Ultralytics YOLO26 im Überblick: Ein besseres, schnelleres und kleineres YOLO-Modell
Entdecke das neueste Ultralytics YOLO-Modell, Ultralytics YOLO26, und seine innovativen Funktionen, die ein optimales Gleichgewicht zwischen Geschwindigkeit, Genauigkeit und Bereitstellbarkeit ermöglichen.
Am 25. September wurde auf unserer jährlichen Hybridveranstaltung YOLO Vision 2025 (YV25) in London Glenn Jocher, unser Gründer und CEO, offiziell mit dem neuesten Durchbruch in der Ultralytics YOLO-Modellreihe vorgestellt: Ultralytics YOLO26! Unser neues Computer-Vision-Modell YOLO26 kann Bilder und Videos mit einer schlanken Architektur analysieren und interpretieren, die Geschwindigkeit, Genauigkeit und eine einfache Bereitstellung ausgewogen miteinander verbindet.
Ultralytics YOLO26 vereinfacht zwar bestimmte Aspekte des Modelldesigns und ergänzt neue Verbesserungen, bietet aber weiterhin die vertrauten Funktionen, die Nutzer von Ultralytics YOLO-Modellen erwarten. Ultralytics YOLO26 ist beispielsweise einfach zu verwenden, unterstützt eine Reihe von Computer-Vision-Aufgaben und bietet flexible Optionen für Integration und Bereitstellung.
Das Wechseln zu Ultralytics YOLO26 ist also unkompliziert. Wir können es kaum erwarten, dass Nutzer es selbst ausprobieren, sobald es Ende Oktober öffentlich verfügbar ist.
Abb. 1. Ein Beispiel für die Objekterkennung in einem Bild mit Ultralytics YOLO26.
Kurz gesagt: Ultralytics YOLO26 ist ein besseres, schnelleres und kleineres Vision-KI-Modell. In diesem Artikel sehen wir uns die wichtigsten Funktionen von Ultralytics YOLO26 und seine Neuerungen an. Legen wir los!
Die Grenzen der Vision-KI mit Ultralytics YOLO26 erweitern#
Bevor wir uns mit den wichtigsten Funktionen von Ultralytics YOLO26 und den dadurch möglichen Anwendungen befassen, wollen wir einen Schritt zurückgehen und die Inspiration und Motivation hinter der Entwicklung dieses Modells betrachten.
Bei Ultralytics waren wir schon immer von der Kraft der Innovation überzeugt. Unsere Mission bestand von Anfang an aus zwei Teilen. Einerseits wollen wir Vision-KI zugänglich machen, damit sie jeder ohne Hürden nutzen kann. Andererseits setzen wir uns ebenso dafür ein, sie auf dem neuesten Stand zu halten und die Grenzen dessen zu erweitern, was Computer-Vision-Modelle leisten können.
Ein entscheidender Faktor für diese Mission ist, dass sich der KI-Bereich ständig weiterentwickelt. So wird beispielsweise Edge-KI, bei der KI-Modelle direkt auf Geräten statt in der Cloud ausgeführt werden, branchenübergreifend schnell eingesetzt.
Von intelligenten Kameras bis hin zu autonomen Systemen wird heute erwartet, dass Geräte am Netzwerkrand Informationen in Echtzeit verarbeiten. Dieser Wandel erfordert leichtere und schnellere Modelle, die weiterhin dasselbe hohe Maß an Genauigkeit liefern.
Deshalb müssen wir unsere Ultralytics YOLO-Modelle kontinuierlich verbessern. Wie Glenn Jocher sagt: „Eine der größten Herausforderungen bestand darin, sicherzustellen, dass Nutzer YOLO26 optimal nutzen können und das Modell gleichzeitig eine Spitzenleistung liefert.“
Ein Überblick über Ultralytics YOLO26#
YOLO26 ist standardmäßig in fünf verschiedenen Modellvarianten verfügbar. Dadurch kannst du seine Fähigkeiten flexibel in Anwendungen jeder Größenordnung nutzen. Alle diese Modellvarianten unterstützen wie frühere Ultralytics YOLO-Modelle mehrere Computer-Vision-Aufgaben. Das bedeutet: Unabhängig von der gewählten Größe kannst du dich darauf verlassen, dass YOLO26 ein breites Spektrum an Funktionen bietet, ähnlich wie Ultralytics YOLO11.
Hier ist eine Übersicht der von Ultralytics YOLO26 unterstützten Computer-Vision-Aufgaben:
- Objekterkennung: Ultralytics YOLO26 kann mehrere Objekte innerhalb eines Bildes oder Videobilds identifizieren und lokalisieren.
- Instanzsegmentierung: Ultralytics YOLO26 geht über die Erkennung hinaus und kann pixelgenaue Grenzen um jedes identifizierte Objekt erzeugen.
- Bildklassifizierung: Das Modell kann ein vollständiges Bild analysieren und einer bestimmten Kategorie oder Bezeichnung zuordnen.
- Posenschätzung: Ultralytics YOLO26 kann Schlüsselpunkte erkennen und Posen von Menschen sowie anderen Objekten schätzen.
- Orientierte Begrenzungsrahmen (OBB): Das Modell kann Objekte in beliebigen Winkeln erkennen. Das ist besonders nützlich für Luft-, Drohnen- und Satellitenbilder, auf denen Elemente wie Gebäude, Fahrzeuge oder Nutzpflanzen möglicherweise nicht am Bildausschnitt ausgerichtet sind.
- Objektverfolgung: Ultralytics YOLO26 kann verwendet werden, um Objekte über mehrere Videobilder oder Echtzeitstreams hinweg zu verfolgen.
Abb. 2. Objekterkennung in einem Bild mit Ultralytics YOLO26.
Ein Blick auf die Architektur von Ultralytics YOLO26#
Nachdem wir nun besser verstehen, wozu Ultralytics YOLO26 fähig ist, sehen wir uns einige der Innovationen in seiner Architektur an.
Das Modelldesign wurde durch das Entfernen des Moduls für den Verteilungs-Fokus-Verlust (DFL) schlanker gestaltet. Dieses hatte zuvor die Inferenz verlangsamt und die Regression von Begrenzungsrahmen eingeschränkt.
Auch der Vorhersageprozess wurde durch eine Ende-zu-Ende-Inferenzoption (E2E) vereinfacht, mit der das Modell den herkömmlichen Schritt der Unterdrückung nicht maximaler Werte (NMS) überspringen kann. Diese Verbesserung reduziert die Komplexität und ermöglicht schnellere Ergebnisse, wodurch die Bereitstellung in realen Anwendungen einfacher wird.
Weitere Verbesserungen machen das Modell intelligenter und zuverlässiger. Die progressive Verlustgewichtung (ProgLoss) trägt zur Stabilisierung des Trainings und zur Verbesserung der Genauigkeit bei, während die kleinzielbewusste Labelzuweisung (STAL) sicherstellt, dass das Modell kleine Objekte effektiver erkennt. Darüber hinaus verbessert ein neuer MuSGD-Optimierer die Konvergenz des Trainings und steigert die Gesamtleistung.
Die kleinste Version von Ultralytics YOLO26, das Nano-Modell, läuft auf Standard-CPUs jetzt bis zu 43 % schneller. Dadurch eignet sie sich besonders gut für mobile Apps, intelligente Kameras und andere Edge-Geräte, bei denen Geschwindigkeit und Effizienz entscheidend sind. Hier eine kurze Zusammenfassung der Funktionen von YOLO26 und dessen, worauf sich Nutzer freuen können:
- Entfernung von DFL: Wir haben das Modul für den Verteilungs-Fokus-Verlust aus der Architektur des Modells entfernt. Unabhängig von der Objektgröße in einem Bild kann Ultralytics YOLO26 maßgeschneiderte Begrenzungsrahmen platzieren und dabei effizienter arbeiten.
- Ende-zu-Ende-Inferenz ohne NMS: Ultralytics YOLO26 bietet einen optionalen Modus, der keine Unterdrückung nicht maximaler Werte (NMS) benötigt. Dieser Schritt wird normalerweise zum Entfernen doppelter Vorhersagen verwendet und macht die Bereitstellung für den Echtzeiteinsatz einfacher und schneller.
- ProgLoss und STAL: Diese Verbesserungen machen das Training stabiler und steigern die Genauigkeit deutlich, insbesondere bei der Erkennung kleiner Objekte in komplexen Szenen.
- MuSGD-Optimierer: Ultralytics YOLO26 verwendet einen neuen Optimierer, der die Stärken zweier Trainingsoptimierer (Muon und SGD) kombiniert. Dadurch lernt das Modell schneller und erreicht eine höhere Genauigkeit.
Abb. 3. Benchmarking von Ultralytics YOLO26.
Die Bereitstellung mit Ultralytics YOLO26 vereinfachen#
Egal, ob du an mobilen Apps, intelligenten Kameras oder Unternehmenssystemen arbeitest: Die Bereitstellung von YOLO26 ist einfach und flexibel. Das Ultralytics-Python-Paket unterstützt eine stetig wachsende Zahl von Exportformaten. Dadurch lässt sich YOLO26 problemlos in bestehende Arbeitsabläufe integrieren und mit nahezu jeder Plattform kompatibel machen.
Zu den Exportoptionen gehören TensorRT für maximale GPU-Beschleunigung, ONNX für breite Kompatibilität, CoreML für native iOS-Apps, TFLite für Android und Edge-Geräte sowie OpenVINO für optimierte Leistung auf Intel-Hardware. Diese Flexibilität macht es einfach, Ultralytics YOLO26 ohne zusätzliche Hürden von der Entwicklung in die Produktion zu überführen.
Ein weiterer entscheidender Aspekt der Bereitstellung besteht darin, sicherzustellen, dass Modelle effizient auf Geräten mit begrenzten Ressourcen laufen. Hier kommt die Quantisierung ins Spiel. Dank seiner vereinfachten Architektur eignet sich Ultralytics YOLO26 besonders gut dafür. Es unterstützt die INT8-Bereitstellung (mit einer 8-Bit-Komprimierung zur Verringerung der Größe und Verbesserung der Geschwindigkeit bei minimalem Genauigkeitsverlust) sowie die Halbpräzision (FP16) für eine schnellere Inferenz auf unterstützter Hardware.
Am wichtigsten ist, dass Ultralytics YOLO26 über diese Quantisierungsstufen hinweg eine konsistente Leistung liefert. Du kannst dich also darauf verlassen, dass es sowohl auf einem leistungsstarken Server als auch auf einem kompakten Edge-Gerät zuverlässig läuft.
Von Robotik bis zur Fertigung: Anwendungsfälle für Ultralytics YOLO26#
Ultralytics YOLO26 kann in zahlreichen Computer-Vision-Anwendungen für viele verschiedene Branchen und Anwendungsfälle eingesetzt werden. Von der Robotik bis zur Fertigung kann es durch die Verbesserung von Arbeitsabläufen und die Ermöglichung schnellerer, präziserer Entscheidungen eine erhebliche Wirkung erzielen.
Ein gutes Beispiel ist die Robotik, in der Ultralytics YOLO26 Robotern helfen kann, ihre Umgebung in Echtzeit zu interpretieren. Das macht die Navigation reibungsloser und den Umgang mit Objekten präziser. Außerdem ermöglicht es eine sicherere Zusammenarbeit mit Menschen.
Ein weiteres Beispiel ist die Fertigung, wo das Modell zur Fehlererkennung eingesetzt werden kann. Es kann Mängel in Produktionslinien automatisch schneller und genauer erkennen als eine manuelle Prüfung.
Abb. 4. Erkennung von Flaschen in einer Produktionsanlage mit Ultralytics YOLO26.
Da Ultralytics YOLO26 insgesamt besser, schneller und leichter ist, lässt es sich problemlos an eine Vielzahl von Umgebungen anpassen – von leichten Edge-Geräten bis hin zu großen Unternehmenssystemen. Dadurch ist es eine praktische Wahl für Branchen, die Effizienz, Genauigkeit und Zuverlässigkeit verbessern möchten.
Wichtige Erkenntnisse#
Ultralytics YOLO26 ist ein Computer-Vision-Modell, das besser, schneller und leichter ist, dabei einfach zu verwenden bleibt und weiterhin eine starke Leistung liefert. Es funktioniert für eine Vielzahl von Aufgaben und Plattformen und wird bis Ende Oktober für alle verfügbar sein. Wir können es kaum erwarten zu sehen, wie die Community damit neue Lösungen entwickelt und die Grenzen der Computer Vision erweitert.
Werde Teil unserer wachsenden Community! Erfahre mehr über KI in unserem GitHub-Repository. Entdecke Innovationen wie Computer Vision im Einzelhandel und KI in der Automobilbranche, indem du unsere Lösungsseiten besuchst. Wenn du heute mit der Entwicklung von Computer-Vision-Anwendungen beginnen möchtest, informiere dich über unsere Lizenzoptionen.
