了解 Ultralytics YOLO26 中的端到端检测#

如果你正在从之前的模型（例如 YOLOv8 或 YOLO11）升级到 YOLO26，你会注意到的最大变化之一就是移除了非叕枀值抑制 (NMS)。传统的 YOLO 模型会产生数千个重叠的预测结果，需要一个独立的 NMS 后处理步骤来过滤出最终检测结果。这会增加延迟，使导出图表变得复杂，并出现在不同硬件平台上行为不一致的情况。

YOLO26 采用了不同的方法。它直接从模型输出最终检测结果——无需外部过滤。这被称为端到端对象检测，并且在所有 YOLO26 模型中默认启用。其结果是更简单的部署管道、更低的延迟，以及在 CPU 上高达 43% 的更快推理速度。

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：

上面的形状适用于检测。其他任务通过每个检测的附加数据来扩展一一对应（one-to-one）输出：

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。

其中 N 是批量大小，nc 是类别数（例如，COCO 的 80 个）。

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] > 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 HEF，编译步骤在 ONNX 导出之后的 model.export(format=...) 外部进行。请使用与你的确切检测模型相匹配的 Hailo DFC 日志、.alls 模型脚本和 NMS JSON；如果你的 Hailo 工具链不支持端到端 YOLO26 图，请使用 end2end=False 导出 ONNX 模型并编译传统检测头。

准确性和速度权衡#

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：

对于大多数实际应用来说，~0.5 的 mAP 差异可以忽略不计，特别是考虑到速度和简单性的提升。如果最高准确率是你的首要任务，你随时可以使用 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，这里有一份简要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——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 + INT8： 在 JetPack 6 上，TensorRT 10.3.0 会随 quantize=8 自动禁用端到端——请使用不同的 TensorRT 版本来保持端到端
• 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#

我能同时使用 end2end=True 和 nms=True 吗？#

不是。这些选项是互斥的。如果你在导出时为端到端模型设置了 nms=True，它将自动强制为 nms=False 并发出警告。端到端头已经型内部处理了重复过滤，因此外部 NMS 是不必要的。

然而，end2end=False 结合 nms=True 是一个有效的配置——它将传统的 NMS 烘焙到导出图中。这对于 CoreML 导出非常有用，因为它允许你直接将 Xcode 中的预览功能与检测模型一起使用。

在端到端模型中，max_det 参数控制什么？#

max_det 参数（默认值：300）设置每张图像返回的最大检测数。你可以在推理或导出时对其进行调整：

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

请注意，默认的 YOLO26 检查点是用 max_det=300 训练的。虽然你可以增加这个值，但一一对应头在训练期间经过优化，最多可产生 300 个干净的检测结果，因此超出该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，请考虑使用更高的 max_det 值进行重新训练。

我导出的 ONNX 模型输出为 (1, 300, 6) —— 这是正确的吗？#

是的，这正是检测的预期端到端输出格式：批量大小为 1，最多 300 个检测，每个检测有 6 个值 [x1, y1, x2, y2, confidence, class_id]。只需按置信度阈值过滤即可完成——无需 NMS。

对于其他任务，输出形状会有所不同：

如何检查我导出的模型是否为端到端模型？#

你可以使用 Ultralytics Python API 或直接检查导出的 ONNX 模型元数据来查看：

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——端到端检测模型输出 (1, 300, 6)，而传统模型输出 (1, nc + 4, 8400)。有关其他任务形状，请参阅输出形状常见问题解答。

实例分割、姿态估计和 OBB 任务是否支持端到端？#

是的。YOLO26 检测样式的任务变体——检测、实例分割、姿态估计和有向目标检测 (OBB)——默认支持端到端推理。end2end=False 回退也可以在这些任务中使用。

每项任务都会在基础检测输出上扩展特定于任务的数据：