了解 Ultralytics YOLO26 中的端到端检测#

YOLO26 detection-style models — 包括检测、分割、姿态估计和 OBB — 默认采用 NMS-free：它们直接从模型输出最终检测结果，无需 Non-Maximum Suppression (NMS) 后处理步骤。像 YOLOv8 和 YOLO11 这样的早期模型会产生数千个重叠的预测结果，必须通过单独的 NMS 步骤进行过滤，这会增加延迟、使导出图变得复杂，并且在不同的硬件平台上表现可能不一致。

这被称为端到端 object detection，并且默认启用。其结果是更简单的部署流程和更低的延迟 — 在 CPU ONNX 推理（Intel Xeon CPU @ 2.00 GHz）上，YOLO26n 的运行速度比 YOLO11n 快高达 43%。

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

有关此架构转变背后动机的更深入探讨，请参阅 Ultralytics 关于为什么 YOLO26 移除 NMS 的博客文章。

端到端检测的工作原理#

YOLO26 在训练期间使用双头架构。两个头共享相同的骨干网络和颈部网络，但以不同的方式产生输出：

上述形状适用于检测，其中 N 是批大小，nc 是类别数（例如 COCO 的 80），而 8400 个锚点计数是 imgsz=640 处的值。其他任务将一对一输出扩展为每次检测包含额外数据：

在训练期间，两个头同时运行——多对一（one-to-many）头提供更丰富的学习信号，而一一对应头则学习产生干净、不重叠的预测。在推理和导出期间，默认只有一一对应头处于活跃状态，每张图像以 [x1, y1, x2, y2, confidence, class_id] 格式产生多达 300 个检测结果。

当你调用 model.fuse() 时，它会折叠 Conv + BatchNorm 层以加快推理速度，并且在端到端模型上，还会移除多对一头——从而减小模型大小和 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、验证和导出开箱即用地处理端到端模型。

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 运行推理时），你需要对其进行更新以处理新的输出形状：

对于分割、姿态和 OBB 任务，YOLO26 会向每个检测附加特定于任务的数据——请参阅输出形状表。

对于端到端模型，后处理变得简单得多——例如，在使用 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] > 0.25]  # confidence filter, no NMS

切换到一对多头#

如果你需要传统的 YOLO 输出格式（例如，为了重用现有的基于 NMS 的后处理代码），你可以在多对一头可用时通过设置 end2end=False 切换到它：

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#

大多数导出格式开箱即生地支持端到端推理，包括 ONNX、TensorRT、CoreML、OpenVINO、LiteRT 和 MNN。

以下格式不支持端到端，并且会自动回退到多对一头：NCNN、RKNN、PaddlePaddle、ExecuTorch、IMX、Edge TPU 和 Qualcomm QNN。

对于 Hailo，导出器是从加载的检测头而不是从参数中选择输出路径，因此如果传入 end2end 将被拒绝：默认的 YOLO26 检测模型保留其无 NMS 的一对一输出，而检测头已经是 end2end=False 的检查点则使用 HailoRT NMS 编译传统路径。

准确度与速度权衡#

端到端检测在对准确率影响极小的情况下，提供了显著的部署优势：

在五个检测尺度上，一对一检测头在 COCO 上会损失 0.6-0.8 的 mAP — YOLO26n 为 40.9 到 40.1，YOLO26x 为 57.5 到 56.9 — 以完全舍弃 NMS 过程为代价。如果最高准确度是你的首选，请使用 end2end=False 回退到多对一头。

有关所有模型大小（n、s、m、l、x）的详细基准测试，请参阅 YOLO26 性能指标。

从 YOLOv8 或 YOLO11 迁移#

如果你正在将现有项目升级到 YOLO26：

• 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——用于检测的 (N, 300, 6)，加上用于分割、姿态和 OBB 的特定于任务的数据。同时请注意框格式从 xywh 到 xyxy 的更改
• 导出管道： 检查你的目标格式的格式兼容性部分
• TensorRT 8.5.0 以下版本： 端到端在所有精度下均被禁用 — 请将 TensorRT 升级到 8.5.0 或更高版本以保留它
• 量化导出： JetPack 6 上带有 quantize=8 的 TensorRT 10.3.0，以及带有 quantize=8 或 quantize="w8a16" 的 LiteRT，会自动禁用端到端 — 请以更高的精度导出以保留它
• FP16 导出： 如果你需要 FP16 中的所有输出，请使用 end2end=False 进行导出——请参阅为什么 output0 保持为 FP32
• iOS / CoreML： 完全支持端到端。如果你需要 Xcode 预览支持，请将 end2end=False 与 nms=True 一起使用
• 边缘设备 (NCNN, RKNN)： 这些格式会自动回退到一对多，因此请在你的设备端流水线中包含 NMS

结论#

端到端检测是 YOLO26 中的默认设置，如果你使用 Ultralytics Python API 或 CLI，则不需要更改代码。只有自定义后处理管道需要更新以读取新的 (N, 300, 6) 输出并放弃 NMS 步骤——除了回退到多对一输出的导出格式（如 NCNN 和 RKNN），它们仍然需要在设备上进行 NMS。有关所有模型大小的详细速度和准确率基准测试，请参阅 YOLO26 模型页面；有关导出选项和格式的完整集合，请参阅导出模式文档。

常见问题解答#