Découvre Ultralytics YOLO26 : un modèle YOLO meilleur, plus rapide et plus compact

Le 25 septembre, lors de notre événement hybride annuel, YOLO Vision 2025 (YV25) à Londres, Glenn Jocher, notre fondateur et CEO, a officiellement annoncé la dernière avancée de la série de modèles Ultralytics YOLO : Ultralytics YOLO26 ! Notre nouveau modèle de vision par ordinateur, YOLO26, peut analyser et interpréter des images et des vidéos grâce à une architecture rationalisée qui équilibre vitesse, précision et facilité de déploiement.

Si Ultralytics YOLO26 simplifie certains aspects de la conception du modèle et apporte de nouvelles améliorations, il continue également d'offrir les fonctionnalités familières que les utilisateurs attendent des modèles Ultralytics YOLO. Par exemple, Ultralytics YOLO26 est facile à utiliser, prend en charge une gamme de tâches de vision par ordinateur et offre des options d'intégration et de déploiement flexibles.

Inutile de dire que cela rend le passage à Ultralytics YOLO26 simple comme bonjour, et nous sommes impatients de voir les utilisateurs l'expérimenter par eux-mêmes lorsqu'il sera publiquement disponible fin octobre.

Fig 1. Un exemple de l'utilisation de YOLO26 pour détecter des objets dans une image.

Pour faire simple, Ultralytics YOLO26 est un modèle d'IA de vision meilleur, plus rapide et plus compact. Dans cet article, nous allons explorer les fonctionnalités clés d'Ultralytics YOLO26 et ce qu'il apporte. Commençons !

Link to this sectionRepousser les limites de l'IA de vision avec Ultralytics YOLO26#

Avant de plonger dans les fonctionnalités clés d'Ultralytics YOLO26 et les applications qu'il rend possibles, prenons un peu de recul pour discuter de l'inspiration et de la motivation qui ont guidé le développement de ce modèle.

Chez Ultralytics, nous avons toujours cru au pouvoir de l'innovation. Depuis le tout début, notre mission a été double. D'une part, nous voulons rendre l'IA de vision accessible pour que quiconque puisse l'utiliser sans barrière. D'autre part, nous sommes tout aussi déterminés à rester à la pointe, en repoussant les limites de ce que les modèles de vision par ordinateur peuvent accomplir.

Un facteur clé derrière cette mission est que l'espace de l'IA est en constante évolution. Par exemple, l'IA en périphérie (edge AI), qui implique l'exécution de modèles d'IA directement sur des appareils au lieu de s'appuyer sur le cloud, est adoptée rapidement dans tous les secteurs.

Des caméras intelligentes aux systèmes autonomes, les appareils en périphérie sont désormais censés traiter les informations en temps réel. Ce changement exige des modèles plus légers et plus rapides, tout en offrant le même haut niveau de précision.

C'est pourquoi il est constamment nécessaire d'améliorer nos modèles Ultralytics YOLO. Comme le dit Glenn Jocher : « L'un des plus grands défis était de s'assurer que les utilisateurs puissent tirer le meilleur parti de YOLO26 tout en offrant des performances de premier plan. »

Link to this sectionUn aperçu d'Ultralytics YOLO26#

YOLO26 est disponible immédiatement en cinq variantes de modèles différentes, te donnant la flexibilité d'exploiter ses capacités dans des applications de toute envergure. Toutes ces variantes de modèles prennent en charge plusieurs tâches de vision par ordinateur, tout comme les modèles Ultralytics YOLO précédents. Cela signifie que peu importe la taille que tu choisis, tu peux compter sur YOLO26 pour offrir un large éventail de capacités, tout comme Ultralytics YOLO11.

Voici un aperçu des tâches de vision par ordinateur prises en charge par YOLO26 :

• Détection d'objets : YOLO26 peut identifier et localiser plusieurs objets dans une image ou un flux vidéo.
• Segmentation d'instance : Allant au-delà de la détection, YOLO26 peut générer des contours parfaits au pixel près autour de chaque objet identifié.
• Classification d'images : Le modèle peut analyser une image entière et l'attribuer à une catégorie ou une étiquette spécifique.
• Estimation de pose : YOLO26 peut détecter des points clés et estimer des poses pour des humains ainsi que pour d'autres objets.
• Boîtes englobantes orientées (OBB) : Le modèle peut détecter des objets sous n'importe quel angle, ce qui est particulièrement utile pour l'imagerie aérienne, par drone et satellite, où des éléments comme les bâtiments, les véhicules ou les cultures peuvent ne pas être alignés avec le cadre de l'image.
• Suivi d'objets : YOLO26 peut être utilisé pour suivre des objets à travers des trames vidéo ou des flux en temps réel.

Fig 2. Détection d'objets dans une image en utilisant YOLO26.

Link to this sectionUn regard sur l'architecture de YOLO26#

Maintenant que nous avons une meilleure compréhension de ce dont YOLO26 est capable, parcourons certaines des innovations de son architecture.

La conception du modèle a été rationalisée en supprimant le module Distribution Focal Loss (DFL), qui ralentissait auparavant l'inférence et limitait la régression des boîtes englobantes.

Le processus de prédiction a également été simplifié avec une option d'inférence de bout en bout (E2E), qui permet au modèle de sauter l'étape traditionnelle de Non-Maximum Suppression (NMS). Cette amélioration réduit la complexité et permet au modèle de fournir des résultats plus rapidement, rendant le déploiement plus facile dans des applications réelles.

D'autres améliorations rendent le modèle plus intelligent et plus fiable. Le Progressive Loss Balancing (ProgLoss) aide à stabiliser l'entraînement et à améliorer la précision, tandis que le Small-Target-Aware Label Assignment (STAL) garantit que le modèle détecte les petits objets plus efficacement. De plus, un nouvel optimiseur MuSGD améliore la convergence de l'entraînement et booste les performances globales.

En fait, la plus petite version de YOLO26, le modèle nano, s'exécute désormais jusqu'à 43 % plus rapidement sur les processeurs standard, ce qui le rend particulièrement bien adapté aux applications mobiles, aux caméras intelligentes et aux autres appareils en périphérie où la vitesse et l'efficacité sont critiques. Voici un récapitulatif rapide des fonctionnalités de YOLO26 et ce à quoi les utilisateurs peuvent s'attendre :

• Suppression du DFL : Nous avons supprimé le module Distribution Focal Loss de l'architecture du modèle. Indépendamment de la taille des objets dans une image, YOLO26 peut placer des boîtes englobantes sur mesure tout en fonctionnant plus efficacement.
• Inférence de bout en bout sans NMS : YOLO26 ajoute un mode optionnel qui n'a pas besoin de Non-Maximum Suppression (NMS), une étape normalement utilisée pour supprimer les prédictions en double, rendant le déploiement plus simple et plus rapide pour une utilisation en temps réel.
• ProgLoss et STAL : Ces améliorations rendent l'entraînement plus stable et augmentent considérablement la précision, en particulier pour détecter les petits objets dans des scènes complexes.
• Optimiseur MuSGD : YOLO26 utilise un nouvel optimiseur qui combine les forces de deux optimiseurs d'entraînement (Muon et SGD), aidant le modèle à apprendre plus rapidement et à atteindre une précision supérieure.

Fig 3. Benchmarking de YOLO26.

Link to this sectionSimplifier le déploiement avec Ultralytics YOLO26#

Que tu travailles sur des applications mobiles, des caméras intelligentes ou des systèmes d'entreprise, le déploiement de YOLO26 est simple et flexible. Le package Python Ultralytics prend en charge un nombre sans cesse croissant de formats d'exportation, ce qui facilite l'intégration de YOLO26 dans les flux de travail existants et le rend compatible avec presque toutes les plateformes.

Quelques options d'exportation incluent TensorRT pour une accélération GPU maximale, ONNX pour une compatibilité étendue, CoreML pour les applications iOS natives, TFLite pour Android et les appareils en périphérie, et OpenVINO pour des performances optimisées sur le matériel Intel. Cette flexibilité rend le passage de YOLO26 du développement à la production direct et sans obstacles supplémentaires.

Une autre partie cruciale du déploiement consiste à s'assurer que les modèles fonctionnent efficacement sur des appareils aux ressources limitées. C'est là qu'intervient la quantification. Grâce à son architecture simplifiée, YOLO26 gère cela exceptionnellement bien. Il prend en charge le déploiement INT8 (utilisant une compression 8 bits pour réduire la taille et améliorer la vitesse avec une perte de précision minimale) ainsi que la demi-précision (FP16) pour une inférence plus rapide sur le matériel pris en charge.

Plus important encore, YOLO26 offre des performances constantes à travers ces niveaux de quantification, tu peux donc compter sur lui qu'il s'exécute sur un serveur puissant ou sur un appareil en périphérie compact.

Link to this sectionDe la robotique à la fabrication : cas d'utilisation de YOLO26#

YOLO26 peut être utilisé dans une grande variété d'applications de vision par ordinateur à travers de nombreux secteurs et cas d'utilisation différents. De la robotique à la fabrication, il peut avoir un impact significatif en améliorant les flux de travail et en permettant une prise de décision plus rapide et plus précise.

Par exemple, un bon exemple est la robotique, où YOLO26 peut aider les robots à interpréter leur environnement en temps réel. Cela rend la navigation plus fluide et la manipulation d'objets plus précise. Cela permet également une collaboration plus sûre avec les humains.

Un autre exemple est la fabrication, où le modèle peut être utilisé pour la détection de défauts. Il peut identifier automatiquement les défauts sur les lignes de production plus rapidement et plus précisément qu'une inspection manuelle.

Fig 4. Détection de bouteilles dans une usine de fabrication en utilisant YOLO26.

En général, parce que YOLO26 est meilleur, plus rapide et plus léger, il s'adapte facilement à une large gamme d'environnements, des appareils en périphérie légers aux grands systèmes d'entreprise. Cela en fait un choix pratique pour les industries cherchant à améliorer l'efficacité, la précision et la fiabilité.

Link to this sectionPoints clés#

Ultralytics YOLO26 est un modèle de vision par ordinateur qui est meilleur, plus rapide et plus léger, tout en restant facile à utiliser et en offrant des performances solides. Il fonctionne sur une large gamme de tâches et de plateformes et sera disponible pour tout le monde d'ici la fin octobre. Nous sommes impatients de voir comment la communauté l'utilisera pour créer de nouvelles solutions et repousser les limites de la vision par ordinateur.

Rejoins notre communauté grandissante ! Explore notre dépôt GitHub pour en savoir plus sur l'IA. Découvre des innovations comme la vision par ordinateur dans la vente au détail et l'IA dans l'industrie automobile en visitant nos pages de solutions. Pour commencer à construire avec la vision par ordinateur dès aujourd'hui, jette un œil à nos options de licence.