L'impact de la conception plus rapide et orientée périphérie d'Ultralytics YOLO26

Plus tôt cette semaine, Ultralytics a officiellement lancé Ultralytics YOLO26, un modèle YOLO plus rapide, plus léger et plus compact qui vise à redéfinir les performances des systèmes de vision par ordinateur en périphérie. YOLO26 prend en charge les mêmes tâches de vision principales que les modèles YOLO précédents, notamment la détection d'objets et la segmentation d'instances.

Fig. 1. Un exemple d'utilisation d'Ultralytics YOLO26 pour segmenter un objet.

La différence majeure entre Ultralytics YOLO26 et les modèles précédents réside dans l'environnement pour lequel il a été conçu. Plutôt que de l'optimiser principalement pour les unités de traitement graphique (GPU) dans le cloud ou pour des performances axées sur les benchmarks, YOLO26 a été conçu dès le départ pour un déploiement réel sur des appareils de périphérie (edge) et du matériel embarqué.

Alors que la computer vision passe de la recherche à la production, la réalité des contraintes de performance devient plus évidente. Les environnements en périphérie se caractérisent par des budgets de latence stricts, une mémoire limitée, des contraintes d'alimentation et thermiques, ainsi que par le besoin d'un comportement prévisible sur diverses plates-formes.

Dans ces configurations, la performance globale du système ne dépend pas seulement de la vitesse d'inférence brute, mais aussi de l'efficacité avec laquelle fonctionne tout le pipeline. Les frais généraux de post-traitement, la pression sur la mémoire et les chemins d'exécution spécifiques à la plateforme constituent souvent des goulots d'étranglement.

Ultralytics YOLO26 relève ces défis en adoptant une approche plus rapide et axée sur la périphérie (edge-first), qui examine l'ensemble du pipeline d'inférence plutôt que les métriques individuelles des modèles. En se concentrant sur l'optimisation en périphérie, en simplifiant le pipeline d'inférence et en supprimant les étapes de post-traitement inutiles, YOLO26 offre des améliorations de vitesse qui se traduisent par une latence plus faible et un comportement plus fiable en production.

Dans cet article, nous allons explorer comment les choix architecturaux d'Ultralytics YOLO26 se traduisent par des améliorations de performance dans le monde réel, et pourquoi le fait d'être plus rapide à la périphérie change fondamentalement ce qui est possible pour les applications de vision par ordinateur de nouvelle génération.

La réalité du déploiement à l'edge#

Exécuter des computer vision models en périphérie est très différent de les exécuter dans le cloud. Dans les environnements cloud, les systèmes ont généralement accès à des GPU puissants, à de grandes quantités de mémoire et à un matériel stable. En edge, ces mêmes hypothèses ne s'appliquent pas.

La plupart des déploiements edge s'exécutent sur des architectures matérielles diverses, et non sur des GPU. Les appareils utilisent généralement plusieurs processeurs spécialisés pour différentes tâches, qui sont optimisés pour l'efficacité et une faible consommation d'énergie plutôt que pour la capacité de calcul brute des GPU cloud.

La latence est une autre contrainte majeure. Les systèmes edge fonctionnent souvent sous des limites strictes de temps réel, où même de petits retards peuvent affecter la réactivité ou la sécurité. Dans ces cas, la latence de bout en bout compte plus que la vitesse d'inférence brute. Un modèle peut être rapide sur le papier mais échouer une fois que le post-traitement et le mouvement des données sont ajoutés.

La mémoire joue également un rôle important. De nombreux appareils edge ont une mémoire limitée et des caches partagés. Les grands tenseurs intermédiaires et une utilisation inefficace de la mémoire peuvent ralentir les systèmes, même lorsque le modèle lui-même est efficace.

Les limites de puissance et thermiques ajoutent des contraintes supplémentaires. Les appareils edge fonctionnent souvent sans refroidissement actif et dans le cadre de budgets énergétiques fixes. La performance doit être efficace et durable, et pas seulement rapide par brefs instants.

En plus de tout cela, les déploiements edge nécessitent de la cohérence. Les modèles doivent se comporter de la même manière sur différents appareils et runtimes. Le code spécifique à la plateforme ou les étapes de post-traitement complexes peuvent introduire des différences subtiles qui rendent les systèmes plus difficiles à déployer et à maintenir.

Fig 2. Un aperçu des contraintes du déploiement à l'edge. Image de l'auteur.

Ces contraintes définissent ce que signifie réellement la performance à l'edge. En d'autres termes, la performance est définie par l'ensemble du pipeline, et non par une seule métrique.

Pourquoi la vision à l'edge exige un modèle de performance différent#

Alors, comment les contraintes du déploiement edge sont-elles liées aux exigences d'un modèle de vision par ordinateur conçu pour l'edge ? Le lien devient clair une fois que les modèles passent des environnements de recherche aux systèmes réels.

Dans les environnements cloud, la performance est souvent mesurée à l'aide de benchmarks tels que la vitesse d'inférence et la précision. À l'edge, ces métriques ne racontent qu'une partie de l'histoire. Les systèmes de vision fonctionnent généralement sur du matériel hétérogène, où l'inférence du réseau neuronal est déléguée à des accélérateurs spécialisés tandis que d'autres parties du pipeline s'exécutent sur des processeurs à usage général.

Dans ce contexte, la vitesse du modèle ne suffit pas. La manière dont le système entier fonctionne une fois que le modèle est déployé est essentielle. Un modèle peut sembler rapide seul, mais échouer si le post-traitement, le mouvement des données ou les étapes spécifiques à la plateforme ajoutent des surcharges.

C'est pourquoi la vision périphérique nécessite un modèle de performance qui se concentre sur l'efficacité au niveau du système plutôt que sur des benchmarks isolés. Ultralytics YOLO26 reflète ce changement en se concentrant sur l'optimisation axée sur la périphérie, l'inférence rationalisée et l'exécution de bout en bout conçue pour le déploiement dans le monde réel.

La base de la vitesse : une conception axée sur l'edge#

À l'edge, la performance est définie par la manière dont un modèle s'adapte à l'architecture matérielle réelle de l'appareil. Concevoir pour l'edge dès le départ garantit que les systèmes de vision fonctionnent de manière fiable sur des plateformes réelles, quelle que soit la combinaison spécifique d'unités de traitement disponibles.

Une approche axée sur l'edge donne la priorité à une exécution prévisible et efficace sur du matériel hétérogène, plutôt que d'adapter des modèles optimisés pour les GPU cloud a posteriori. En clair, cela signifie privilégier les opérations qui se traduisent bien sur les accélérateurs de réseaux neuronaux, minimiser le travail non neuronal en dehors du modèle et réduire la complexité inutile qui peut ralentir l'exécution de bout en bout.

Ultralytics YOLO26 a été conçu en tenant compte de ces contraintes. Son architecture privilégie des performances constantes plutôt qu'un débit de pointe dans des conditions idéales. En simplifiant les chemins d'exécution et en éliminant les calculs superflus, YOLO26 réduit la surcharge dans tout le pipeline d'inférence et exploite mieux l'accélération et la hiérarchie mémoire disponibles sur l'appareil.

Cette approche améliore également la fiabilité. L'optimisation axée sur la périphérie conduit à un timing plus prévisible et à moins de pics de performance, ce qui est essentiel pour les systèmes en temps réel. Au lieu de s'appuyer sur du matériel spécialisé ou un post-traitement lourd pour atteindre la vitesse, Ultralytics YOLO26 met l'accent sur l'efficacité tout au long du pipeline d'inférence.

Inférence de bout en bout et le coût du post-traitement#

Tu te demandes peut-être ce que signifie éliminer les étapes de post-traitement inutiles. Pour comprendre cela, prenons du recul et examinons comment fonctionnent les systèmes de détection d'objets traditionnels.

Dans de nombreux pipelines de détection d'objets, l'inférence ne s'arrête pas lorsque le modèle produit ses prédictions. Au lieu de cela, le modèle génère un grand nombre de boîtes englobantes qui se chevauchent, qui doivent ensuite être filtrées et affinées avant de pouvoir être utilisées. Ce nettoyage se produit via des étapes de post-traitement qui s'exécutent en dehors du modèle lui-même.

L'une des étapes de post-traitement les plus courantes est la Non-Maximum Suppression, ou NMS. La NMS compare les boîtes englobantes qui se chevauchent et ne conserve que les détections les plus fiables, en éliminant les doublons qui font référence au même objet. Bien que cette approche soit efficace, elle introduit des calculs supplémentaires une fois l'inférence terminée.

Fig 3. Comprendre la NMS. Image de l'auteur.

À l'edge, ce travail supplémentaire a un coût. Les étapes de post-traitement comme la NMS ne sont pas bien adaptées aux accélérateurs spécialisés utilisés pour l'inférence de réseaux neuronaux, qui sont optimisés pour le calcul neuronal dense plutôt que pour des opérations lourdes en contrôle ou intensives en mémoire.

En conséquence, la NMS introduit une latence et une surcharge mémoire supplémentaires, et son coût augmente à mesure que le nombre de détections augmente. Même lorsque le modèle lui-même est rapide, la NMS peut toujours consommer une part importante du temps d'exécution total.

Le post-traitement augmente également la complexité du système. Comme il vit en dehors du modèle, il doit être implémenté séparément pour différents runtimes et cibles matérielles. Cela conduit souvent à des chemins de code spécifiques à la plateforme, à un comportement incohérent entre les appareils et à des pipelines de déploiement plus fragiles.

Plus important encore, le post-traitement brise l'idée d'une véritable performance de bout en bout. Mesurer la vitesse d'inférence du modèle ne reflète pas la façon dont le système se comporte en production. Ce qui compte en fin de compte, c'est le temps total de l'entrée à la sortie finale, incluant chaque étape du pipeline.

Dans ces situations, le post-traitement devient un goulot d'étranglement caché à l'edge. Il ajoute de la latence, consomme des ressources CPU et complique le déploiement, tout en se situant en dehors du modèle lui-même.

Comment Ultralytics YOLO26 supprime le NMS et pourquoi cela le rend plus rapide#

YOLO26 removes NMS en s'attaquant à la cause profonde des détections en double plutôt qu'en les nettoyant après l'inférence. Au lieu de produire de nombreuses prédictions qui se chevauchent et doivent être filtrées, le modèle est entraîné à générer directement un ensemble plus restreint de détections finales et fiables.

Cela est rendu possible en modifiant la façon dont les détections sont apprises lors de l'entraînement. Ultralytics YOLO26 favorise une relation un-à-un plus claire entre les objets et les prédictions, réduisant la redondance à sa source. Par conséquent, les détections en double sont résolues directement à l'intérieur du réseau plutôt que par un post-traitement externe.

La suppression de la NMS a un impact immédiat sur les performances à l'edge. Comme la NMS ne s'adapte pas bien aux accélérateurs de réseaux neuronaux, son élimination réduit le mouvement de mémoire et évite des étapes de traitement non neuronales coûteuses. Cela réduit la latence de bout en bout et rend la performance plus prévisible, surtout sur les appareils edge où le post-traitement peut autrement consommer une part notable du temps d'exécution total.

Cela simplifie également le pipeline d'inférence. Avec moins d'étapes en dehors du modèle, il y a moins de mouvements de données et moins de transferts entre les composants. La sortie du modèle est déjà le résultat final, ce qui rend l'exécution plus prévisible.

Suppression de la DFL pour permettre une véritable performance de bout en bout#

Une autre innovation d'Ultralytics YOLO26 est la suppression de Distribution Focal Loss, ou DFL, qui était utilisée dans les modèles YOLO précédents pour la régression de boîte englobante. Au lieu de prédire directement une seule coordonnée, les modèles utilisant DFL apprenaient une distribution de valeurs possibles, puis déduisaient une boîte englobante finale de cette distribution. Cette approche a aidé à améliorer la précision de la localisation et a constitué une étape importante dans les générations précédentes.

Au fil du temps, cependant, DFL a également introduit des compromis. La prédiction de distributions augmente les calculs et complexifie l'architecture du modèle, ce qui peut ralentir l'inférence sur les CPU et rendre l'exportation des modèles plus difficile selon les deployment formats. DFL a également imposé des plages de régression fixes, ce qui pouvait limiter la flexibilité lors de la détection d'objets très volumineux.

Ultralytics YOLO26 supprime DFL dans le cadre de son évolution vers un design plus simple et de bout en bout. La régression des boîtes englobantes est repensée pour être plus directe, ce tout en réduisant les calculs superflus tout en maintenant la précision. Ce changement s'aligne sur l'approche sans NMS de YOLO26.

D'où vient l'inférence CPU 43 % plus rapide#

Dans les benchmarks basés sur CPU, YOLO26 montre une nette amélioration des performances par rapport aux modèles YOLO antérieurs. Comparé à Ultralytics YOLO11, le modèle YOLO26 nano offre une inférence sur CPU jusqu'à 43 % plus rapide, une différence qui a un impact significatif dans les déploiements en périphérie du monde réel.

Fig. 4. Évaluation comparative de la vitesse CPU d'Ultralytics YOLO26.

Ce gain provient de la simplification du pipeline d'inférence complet plutôt que de l'optimisation d'un seul composant. L'exécution de bout en bout supprime la surcharge de post-traitement, une méthode de régression des boîtes englobantes plus directe réduit le calcul, et les choix de conception axés sur le CPU améliorent l'efficacité de l'exécution sur les processeurs à usage général.

Ensemble, ces changements réduisent la latence, diminuent la charge de travail du CPU et conduisent à une performance plus rapide et plus cohérente sur le matériel edge réel.

L'impact d'Ultralytics YOLO26 sur le déploiement en périphérie et les exportations#

Les gains de performance d'Ultralytics YOLO26 vont au-delà d'une inférence plus rapide. En simplifiant le modèle et en réduisant la surcharge de mémoire, il devient plus facile à déployer et plus fiable à exécuter dans les environnements périphériques.

La conception de bout en bout d'Ultralytics YOLO26 simplifie également l'export. Avec moins de composants auxiliaires et aucune étape de post-traitement externe, les modèles exportés sont entièrement autonomes. Cela réduit les dépendances spécifiques à la plateforme et aide à garantir un comportement cohérent d'un environnement d'exécution et d'une cible matérielle à l'autre.

En pratique, cela signifie qu'Ultralytics YOLO26 peut être déployé plus facilement sur des appareils périphériques tels que des caméras, des robots et des systèmes embarqués, en utilisant divers formats d'exportation. Ce que tu exportes est ce que tu exécutes, avec moins d'étapes d'intégration et moins de risque de dérive de déploiement.

Une inférence edge plus rapide permet la robotique et l'IA de vision industrielle#

Jusqu'à présent, nous avons examiné comment la conception axée sur la périphérie d'Ultralytics YOLO26 améliore les performances au niveau du système. Le véritable impact, cependant, réside dans la manière dont elle facilite l'intégration de l'IA de vision dans les applications du monde réel.

Par exemple, dans la robotics et les environnements industriels, les systèmes de vision fonctionnent souvent sous de strictes contraintes de temps réel. Les décisions doivent être prises rapidement et de manière cohérente, en utilisant une puissance de calcul limitée et sans dépendre d'une connectivité cloud. Avec Ultralytics YOLO26, répondre à ces exigences devient concret.

Les applications comme la navigation de robots et la manipulation d'objets bénéficient d'une latence plus faible et d'une inférence plus prévisible, permettant aux robots de répondre en douceur aux changements dans leur environnement. De même, dans les environnements industriels, les modèles de vision peuvent s'exécuter directement sur les lignes de production pour détecter les défauts, suivre les composants et surveiller les processus sans introduire de retards ou de complexité supplémentaire.

En permettant une inférence rapide et fiable sur le matériel périphérique, Ultralytics YOLO26 contribue à faire de l'IA de vision une partie naturelle de la robotique et des systèmes industriels, plutôt qu'un défi à déployer et à maintenir.

Points clés#

Ultralytics YOLO26 a été conçu pour la périphérie (edge), où les contraintes du monde réel telles que la latence, la mémoire et la fiabilités définissent ce qui est possible. En concevant le modèle autour d'une exécution priorisant le processeur (CPU-first), d'une inférence de bout en bout et d'un déploiement simplifié, YOLO26 rend l'IA de vision pratique à intégrer dans des systèmes réels. Cette approche axée sur la périphérie permet une grande variété d'applications, de la robotique et la vision industrielle à l'IA embarquée et sur appareil, là où les performances et la prévisibilité comptent le plus.

Rejoins notre community grandissante et explore notre GitHub repository pour accéder à des ressources pratiques en IA. Pour concevoir dès aujourd'hui avec l'IA de vision, consulte nos licensing options. Découvre comment l'AI in agriculture transforme l'agriculture et comment la vision AI in healthcare façonne l'avenir en visitant nos pages de solutions.