Ultralytics YOLO26#

概述#

Ultralytics YOLO26 是一个统一的实时视觉模型系列，详见 Ultralytics YOLO26 论文。它引入了原生端到端推理、更轻量化的检测头、更新的训练方案，以及用于检测、分割、姿态估计、分类和有向检测的任务专用头。

在五个检测尺度上，YOLO26 在 COCO 上达到了 40.9-57.5 mAP，且 T4 TensorRT 延迟仅为 1.7-11.8 毫秒。该论文还报告称，与 YOLO11n 相比，YOLO26n 在 Intel Xeon CPU @ 2.00 GHz 上的 CPU ONNX 推理速度提升了高达 43%。

from ultralytics import YOLO

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

YOLO26 模型系列围绕四个设计领域构建：

• 原生端到端推理： 默认的一对一检测头无需非极大值抑制（NMS）即可生成预测，简化了部署并减少了后处理工作。
• 更轻量的框回归： YOLO26 移除了分布焦点损失（DFL），在保持无约束回归范围的同时降低了检测头的复杂度。
• 训练方案更新： 训练流水线结合了 MuSGD（Muon 与 SGD 的混合优化器）、Progressive Loss 和 STAL（小目标感知标签分配，Small-Target-Aware Label Assignment），以改善优化过程、将监督重心转移至推理阶段的头部，并保持对小目标的正面标签覆盖率。发布检查点背后的完整超参数记录在 YOLO26 训练方案指南 中。
• 特定任务的头部和损失函数： YOLO26 增加了针对实例分割、语义分割变体、姿态估计和定向检测的专项设计，同时在不同任务间保持统一的模型流水线。

总而言之，这些更新优化了各模型尺度和部署目标在准确率与延迟之间的权衡。

主要特性#

• 无 DFL 回归 YOLO26 移除了分布焦点损失（DFL），降低了检测头的复杂度并简化了模型导出。

• 端到端无需 NMS 推理 与传统检测器依赖 NMS 作为独立的后处理步骤不同，YOLO26 默认是原生端到端的。预测结果直接生成，从而降低了延迟并简化了生产环境集成。

• Progressive Loss + STAL Progressive Loss 将训练重点转向推理阶段的头部，而 STAL 则改善了针对小目标的正标签覆盖率。

• MuSGD 优化器 这是一个将 SGD 与 Muon 相结合的混合优化器，将大语言模型训练中的优化思想适配到了计算机视觉中。

• 高效部署 简化的头部和无需 NMS 的默认路径减少了跨导出目标和硬件配置文件的推理开销，包括论文中报道的 YOLO26n 对比 YOLO11n 的 CPU ONNX 速度提升。

• 实例分割增强 引入了语义分割损失以提高模型收敛速度，并升级了原型模块（proto module），利用多尺度信息实现卓越的掩码质量。论文报告称，在 COCO 实例分割任务上，相较于 YOLO11，其框 AP 提升高达 +2.5，掩码 AP 提升高达 +3.7。

• 精确定位估计 集成了残差对数似然估计（RLE，Residual Log-Likelihood Estimation）以实现更准确的关键点定位，并优化了解码过程以提高推理速度。论文报告称，在 COCO 姿态估计上，相比 YOLO11 最高提升了 +7.2 AP。

• 改进的 OBB 解码 引入了专门的角度损失以提高方形物体的检测准确率，并优化了 OBB 解码以解决边界不连续问题。论文报告称，在 DOTA-v1.0 定向检测任务上，其 mAP 较 YOLO11 提升高达 +3.4。

支持的任务和模式#

YOLO26 在五个模型尺度上支持标准的 Ultralytics 任务集：

此统一框架涵盖了实时检测、实例分割、语义分割、单目深度估计、分类、姿态估计和定向目标检测，并支持训练、验证、推理和导出。

性能指标#

Params 和 FLOPs 值适用于 model.fuse() 之后的融合模型，该模型合并了 Conv 和 BatchNorm 层并删除了辅助的多对一检测头。预训练检查点保留了完整的训练架构，可能会显示更高的数值。

使用示例#

本节提供简单的 YOLO26 训练和推理示例。有关这些以及其他模式的完整文档，请参阅预测、训练、验证和导出文档页面。

请注意，以下示例适用于用于目标检测的 YOLO26 检测模型。有关其他受支持的任务，请参阅分割、语义分割、深度、分类、姿态和有向检测文档。

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：开放词汇检测与分割#

YOLO26 还为 YOLOE-26 提供支持，这是一个开放词汇变体，它通过文本提示词、视觉提示词或无提示词模式（而不是在训练时学习的固定类别列表）来检测和分割目标类别。YOLOE-26 保留了 YOLO26 的无 NMS、端到端（e2e）设计，因此开放词汇推理的速度足够快，适用于目标类别随时间动态变化的动态环境。YOLOE-26x 在文本提示下的 LVIS minival 上达到 40.6 AP，在视觉提示下达到 38.5 AP，在无提示词的非端到端（Non-E2E）设置下达到 31.1 AP。

有关每个尺度的性能表、无提示词变体和完整的使用示例，请参阅 YOLOE 文档。

引用与致谢#

有关 YOLO26 架构、训练方案、任务头和 YOLOE-26 开放词汇扩展的完整技术说明，请阅读 Ultralytics YOLO26: Unified Real-Time End-to-End Vision Models。如果在研究中使用了 YOLO26，请引用：

@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},
}

YOLO26 的代码、模型和文档可在 Ultralytics GitHub 仓库和 Ultralytics 文档中获取，采用 AGPL-3.0 和 Enterprise 许可证。

常见问题解答#