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-Echtzeit-Computer-Vision-Modelle gesetzt. Ähnlich wie frühere Ultralytics YOLO models, wie zum Beispiel Ultralytics YOLO11, unterstützt YOLO26 die grundlegenden Computer-Vision-Aufgaben, die Anwender bereits kennen, darunter Objekterkennung, Instanzsegmentierung und Pose Estimation.

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

Allerdings ist Ultralytics YOLO26 nicht nur ein inkrementelles Update. Auch wenn die unterstützten Aufgaben vertraut wirken mögen, stellt dieses neue Modell einen innovativen Schritt nach vorn dar, wie computer vision-Modelle trainiert werden. Bei YOLO26 geht der Fokus über die Inferenzeffizienz hinaus und zielt darauf ab, das Training stabiler zu machen.

Ultralytics YOLO26 wurde im Hinblick auf den vollständigen Trainingslebenszyklus entwickelt. Das bedeutet eine schnellere Konvergenz, zuverlässigere Trainingsläufe und ein konsistentes Modellverhalten. Diese Verbesserungen sind besonders wichtig in realen Arbeitsabläufen, in denen die Trainingszuverlässigkeit direkt beeinflusst, wie schnell Modelle iteriert und bereitgestellt werden können.

Um dies zu ermöglichen, führt Ultralytics YOLO26 mehrere gezielte Trainingsinnovationen ein, wie Progressive Loss Balancing (ProgLoss), Small-Target-Aware Label Assignment (STAL) und den MuSGD-Optimierer. Zusammen verbessern diese Änderungen, wie der Lernverlust ausbalanciert wird, wie Labels zugewiesen werden und wie sich die Optimierung im Laufe der Zeit verhält.

In diesem Artikel untersuchen wir, wie jeder dieser Mechanismen funktioniert und warum sie Ultralytics YOLO26 einfacher zu trainieren und skalierbarer machen. Lass uns anfangen!

Ultralytics YOLO26: Entwickelt, um intelligenter zu trainieren, nicht nur schneller zu laufen#

Ultralytics YOLO26 optimiert nativ die gesamte Inferenz-Pipeline, indem es auf Post-Processing-Schritte wie Non-Maximum Suppression verzichtet. Anstatt viele überlappende Vorhersagen zu generieren und diese anschließend zu filtern, produziert YOLO26 finale Erkennungen direkt aus dem Netzwerk.

Es macht YOLO26 zu einem End-to-End-Modell, bei dem Vorhersage, Duplikatausschluss und Endergebnisse direkt im Netzwerk selbst gelernt werden. Dies vereinfacht die Bereitstellung und verbessert die Inferenz-Effizienz, während gleichzeitig beeinflusst wird, wie das Modell während des Trainings lernt.

Abb. 2: YOLO26 liefert modernste End-to-End-Inferenz ohne NMS (Source)

In einem solchen End-to-End-System sind Training und Inferenz eng miteinander verbunden. Da es keine externe Post-Processing-Phase gibt, um Vorhersagen später zu korrigieren, muss das Modell lernen, während des Trainings selbst klare und selbstbewusste Entscheidungen zu treffen.

Dies macht die Abstimmung zwischen Trainingszielen und Inferenzverhalten besonders wichtig. Jede Abweichung zwischen der Art und Weise, wie das Modell trainiert wird, und wie es zum Zeitpunkt der Inferenz verwendet wird, kann zu instabilem Lernen oder langsamerer Konvergenz führen.

Ultralytics YOLO26 löst dies, indem der Trainingsprozess von Anfang an auf den realen Einsatz ausgerichtet wird. Anstatt sich nur auf die Inferenzgeschwindigkeit zu konzentrieren, ist das Trainingssystem so aufgebaut, dass es stabiles Lernen über lange Läufe hinweg, eine konsistente Konvergenz über Modellgrößen von Nano bis Extra Large hinweg und eine robuste Leistung bei verschiedenen Datensätzen unterstützt.

Wie zwei Trainings-Heads das Lernen in Ultralytics YOLO26 verbessern#

Eine der wichtigsten Trainingsinnovationen in Ultralytics YOLO26 baut auf einem Zwei-Head-Trainingsansatz auf, der bereits in früheren YOLO-Modellen verwendet wurde. Bei Objekterkennungsmodellen bezeichnet ein "Head" den Teil des Netzwerks, der für die Erstellung von Vorhersagen verantwortlich ist.

Mit anderen Worten: Detection-Heads lernen vorherzusagen, wo sich Objekte in einem Bild befinden und was diese Objekte sind. Sie tun dies durch die Regression von Bounding-Box-Koordinaten, das heißt, sie lernen, die Position und Größe jedes Objekts im Eingangsbild zu schätzen.

Während des Trainings lernt das Modell durch die Minimierung eines "Loss", einem numerischen Maß dafür, wie weit seine Vorhersagen von den korrekten Antworten oder Ground Truth entfernt sind. Ein niedrigerer Loss bedeutet, dass die Vorhersagen des Modells näher an der Ground Truth liegen, während ein höherer Loss auf größere Fehler hinweist. Die Loss-Berechnung leitet das Modell an, wie es seine Parameter während des Trainings aktualisiert.

Ultralytics YOLO26 verwendet während des Trainings zwei Detektionsköpfe, die sich dasselbe zugrundeliegende Modell teilen, aber unterschiedliche Zwecke erfüllen. Der Eins-zu-Eins-Kopf ist der Kopf, der zur Inferenzzeit verwendet wird. Er lernt, jedes Objekt mit einer einzigen, zuversichtlichen Vorhersage zu verknüpfen, was für das End-to-End- und NMS-freie Design von YOLO26 unerlässlich ist.

Der One-to-Many-Head wird hingegen nur während des Trainings verwendet. Er ermöglicht es, mehrere Vorhersagen demselben Objekt zuzuordnen, was eine dichtere Überwachung bietet. Dieses reichhaltigere Lernsignal hilft, das Training zu stabilisieren und die Genauigkeit zu verbessern, insbesondere in den frühen Phasen.

In Ultralytics YOLO26 verwenden beide Köpfe dieselbe Verlustberechnung für BBox-Regression und Klassifizierung. Frühere Implementierungen wendeten während des gesamten Trainings eine feste Balance zwischen diesen beiden Verlustsignalen an.

In der Praxis ändert sich die Bedeutung der einzelnen Köpfe jedoch im Laufe der Zeit. Dichte Überwachung ist zu Beginn am nützlichsten, während die Ausrichtung an das Inferenzverhalten später im Training wichtiger wird. Ultralytics YOLO26 ist um diese Erkenntnis herum konzipiert, was direkt dazu führt, wie es die Lernsignale im Laufe des Trainings neu ausbalanciert.

Ultralytics YOLO26 verwendet Progressive Loss Balancing#

Wie geht Ultralytics YOLO26 also mit diesen sich ändernden Lernbedürfnissen während des Trainings um? Es verwendet Progressive Loss Balancing, um anzupassen, wie Lernsignale im Laufe der Zeit gewichtet werden.

ProgLoss funktioniert, indem es dynamisch verschiebt, wie stark jeder Head zum Gesamt-Loss beiträgt, während das Training voranschreitet. Zu Beginn wird mehr Gewicht auf den One-to-Many-Head gelegt, um das Lernen zu stabilisieren und den Recall zu verbessern. Während das Training fortgesetzt wird, verschiebt sich das Gleichgewicht allmählich in Richtung des One-to-One-Heads, was das Training stärker mit dem Inferenzverhalten in Einklang bringt.

Dieser schrittweise Übergang ermöglicht es Ultralytics YOLO26, in der richtigen Reihenfolge zu lernen. Anstatt das Modell zu zwingen, konkurrierende Ziele gleichzeitig zu optimieren, priorisiert Progressive Loss Balancing das nützlichste Lernsignal in jeder Trainingsphase. Das Ergebnis ist eine flüßigere Konvergenz, weniger instabile Trainingsläufe und eine konsistentere Endleistung.

Wie STAL Ultralytics YOLO26 hilft, von kleinen Objekten zu lernen#

Eine weitere interessante Trainingsverbesserung in Ultralytics YOLO26 ergibt sich daraus, wie das Modell Trainingsziele Vorhersagen zuordnet, ein Prozess, der als Label Assignment bekannt ist. Er ist dafür verantwortlich, Ground-Truth-Objekte mit Kandidatenvorhersagen abzugleichen, die oft als Anchors bezeichnet werden.

Diese Übereinstimmungen bestimmen, welche Vorhersagen eine Überwachung erhalten und zum Verlust beitragen. Ultralytics YOLO26 baut auf einer bestehenden Label-Zuweisungsmethode namens Task Alignment Learning (TAL) auf, die entwickelt wurde, um Klassifizierung und Lokalisierung während des Trainings besser aufeinander abzustimmen.

Während TAL für die meisten Objekte gut funktioniert, zeigte das Training eine wichtige Einschränkung. Während des Matching-Prozesses konnten sehr kleine Objekte vollständig ignoriert werden. In der Praxis erhielten Objekte, die kleiner als etwa 8 Pixel in einem 640-Pixel-Eingangsbild waren, oft keine Anchor-Zuweisungen. Wenn dies geschieht, erhält das Modell wenig oder gar keine Überwachung für diese Objekte, was es schwierig macht, sie zuverlässig zu erkennen.

Um dieses Problem zu lösen, führt Ultralytics YOLO26 Small-Target-Aware Label Assignment (STAL) ein. STAL modifiziert den Zuweisungsprozess, um sicherzustellen, dass kleine Objekte während des Trainings nicht ignoriert werden. Genauer gesagt erzwingt es mindestens vier Ankerzuweisungen für Objekte, die kleiner als 8 Pixel sind. Dies garantiert, dass selbst winzige Objekte kontinuierlich zum Trainingsverlust beitragen.

Durch die Stärkung der Überwachung kleiner Ziele verbessert STAL die Lernstabilität und Erkennungsleistung in Szenarien, in denen kleine oder entfernte Objekte häufig vorkommen. Diese Verbesserung ist besonders wichtig für edge-first YOLO26-Anwendungen wie Luftbildaufnahmen, Robotik und Internet-of-Things-(IoT-)Systeme, bei denen Objekte oft klein, weit entfernt oder teilweise sichtbar sind und eine zuverlässige Erkennung von entscheidender Bedeutung ist.

Ultralytics YOLO26 führt den MuSGD-Optimierer ein#

Um ein stabileres und vorhersehbareres Training zu unterstützen, führt Ultralytics YOLO26 auch einen neuen Optimierer namens MuSGD ein. Dieser Optimierer wurde entwickelt, um die Konvergenz und Trainingszuverlässigkeit in End-to-End-Erkennungsmodellen zu verbessern, insbesondere wenn die Modellgröße und die Trainingskomplexität zunehmen.

Damit ein neuronales Netz lernen und infolgedessen die Gewichte während des Trainings entsprechend anpassen kann, berechnen wir einen Fehler (auch als „Loss“ bezeichnet). Das Modell misst daher anhand eines Loss-Werts, wie falsch seine Vorhersagen sind, berechnet Gradienten, die angeben, wie sich seine Parameter verändern sollen, und aktualisiert diese Parameter dann, um den Fehler zu reduzieren. Der Stochastic Gradient Descent (SGD) ist ein weit verbreiteter Optimizer, der diese Aktualisierungen durchführt und das Training effizient sowie skalierbar macht.

Abb. 3: Stochastischer Gradientenabstieg vs. Gradientenabstieg (Source)

MuSGD baut auf diesem bekannten Fundament auf, indem es Optimierungsideen integriert, die von Muon inspiriert sind, einer Methode, die im Training großer Sprachmodelle verwendet wird. Diese Ideen wurden von jüngsten Fortschritten wie Moonshot AIs Kimi K2 beeinflusst, das durch strukturiertere Parameteraktualisierungen ein verbessertes Trainingsverhalten demonstrierte.

Ultralytics YOLO26 verwendet eine hybride Aktualisierungsstrategie. Einige Parameter werden mithilfe einer Kombination aus Muon-inspirierten Aktualisierungen und SGD aktualisiert, während andere SGD allein verwenden. Dies ermöglicht es YOLO26, zusätzliche Struktur in den Optimierungsprozess einzubringen und gleichzeitig die Robustheit und die Generalisierungseigenschaften beizubehalten, die SGD so effektiv gemacht haben.

Das Ergebnis ist eine reibungslosere Optimierung, eine schnellere Konvergenz und ein vorhersehbareres Trainingsverhalten über verschiedene Modellgrößen hinweg, was MuSGD zu einem Hauptgrund dafür macht, dass Ultralytics YOLO26 einfacher zu trainieren und bei der Skalierung zuverlässiger ist.

Die Bedeutung der Trainingsinnovationen von Ultralytics YOLO26#

Die Trainingsinnovationen von Ultralytics YOLO26, kombiniert mit wichtigen Funktionen wie dem End-to-End, NMS-freien und Edge-First-Design, machen das Modell einfacher zu trainieren und zuverlässiger im großen Maßstab. Du fragst dich vielleicht, was das wirklich für Computer-Vision-Anwendungen bedeutet.

Abb. 4: Ein Blick auf die wichtigsten Funktionen von YOLO26 (Source)

In der Praxis macht es das Einbringen von Computer Vision dorthin, wo sie tatsächlich läuft, viel einfacher. Modelle trainieren vorhersehbarer, skalieren konsistenter über Größen hinweg und sind einfacher an neue Datensätze anzupassen. Dies reduziert die Reibung zwischen Experimentieren und Bereitstellung, insbesondere in Umgebungen, in denen Zuverlässigkeit und Effizienz genauso wichtig sind wie die rohe Leistung.

Beispielsweise müssen Modelle in robotics und industriellen Bildverarbeitungsanwendungen häufig regelmäßig neu trainiert werden, wenn sich Umgebungen, Sensoren oder Aufgaben ändern. Mit Ultralytics YOLO26 können Teams schneller iterieren, ohne sich Gedanken über instabile Trainingsläufe oder ein inkonsistentes Verhalten über Modellgrößen hinweg machen zu müssen.

Wichtige Erkenntnisse#

Zuverlässige Computer-Vision-Systeme hängen ebenso davon ab, wie Modelle trainiert werden, wie von ihrer Leistung zur Inferenzzeit. Durch die Verbesserung der Ausbalancierung von Lernsignalen, der Handhabung kleiner Objekte und des Optimierungsfortschritts macht Ultralytics YOLO26 das Training stabiler und skalierbarer. Dieser Fokus auf zuverlässiges Training hilft Teams dabei, den Weg von der Experimentierphase bis zum realen Einsatz flüssiger zu gestalten, insbesondere bei Edge-First-Anwendungen.

Möchtest du mehr über KI erfahren? Besuche unser GitHub repository, um mehr zu entdecken. Trete unserer aktiven community bei und erfahre mehr über Innovationen in Branchen wie AI in logistics und vision AI in the automotive Industrie. Schau dir unsere licensing options an, um noch heute mit computer vision loszulegen.