Wie Ultralytics YOLO26 mit ProgLoss, STAL und MuSGD intelligenter trainiert

Letzte Woche haben wir Ultralytics YOLO26 veröffentlicht und damit einen neuen Maßstab für Edge-First-Computer-Vision-Modelle in Echtzeit gesetzt. Wie frühere Ultralytics-YOLO-Modelle, etwa Ultralytics YOLO11, unterstützt YOLO26 die grundlegenden Computer-Vision-Aufgaben, mit denen Nutzer vertraut sind, darunter Objekterkennung, Instanzsegmentierung und Posenschätzung.

Abb. 1. Beispiel für die Verwendung von Ultralytics YOLO26 zur Segmentierung von Objekten in einem Bild.

Ultralytics YOLO26 ist jedoch nicht einfach nur eine inkrementelle Aktualisierung. Auch wenn die unterstützten Aufgaben vertraut wirken, stellt dieses neue Modell einen innovativen Schritt nach vorn bei der Entwicklung von Computer-Vision-Modellen dar. Bei YOLO26 geht es nicht nur um effiziente Inferenz, sondern auch darum, das Training stabiler zu machen.

Ultralytics YOLO26 wurde mit Blick auf den gesamten Trainingszyklus entwickelt. Das bedeutet schnellere Konvergenz, zuverlässigere Trainingsläufe und ein konsistentes Modellverhalten. Diese Verbesserungen sind besonders wichtig in realen Arbeitsabläufen, in denen die Zuverlässigkeit des Trainings direkt beeinflusst, wie schnell Modelle weiterentwickelt und bereitgestellt werden können.

Dafür führt Ultralytics YOLO26 mehrere gezielte Trainingsinnovationen ein, darunter progressiven Verlustausgleich (ProgLoss), die labelgestützte Zuweisung für kleine Ziele (STAL) und den MuSGD-Optimierer. Zusammengenommen verbessern diese Änderungen den Ausgleich der Lernverluste, die Zuweisung von Labels und das Optimierungsverhalten im Laufe der Zeit.

In diesem Artikel untersuchen wir, wie die einzelnen Mechanismen funktionieren und warum sie das Training von Ultralytics YOLO26 vereinfachen und das Modell in großem Maßstab zuverlässiger machen. Legen wir los!

Ultralytics YOLO26: Für intelligenteres Training entwickelt, nicht nur für schnellere Ausführung#

Ultralytics YOLO26 optimiert die gesamte Inferenzpipeline von Haus aus, indem es Abhängigkeiten von Nachbearbeitungsschritten wie Non-Maximum Suppression beseitigt. Anstatt zahlreiche überlappende Vorhersagen zu erzeugen und diese anschließend zu filtern, gibt YOLO26 die endgültigen Erkennungen direkt aus dem Netzwerk aus.

Dadurch wird YOLO26 zu einem End-to-End-Modell, in dem die Vorhersage, die Auflösung von Duplikaten und die endgültigen Ausgaben direkt im Netzwerk gelernt werden. Das vereinfacht die Bereitstellung und steigert die Inferenzeffizienz, wirkt sich aber auch darauf aus, wie das Modell während des Trainings lernt.

Abb. 2. YOLO26 ermöglicht eine hochmoderne End-to-End-Inferenz ohne NMS (Quelle)

In einem solchen End-to-End-System sind Training und Inferenz eng miteinander verknüpft. Da es keine externe Nachverarbeitungsstufe gibt, die Vorhersagen nachträglich korrigiert, muss das Modell bereits während des Trainings lernen, klare und zuverlässige Entscheidungen zu treffen.

Dadurch ist es besonders wichtig, dass Trainingsziele und Inferenzverhalten aufeinander abgestimmt sind. Jede Abweichung zwischen dem Training des Modells und seiner Verwendung zur Inferenz kann zu instabilem Lernen oder einer langsameren Konvergenz führen.

Ultralytics YOLO26 begegnet dieser Herausforderung, indem der Trainingsprozess von Anfang an auf den Einsatz in der Praxis ausgerichtet ist. Statt sich ausschließlich auf die Inferenzgeschwindigkeit zu konzentrieren, ist das Trainingssystem darauf ausgelegt, stabiles Lernen über lange Trainingsläufe, eine gleichmäßige Konvergenz über Modellgrößen von Nano bis Extra Large und robuste Leistung auf vielfältigen Datensätzen zu unterstützen.

Wie zwei Trainingsköpfe das Lernen in Ultralytics YOLO26 verbessern#

Eine der wichtigsten Trainingsinnovationen in Ultralytics YOLO26 baut auf einem Ansatz mit zwei Köpfen auf, der bereits in früheren YOLO-Modellen verwendet wurde. Bei Objekterkennungsmodellen bezeichnet ein Kopf den Teil des Netzwerks, der für die Erstellung von Vorhersagen zuständig ist.

Anders gesagt: Erkennungsköpfe lernen vorherzusagen, wo sich Objekte in einem Bild befinden und um welche Objekte es sich handelt. Dazu regressieren sie die Koordinaten von Begrenzungsrahmen, das heißt, sie lernen, Position und Größe jedes Objekts im Eingabebild zu schätzen.

Während des Trainings lernt das Modell, indem es einen Verlust minimiert. Dieser ist ein numerisches Maß dafür, wie stark seine Vorhersagen von den korrekten Antworten beziehungsweise den Ground-Truth-Daten abweichen. Ein niedrigerer Verlust bedeutet, dass die Vorhersagen des Modells näher an den Ground-Truth-Daten liegen, während ein höherer Verlust auf größere Fehler hindeutet. Die Verlustberechnung steuert, wie das Modell seine Parameter während des Trainings aktualisiert.

Ultralytics YOLO26 verwendet während des Trainings zwei Erkennungsköpfe, die dasselbe zugrunde liegende Modell nutzen, aber unterschiedliche Aufgaben erfüllen. Der Eins-zu-eins-Kopf kommt bei der Inferenz zum Einsatz. Er lernt, jedes Objekt mit einer einzigen, zuverlässigen Vorhersage zu verknüpfen – eine wesentliche Voraussetzung für das End-to-End-Design von YOLO26 ohne NMS.

Der Eins-zu-viele-Kopf wird dagegen nur während des Trainings verwendet. Er ermöglicht es, mehrere Vorhersagen demselben Objekt zuzuordnen, und sorgt so für eine dichtere Überwachung. Dieses reichhaltigere Lernsignal trägt zur Stabilisierung des Trainings und zu einer höheren Genauigkeit bei, insbesondere in den frühen Trainingsphasen.

In Ultralytics YOLO26 verwenden beide Köpfe dieselbe Verlustberechnung für die Boxregression und Klassifizierung. Frühere Implementierungen gewichteten diese beiden Verlustsignale während des gesamten Trainings in einem festen Verhältnis.

In der Praxis ändert sich jedoch die Bedeutung der beiden Köpfe im Laufe der Zeit. Eine dichte Überwachung ist zu Beginn am nützlichsten, während die Übereinstimmung mit dem Inferenzverhalten später im Training an Bedeutung gewinnt. Ultralytics YOLO26 wurde mit Blick auf diese Erkenntnis entwickelt, die direkt dazu führt, wie die Lernsignale im Verlauf des Trainings neu gewichtet werden.

Ultralytics YOLO26 verwendet eine progressive Verlustgewichtung#

Wie geht Ultralytics YOLO26 also während des Trainings mit diesen wechselnden Lernanforderungen um? Mit einer progressiven Verlustgewichtung, die die Gewichtung der Lernsignale im Zeitverlauf anpasst.

ProgLoss verschiebt dynamisch den Anteil, den jeder Kopf zum Gesamtverlust beiträgt, während das Training voranschreitet. Zu Beginn erhält der Eins-zu-viele-Kopf mehr Gewicht, um das Lernen zu stabilisieren und den Recall zu verbessern. Im weiteren Trainingsverlauf verschiebt sich das Verhältnis schrittweise zugunsten des Eins-zu-eins-Kopfs, sodass das Training stärker dem Inferenzverhalten entspricht.

Dieser schrittweise Übergang ermöglicht es Ultralytics YOLO26, in der richtigen Reihenfolge zu lernen. Statt das Modell zu zwingen, konkurrierende Ziele gleichzeitig zu optimieren, priorisiert die progressive Verlustgewichtung in jeder Trainingsphase das jeweils nützlichste Lernsignal. Das Ergebnis sind eine gleichmäßigere Konvergenz, weniger instabile Trainingsläufe und eine konsistentere Leistung am Ende.

Wie STAL Ultralytics YOLO26 beim Lernen mit winzigen Objekten unterstützt#

Eine weitere interessante Verbesserung beim Training von Ultralytics YOLO26 betrifft die Zuweisung von Trainingszielen zu Vorhersagen – ein Vorgang, der als Label-Zuweisung bezeichnet wird. Dabei werden Ground-Truth-Objekte passenden Vorhersagekandidaten zugeordnet, die häufig Anker genannt werden.

Diese Zuordnungen bestimmen, welche Vorhersagen eine Überwachung erhalten und zum Verlust beitragen. Ultralytics YOLO26 baut auf einem bestehenden Verfahren zur Label-Zuweisung namens Task Alignment Learning (TAL) auf, das die Abstimmung von Klassifizierung und Lokalisierung während des Trainings verbessern soll.

TAL funktioniert zwar bei den meisten Objekten gut, doch das Training offenbarte eine wichtige Einschränkung. Bei der Zuordnung konnten sehr kleine Objekte vollständig verloren gehen. In der Praxis erhielten Objekte mit einer Größe von weniger als etwa 8 Pixeln in einem 640 Pixel großen Eingabebild häufig keine Ankerzuweisungen. In solchen Fällen erhält das Modell für diese Objekte kaum oder gar keine Überwachung, sodass es schwierig ist, sie zuverlässig zu erkennen.

Um dieses Problem zu beheben, führt Ultralytics YOLO26 Small-Target-Aware Label Assignment (STAL) ein. STAL passt den Zuweisungsprozess so an, dass kleine Objekte während des Trainings nicht ignoriert werden. Konkret erzwingt das Verfahren mindestens vier Ankerzuweisungen für Objekte, die kleiner als 8 Pixel sind. So tragen auch winzige Objekte zuverlässig zum Trainingsverlust bei.

Durch die stärkere Überwachung kleiner Ziele verbessert STAL die Lernstabilität und Erkennungsleistung in Szenarien, in denen kleine oder weit entfernte Objekte häufig vorkommen. Diese Verbesserung ist besonders wichtig für Anwendungen mit YOLO26 für den Einsatz am Netzwerkrand, etwa bei Luftbildern, in der Robotik und in Systemen des Internets der Dinge (IoT), in denen Objekte oft klein, weit entfernt oder teilweise verdeckt sind und eine zuverlässige Erkennung entscheidend ist.

Ultralytics YOLO26 führt den MuSGD-Optimierer ein#

Um ein stabileres und besser vorhersagbares Training zu ermöglichen, führt Ultralytics YOLO26 außerdem einen neuen Optimierer namens MuSGD ein. Dieser Optimierer soll die Konvergenz und Zuverlässigkeit des Trainings bei End-to-End-Erkennungsmodellen verbessern, insbesondere wenn Modellgröße und Trainingskomplexität zunehmen.

Damit ein neuronales Netz lernen und seine Gewichte entsprechend anpassen kann, berechnen wir während des Trainings einen Fehler (auch „Verlust“ genannt). Das Modell misst also anhand eines Verlustwerts, wie falsch seine Vorhersagen sind, berechnet Gradienten, die anzeigen, wie seine Parameter angepasst werden sollten, und aktualisiert diese Parameter anschließend, um den Fehler zu verringern. Der stochastische Gradientenabstieg (SGD) ist ein weit verbreiteter Optimierer, der diese Aktualisierungen vornimmt und so ein effizientes und skalierbares Training ermöglicht.

Abb. 3. Stochastischer Gradientenabstieg im Vergleich zum Gradientenabstieg (Quelle)

MuSGD baut auf dieser bewährten Grundlage auf und bezieht Optimierungsideen ein, die von Muon inspiriert sind – einem Verfahren, das beim Training großer Sprachmodelle zum Einsatz kommt. Diese Ideen wurden durch jüngste Fortschritte wie Kimi K2 von Moonshot AI beeinflusst, das durch stärker strukturierte Parameteraktualisierungen ein verbessertes Trainingsverhalten zeigte.

Ultralytics YOLO26 verwendet eine hybride Aktualisierungsstrategie. Einige Parameter werden mit einer Kombination aus von Muon inspirierten Aktualisierungen und SGD aktualisiert, während für andere ausschließlich SGD verwendet wird. So kann YOLO26 den Optimierungsprozess stärker strukturieren und zugleich die Robustheit und Generalisierungsfähigkeit bewahren, für die sich SGD bewährt hat.

Das Ergebnis sind eine gleichmäßigere Optimierung, eine schnellere Konvergenz und ein besser vorhersagbares Trainingsverhalten über verschiedene Modellgrößen hinweg. Damit ist MuSGD ein wichtiger Grund dafür, dass Ultralytics YOLO26 leichter zu trainieren und auch bei großen Modellen zuverlässiger ist.

Die Bedeutung der Trainingsinnovationen von Ultralytics YOLO26#

Die Trainingsinnovationen von Ultralytics YOLO26 machen das Modell zusammen mit wichtigen Merkmalen wie dem End-to-End-Design ohne NMS und der Ausrichtung auf den Einsatz am Netzwerkrand leichter trainierbar und auch bei großen Modellen zuverlässiger. Vielleicht fragst du dich, was das konkret für Computer-Vision-Anwendungen bedeutet.

Abb. 4. Ein Überblick über die wichtigsten Funktionen von YOLO26 (Quelle)

In der Praxis wird es dadurch deutlich einfacher, Computer Vision dort einzusetzen, wo die Systeme tatsächlich laufen. Modelle lassen sich besser vorhersagbar trainieren, skalieren über verschiedene Größen hinweg gleichmäßiger und einfacher an neue Datensätze anpassen. Das verringert den Aufwand für den Übergang vom Experimentieren zur Bereitstellung, insbesondere in Umgebungen, in denen Zuverlässigkeit und Effizienz ebenso wichtig sind wie die reine Leistung.

Beispielsweise müssen Modelle in der Robotik und bei industriellen Bildverarbeitungsanwendungen oft regelmäßig neu trainiert werden, wenn sich Umgebungen, Sensoren oder Aufgaben ändern. Mit Ultralytics YOLO26 können Teams schneller iterieren, ohne sich über instabile Trainingsläufe oder uneinheitliches Verhalten bei unterschiedlichen Modellgrößen sorgen zu müssen.

Die wichtigsten Erkenntnisse#

Zuverlässige Computer-Vision-Systeme hängen ebenso sehr davon ab, wie Modelle trainiert werden, wie von ihrer Leistung zur Inferenzzeit. Indem Ultralytics YOLO26 die Gewichtung der Lernsignale, den Umgang mit kleinen Objekten und den Verlauf der Optimierung verbessert, wird das Training stabiler und lässt sich einfacher skalieren. Der Fokus auf zuverlässiges Training hilft Teams, reibungsloser vom Experimentieren zur Bereitstellung in der Praxis überzugehen – besonders bei Anwendungen am Netzwerkrand.

Möchtest du mehr über KI erfahren? Besuche unser GitHub-Repository, um mehr zu entdecken. Werde Teil unserer aktiven Community und erfahre mehr über Innovationen in Bereichen wie KI in der Logistik und visuelle KI in der Automobilindustrie. Wenn du heute mit Computer Vision loslegen möchtest, sieh dir unsere Lizenzoptionen an.