLO26 任务变体——检测、分割、姿态估计 和 旋转目标检测 (OBB)——默认都支持端到端推理。同时，所有任务也都提供 end2end=False 的回退选项。

每个任务都会在基础检测输出的基础上扩展特定任务的数据：