Come Ultralytics YOLO26 esegue il training in modo più intelligente con ProgLoss, STAL e MuSGD

La scorsa settimana abbiamo rilasciato Ultralytics YOLO26, definendo un nuovo standard per i modelli di computer vision in tempo reale progettati prima di tutto per l'edge. Come i precedenti modelli Ultralytics YOLO, tra cui Ultralytics YOLO11, YOLO26 supporta le attività fondamentali di computer vision che già conosci, tra cui il rilevamento degli oggetti, la segmentazione delle istanze e la stima della posa.

Fig. 1. Un esempio di utilizzo di Ultralytics YOLO26 per segmentare gli oggetti in un'immagine.

Tuttavia, Ultralytics YOLO26 non è un semplice aggiornamento incrementale. Sebbene le attività supportate possano sembrare familiari, questo nuovo modello rappresenta un passo avanti innovativo nel modo in cui vengono addestrati i modelli di computer vision. Con YOLO26, l'attenzione va oltre l'efficienza dell'inferenza e si concentra anche sul rendere l'addestramento più stabile.

Ultralytics YOLO26 è stato progettato considerando l'intero ciclo di vita dell'addestramento. Questo significa convergenza più rapida, esecuzioni di addestramento più affidabili e comportamento coerente del modello. Questi miglioramenti sono particolarmente importanti nei workflow del mondo reale, dove l'affidabilità dell'addestramento influisce direttamente sulla rapidità con cui i modelli possono essere iterati e distribuiti.

Per consentirlo, Ultralytics YOLO26 introduce diverse innovazioni mirate nell'addestramento, come il bilanciamento progressivo della loss (ProgLoss), l'assegnazione delle label consapevole dei target piccoli (STAL) e l'ottimizzatore MuSGD. Insieme, queste modifiche migliorano il bilanciamento della loss di apprendimento, l'assegnazione delle label e il comportamento dell'ottimizzazione nel tempo.

In questo articolo analizzeremo il funzionamento di ciascuno di questi meccanismi e spiegheremo perché rendono Ultralytics YOLO26 più facile da addestrare e più affidabile su larga scala. Iniziamo!

Ultralytics YOLO26: progettato per addestrarsi in modo più intelligente, non solo per funzionare più velocemente#

Ultralytics YOLO26 ottimizza nativamente l'intera pipeline di inferenza eliminando la dipendenza da passaggi di post-elaborazione come la soppressione non massima. Invece di generare molte predizioni sovrapposte e filtrarle successivamente, YOLO26 produce direttamente le rilevazioni finali dalla rete.

Questo rende YOLO26 un modello end-to-end, in cui la predizione, la risoluzione dei duplicati e gli output finali vengono appresi direttamente dalla rete. Ciò semplifica la distribuzione e migliora l'efficienza dell'inferenza, influenzando anche il modo in cui il modello apprende durante l'addestramento.

Fig. 2. YOLO26 offre un'inferenza end-to-end all'avanguardia e senza NMS (Fonte)

In un sistema end-to-end di questo tipo, addestramento e inferenza sono strettamente collegati. Poiché non esiste una fase esterna di post-elaborazione che corregga successivamente le predizioni, il modello deve imparare a prendere decisioni chiare e sicure direttamente durante l'addestramento.

Questo rende particolarmente importante l'allineamento tra gli obiettivi di addestramento e il comportamento in inferenza. Qualsiasi discrepanza tra il modo in cui il modello viene addestrato e quello in cui viene utilizzato al momento dell'inferenza può portare a un apprendimento instabile o a una convergenza più lenta.

Ultralytics YOLO26 affronta questo aspetto progettando il processo di addestramento fin dall'inizio intorno all'utilizzo nel mondo reale. Anziché concentrarsi solo sulla velocità di inferenza, il sistema di addestramento è costruito per supportare un apprendimento stabile durante esecuzioni prolungate, una convergenza coerente tra modelli di dimensioni comprese tra Nano ed Extra Large e prestazioni solide su dataset diversificati.

Come due head di addestramento migliorano l'apprendimento in Ultralytics YOLO26#

Una delle principali innovazioni nell'addestramento di Ultralytics YOLO26 si basa su un approccio con due head utilizzato nei precedenti modelli YOLO. Nei modelli di rilevamento degli oggetti, una head è la parte della rete responsabile delle predizioni.

In altre parole, le head di rilevamento imparano a prevedere dove si trovano gli oggetti in un'immagine e cosa sono. Lo fanno regredendo le coordinate dei bounding box, ovvero imparando a stimare la posizione e le dimensioni di ciascun oggetto nell'immagine di input.

Durante l'addestramento, il modello apprende minimizzando una loss, che è una misura numerica della distanza tra le sue predizioni e le risposte corrette, ovvero la ground truth. Una loss più bassa significa che le predizioni del modello sono più vicine alla ground truth, mentre una loss più alta indica errori maggiori. Il calcolo della loss guida il modo in cui il modello aggiorna i propri parametri durante l'addestramento.

Ultralytics YOLO26 utilizza due head di rilevamento durante l'addestramento, che condividono lo stesso modello sottostante ma hanno scopi diversi. La head one-to-one è quella utilizzata al momento dell'inferenza. Impara ad associare ogni oggetto a una singola predizione sicura, un aspetto essenziale per il design end-to-end e senza NMS di YOLO26.

La head one-to-many, invece, viene utilizzata solo durante l'addestramento. Consente di associare più predizioni allo stesso oggetto, fornendo una supervisione più densa. Questo segnale di apprendimento più ricco contribuisce a stabilizzare l'addestramento e a migliorare la precisione, soprattutto nelle fasi iniziali.

In Ultralytics YOLO26, entrambe le head utilizzano lo stesso calcolo della loss per la regressione dei box e la classificazione. Le implementazioni precedenti applicavano un bilanciamento fisso tra questi due segnali di loss per tutta la durata dell'addestramento.

Nella pratica, tuttavia, l'importanza di ciascuna head cambia nel tempo. La supervisione densa è più utile all'inizio, mentre l'allineamento con il comportamento in inferenza diventa più importante nelle fasi successive dell'addestramento. Ultralytics YOLO26 è progettato sulla base di questa osservazione, che porta direttamente al modo in cui riequilibra i segnali di apprendimento con il progredire dell'addestramento.

Ultralytics YOLO26 utilizza il bilanciamento progressivo della loss#

Quindi, come gestisce Ultralytics YOLO26 queste esigenze di apprendimento variabili durante l'addestramento? Utilizza il bilanciamento progressivo della loss per regolare il peso dei segnali di apprendimento nel tempo.

ProgLoss funziona modificando dinamicamente il contributo di ciascuna head alla loss totale con il progredire dell'addestramento. All'inizio viene dato più peso alla head one-to-many per stabilizzare l'apprendimento e migliorare il recall. Con il proseguire dell'addestramento, il bilanciamento si sposta gradualmente verso la head one-to-one, allineando maggiormente l'addestramento al comportamento in inferenza.

Questa transizione graduale consente a Ultralytics YOLO26 di apprendere nell'ordine corretto. Anziché costringere il modello a ottimizzare contemporaneamente obiettivi in conflitto, il bilanciamento progressivo della loss dà priorità al segnale di apprendimento più utile in ogni fase dell'addestramento. Il risultato è una convergenza più fluida, un numero inferiore di esecuzioni di addestramento instabili e prestazioni finali più coerenti.

Come STAL aiuta Ultralytics YOLO26 ad apprendere dagli oggetti molto piccoli#

Un altro interessante miglioramento dell'addestramento di Ultralytics YOLO26 riguarda il modo in cui il modello assegna i target di addestramento alle predizioni, un processo noto come assegnazione delle label. Questo processo associa gli oggetti della ground truth alle predizioni candidate, spesso chiamate anchor.

Queste corrispondenze determinano quali predizioni ricevono supervisione e contribuiscono alla loss. Ultralytics YOLO26 si basa su un metodo esistente di assegnazione delle label chiamato apprendimento dell'allineamento dei task (TAL), progettato per allineare meglio classificazione e localizzazione durante l'addestramento.

Sebbene TAL funzioni bene per la maggior parte degli oggetti, l'addestramento ha rivelato un limite importante. Durante il processo di matching, gli oggetti molto piccoli potevano essere completamente esclusi. Nella pratica, gli oggetti più piccoli di circa 8 pixel in un'immagine di input da 640 pixel spesso non ricevevano alcuna assegnazione di anchor. In questi casi, il modello riceve poca o nessuna supervisione per tali oggetti, rendendo difficile imparare a rilevarli in modo affidabile.

Per risolvere questo problema, Ultralytics YOLO26 introduce l'assegnazione delle label consapevole dei target piccoli (STAL). STAL modifica il processo di assegnazione per garantire che gli oggetti piccoli non vengano ignorati durante l'addestramento. In particolare, impone almeno quattro assegnazioni di anchor per gli oggetti più piccoli di 8 pixel. Questo garantisce che anche gli oggetti molto piccoli contribuiscano costantemente alla loss di addestramento.

Rafforzando la supervisione per i target piccoli, STAL migliora la stabilità dell'apprendimento e le prestazioni di rilevamento negli scenari in cui gli oggetti piccoli o distanti sono comuni. Questo miglioramento è particolarmente importante per le applicazioni di YOLO26 progettate prima di tutto per l'edge, come le immagini aeree, la robotica e i sistemi dell'Internet delle cose (IoT), in cui gli oggetti sono spesso piccoli, distanti o parzialmente visibili e il rilevamento affidabile è fondamentale.

Ultralytics YOLO26 introduce l'ottimizzatore MuSGD#

Per supportare un addestramento più stabile e prevedibile, Ultralytics YOLO26 introduce anche un nuovo ottimizzatore chiamato MuSGD. Questo ottimizzatore è progettato per migliorare la convergenza e l'affidabilità dell'addestramento nei modelli di rilevamento end-to-end, soprattutto con l'aumentare delle dimensioni del modello e della complessità dell'addestramento.

Affinché una rete neurale apprenda e, di conseguenza, modifichi correttamente i propri pesi durante l'addestramento, calcoliamo un errore, chiamato anche "loss". Il modello misura quindi quanto sono errate le sue predizioni utilizzando un valore di loss, calcola i gradienti che indicano come modificare i parametri e poi aggiorna tali parametri per ridurre l'errore. La discesa del gradiente stocastico (SGD) è un ottimizzatore ampiamente utilizzato che esegue questi aggiornamenti, rendendo l'addestramento efficiente e scalabile.

Fig. 3. Discesa del gradiente stocastico rispetto alla discesa del gradiente (Fonte)

MuSGD si basa su questa fondazione consolidata incorporando idee di ottimizzazione ispirate a Muon, un metodo utilizzato nell'addestramento dei modelli linguistici di grandi dimensioni. Queste idee sono state influenzate da recenti progressi come Kimi K2 di Moonshot AI, che ha dimostrato un comportamento di addestramento migliore grazie ad aggiornamenti dei parametri più strutturati.

Ultralytics YOLO26 utilizza una strategia di aggiornamento ibrida. Alcuni parametri vengono aggiornati utilizzando una combinazione di aggiornamenti ispirati a Muon e SGD, mentre altri utilizzano solo SGD. Questo consente a YOLO26 di introdurre una struttura aggiuntiva nel processo di ottimizzazione mantenendo al contempo la robustezza e le proprietà di generalizzazione che hanno reso SGD efficace.

Il risultato è un'ottimizzazione più fluida, una convergenza più rapida e un comportamento di addestramento più prevedibile tra modelli di diverse dimensioni, rendendo MuSGD un elemento fondamentale del motivo per cui Ultralytics YOLO26 è più facile da addestrare e più affidabile su larga scala.

L'importanza delle innovazioni nell'addestramento di Ultralytics YOLO26#

Le innovazioni nell'addestramento di Ultralytics YOLO26, combinate con funzionalità chiave come il suo design end-to-end, senza NMS e progettato prima di tutto per l'edge, rendono il modello più facile da addestrare e più affidabile su larga scala. Potresti chiederti cosa significhi concretamente per le applicazioni di computer vision.

Fig. 4. Uno sguardo alle funzionalità chiave di YOLO26 (Fonte)

Nella pratica, facilita notevolmente l'integrazione della computer vision nel luogo in cui viene effettivamente eseguita. I modelli si addestrano in modo più prevedibile, si adattano alle diverse dimensioni in modo più coerente e sono più semplici da adattare a nuovi dataset. Questo riduce l'attrito tra la sperimentazione e la distribuzione, soprattutto negli ambienti in cui affidabilità ed efficienza sono importanti quanto le prestazioni assolute.

Ad esempio, nelle applicazioni di robotica e computer vision industriale, spesso è necessario riaddestrare i modelli quando cambiano gli ambienti, i sensori o le attività. Con Ultralytics YOLO26, i team possono iterare più rapidamente senza preoccuparsi di esecuzioni di addestramento instabili o di comportamenti incoerenti tra modelli di diverse dimensioni.

Punti chiave#

I sistemi di computer vision affidabili dipendono tanto dal modo in cui i modelli vengono addestrati quanto dalle loro prestazioni al momento dell'inferenza. Migliorando il bilanciamento dei segnali di apprendimento, la gestione degli oggetti piccoli e l'avanzamento dell'ottimizzazione, Ultralytics YOLO26 rende l'addestramento più stabile e facile da scalare. Questa attenzione all'affidabilità dell'addestramento aiuta i team a passare più agevolmente dalla sperimentazione alla distribuzione nel mondo reale, soprattutto nelle applicazioni progettate prima di tutto per l'edge.

Vuoi saperne di più sull'AI? Visita il nostro repository GitHub per approfondire. Unisciti alla nostra community attiva e scopri le innovazioni in settori come l'AI nella logistica e la vision AI nel settore automobilistico. Per iniziare oggi stesso con la computer vision, consulta le nostre opzioni di licenza.