Come Ultralytics YOLO26 si addestra in modo più intelligente con ProgLoss, STAL e MuSGD

La settimana scorsa abbiamo rilasciato Ultralytics YOLO26, stabilendo un nuovo standard per i modelli di computer vision in tempo reale e ottimizzati per l'edge. Analogamente ai precedenti Ultralytics YOLO models, come Ultralytics YOLO11, YOLO26 supporta le attività principali di computer vision con cui gli utenti hanno familiarità, tra cui il rilevamento di oggetti, la segmentazione di istanze e la stima della posa.

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

Tuttavia, Ultralytics YOLO26 non è solo un aggiornamento incrementale. Sebbene i task supportati 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 si estende oltre l'efficienza dell'inferenza per rendere l'addestramento più stabile.

Ultralytics YOLO26 è stato progettato tenendo conto dell'intero ciclo di vita dell'addestramento. Ciò significa una convergenza più rapida, esecuzioni di addestramento più affidabili e un comportamento coerente del modello. Questi miglioramenti sono particolarmente importanti nei flussi di lavoro del mondo reale, in cui l'affidabilità dell'addestramento influisce direttamente sulla rapidità con cui è possibile iterare e distribuire i modelli.

Per consentire ciò, Ultralytics YOLO26 introduce diverse innovazioni mirate per l'addestramento, come Progressive Loss Balancing (ProgLoss), Small-Target-Aware Label Assignment (STAL) e l'ottimizzatore MuSGD. Insieme, questi cambiamenti migliorano il modo in cui viene bilanciata la loss di apprendimento, come vengono assegnate le etichette e come si comporta l'ottimizzazione nel tempo.

In questo articolo esploreremo come funziona ciascuno di questi meccanismi e 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 snellisce nativamente l'intera pipeline di inferenza eliminando la dipendenza da passaggi di post-elaborazione come la Non-Maximum Suppression. Invece di generare molte previsioni sovrapposte e filtrarle successivamente, YOLO26 produce le rilevazioni finali direttamente dalla rete.

Rende YOLO26 an end-to-end un modello in cui la previsione, la risoluzione dei duplicati e i risultati finali vengono tutti appresi all'interno della rete stessa. Ciò semplifica il deployment e migliora l'efficienza dell'inferenza, definendo al contempo il modo in cui il modello apprende durante l'addestramento.

Fig 2. YOLO26 offre un'inferenza all'avanguardia end-to-end e priva di NMS (Source)

In un sistema end-to-end come questo, addestramento e inferenza sono strettamente collegati. Dato che non esiste una fase di post-elaborazione esterna per correggere le previsioni in seguito, il modello deve imparare a prendere decisioni chiare e sicure durante l'addestramento stesso.

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

Ultralytics YOLO26 affronta questo problema progettando il suo processo di addestramento attorno all'utilizzo nel mondo reale fin dall'inizio. Invece di concentrarsi solo sulla velocità di inferenza, il sistema di addestramento è costruito per supportare un apprendimento stabile su esecuzioni prolungate, una convergenza coerente tra le diverse dimensioni dei modelli, da Nano a Extra Large, e prestazioni robuste su set di dati 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 di addestramento a due head utilizzato nei precedenti modelli YOLO. Nei modelli di object detection, una head si riferisce alla parte della rete responsabile dell'effettuare le previsioni.

In altre parole, le detection head imparano a prevedere dove si trovano gli oggetti in un'immagine e cosa sono. Lo fanno eseguendo la regressione delle coordinate del bounding box, il che significa che imparano a stimare la posizione e la dimensione di ogni oggetto nell'immagine di input.

Durante l'addestramento, il modello impara riducendo al minimo una loss, che è una misura numerica di quanto le sue previsioni siano lontane dalle risposte corrette o ground truth. Una loss inferiore significa che le previsioni del modello sono più vicine alla ground truth, mentre una loss più elevata indica errori maggiori. Il calcolo della loss guida il modo in cui il modello aggiorna i suoi parametri durante l'addestramento.

Ultralytics YOLO26 utilizza due teste di rilevamento durante l'addestramento che condividono lo stesso modello sottostante ma servono a scopi diversi. La testa uno-a-uno è quella utilizzata al momento dell'inferenza. Impara ad associare ciascun oggetto a una previsione singola e sicura, essenziale per il design end-to-end e privo di NMS di YOLO26.

Nel frattempo, la head one-to-many viene utilizzata solo durante l'addestramento. Consente di associare più previsioni allo stesso oggetto, fornendo una supervisione più densa. Questo segnale di apprendimento più ricco aiuta a stabilizzare l'addestramento e a migliorare l'accuratezza, specialmente nelle fasi iniziali.

In Ultralytics YOLO26, entrambe le teste 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 durante tutto l'addestramento.

Nella pratica, tuttavia, l'importanza di ciascuna testa cambia nel tempo. La supervisione densa è più utile nelle prime fasi, mentre l'allineamento con il comportamento di inferenza diventa più importante più avanti nell'addestramento. Ultralytics YOLO26 è progettato attorno a questa intuizione, che porta direttamente al modo in cui ribilancia i segnali di apprendimento man mano che l'addestramento procede.

Ultralytics YOLO26 utilizza il Progressive Loss Balancing#

Quindi, come gestisce Ultralytics YOLO26 queste mutevoli esigenze di apprendimento durante l'addestramento? Utilizza il Progressive Loss Balancing per regolare il modo in cui i segnali di apprendimento vengono ponderati nel tempo.

ProgLoss funziona spostando dinamicamente quanto ogni head contribuisce alla loss totale man mano che l'addestramento procede. All'inizio, viene dato più peso alla head one-to-many per stabilizzare l'apprendimento e migliorare il richiamo. Man mano che l'addestramento continua, l'equilibrio si sposta gradualmente verso la head one-to-one, allineando l'addestramento più strettamente con il comportamento di inferenza.

Questa transizione graduale consente a Ultralytics YOLO26 di apprendere nell'ordine corretto. Invece di costringere il modello a ottimizzare obiettivi in competizione tutti in una volta, Progressive Loss Balancing dà priorità al segnale di apprendimento più utile in ogni fase dell'addestramento. Il risultato è una convergenza più fluida, un minor numero di esecuzioni di addestramento instabili e prestazioni finali più coerenti.

Come STAL aiuta Ultralytics YOLO26 a imparare dagli oggetti minuscoli#

Un altro interessante miglioramento nell'addestramento di Ultralytics YOLO26 deriva dal modo in cui il modello assegna i target di addestramento alle previsioni, un processo noto come label assignment. È responsabile dell'abbinamento degli oggetti ground truth alle previsioni candidate, spesso chiamate anchor.

Questi abbinamenti determinano quali predizioni ricevono la supervisione e contribuiscono alla loss. Ultralytics YOLO26 si basa su un metodo di assegnazione delle etichette esistente chiamato Task Alignment Learning (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 una limitazione importante. Durante il processo di abbinamento, gli oggetti molto piccoli potevano essere completamente esclusi. In pratica, gli oggetti più piccoli di circa 8 pixel in un'immagine di input da 640 pixel spesso non riuscivano a ricevere alcuna assegnazione di anchor. Quando ciò accade, il modello riceve poca o nessuna supervisione per quegli oggetti, rendendo difficile imparare a rilevarli in modo affidabile.

Per risolvere questo problema, Ultralytics YOLO26 introduce Small-Target-Aware Label Assignment (STAL). STAL modifica il processo di assegnazione per garantire che i piccoli oggetti non vengano ignorati durante l'addestramento. Nello specifico, impone un minimo di quattro assegnazioni di anchor per oggetti più piccoli di 8 pixel. Ciò garantisce che anche i piccoli oggetti contribuiscano in modo coerente alla loss di addestramento.

Rafforzando la supervisione per i bersagli piccoli, STAL migliora la stabilità dell'apprendimento e le prestazioni di rilevamento in scenari in cui gli oggetti piccoli o distanti sono comuni. Questo miglioramento è particolarmente importante per le applicazioni edge-first YOLO26 come immagini aeree, robotica e sistemi Internet of Things (IoT), in cui gli oggetti sono spesso piccoli, distanti o parzialmente visibili e un 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, specialmente quando aumentano la dimensione del modello e la complessità dell'addestramento.

Affinché una rete neurale possa apprendere e di conseguenza modificare i pesi di conseguenza, durante l'addestramento calcoliamo un errore (chiamato anche "loss"). Il modello, pertanto, misura quanto siano errate le sue previsioni utilizzando un valore di loss, calcola i gradienti che indicano come dovrebbero cambiare i suoi parametri e quindi aggiorna tali parametri per ridurre l'errore. La Stochastic Gradient Descent (SGD) è un ottimizzatore ampiamente utilizzato che esegue questi aggiornamenti, rendendo l'addestramento efficiente e scalabile.

Fig 3. Discesa del gradiente stocastico contro discesa del gradiente (Source)

MuSGD si basa su questa base familiare incorporando idee di ottimizzazione ispirate a Muon, un metodo utilizzato nell'addestramento di 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 migliorato attraverso 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. Ciò consente a YOLO26 di introdurre ulteriore struttura nel processo di ottimizzazione mantenendo 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 le diverse dimensioni dei modelli, rendendo MuSGD un elemento chiave del motivo per cui Ultralytics YOLO26 è più facile da addestrare e più affidabile su larga scala.

Il significato delle innovazioni nell'addestramento di Ultralytics YOLO26#

Le innovazioni nell'addestramento di Ultralytics YOLO26, combinate con caratteristiche chiave come il design end-to-end, senza NMS ed edge-first, rendono il modello più facile da addestrare e più affidabile su larga scala. Potresti chiederti cosa significhi davvero per le applicazioni di computer vision.

Fig 4. Uno sguardo alle caratteristiche chiave di YOLO26 (Source)

In pratica, rende molto più semplice portare la computer vision dove viene effettivamente eseguita. I modelli si addestrano in modo più prevedibile, scalano in modo più coerente tra le diverse dimensioni e sono più semplici da adattare a nuovi set di dati. Ciò riduce l'attrito tra sperimentazione e distribuzione, specialmente in ambienti in cui l'affidabilità e l'efficienza contano tanto quanto le prestazioni grezze.

Ad esempio, nelle applicazioni di robotica e visione industriale, i modelli spesso devono essere riaddestrati frequentemente man mano che ambienti, sensori o attività cambiano. Con Ultralytics YOLO26, i team possono iterare più rapidamente senza preoccuparsi di esecuzioni di addestramento instabili o di comportamenti incoerenti tra le diverse dimensioni dei modelli.

Punti chiave#

I sistemi di computer vision affidabili dipendono tanto da come i modelli vengono addestrati quanto da come performano in fase di inferenza. Migliorando il modo in cui i segnali di apprendimento vengono bilanciati, come vengono gestiti i piccoli oggetti e come procede l'ottimizzazione, Ultralytics YOLO26 rende l'addestramento più stabile e più facile da scalare. Questa attenzione a un addestramento affidabile aiuta i team a passare in modo più fluido dalla fase di sperimentazione al deployment nel mondo reale, specialmente nelle applicazioni edge-first.

Vuoi saperne di più sull'IA? Visita il nostro GitHub repository per scoprire di più. Unisciti alla nostra attiva community e scopri le innovazioni in settori come AI in logistics e vision AI in the automotive industria. Per iniziare subito con la computer vision, dai un'occhiata alle nostre licensing options.