Scopri Ultralytics YOLO26: un modello YOLO migliore, più veloce e più piccolo

Il 25 settembre, durante il nostro evento ibrido annuale YOLO Vision 2025 (YV25) a Londra, Glenn Jocher, il nostro Fondatore e CEO, ha annunciato ufficialmente l'ultima innovazione nella serie di modelli Ultralytics YOLO: Ultralytics YOLO26! Il nostro nuovo modello di computer vision, YOLO26, è in grado di analizzare e interpretare immagini e video con un'architettura ottimizzata che bilancia velocità, accuratezza e facilità di distribuzione.

Sebbene Ultralytics YOLO26 semplifichi alcuni aspetti del design del modello e aggiunga nuovi miglioramenti, continua a offrire le funzionalità familiari che gli utenti si aspettano dai modelli Ultralytics YOLO. Ad esempio, Ultralytics YOLO26 è facile da usare, supporta una vasta gamma di attività di computer vision e offre opzioni flessibili di integrazione e distribuzione.

Inutile dire che questo rende il passaggio a Ultralytics YOLO26 estremamente semplice e non vediamo l'ora che gli utenti possano provarlo personalmente quando sarà disponibile al pubblico alla fine di ottobre.

Fig 1. Un esempio di utilizzo di YOLO26 per rilevare oggetti in un'immagine.

In parole povere, Ultralytics YOLO26 è un modello di visione AI migliore, più veloce e più piccolo. In questo articolo esploreremo le funzionalità chiave di Ultralytics YOLO26 e ciò che offre. Iniziamo!

Link to this sectionSpingersi oltre i confini della visione AI con Ultralytics YOLO26#

Prima di immergerci nelle funzionalità chiave di Ultralytics YOLO26 e nelle applicazioni che rende possibili, facciamo un passo indietro per discutere l'ispirazione e la motivazione che hanno guidato lo sviluppo di questo modello.

In Ultralytics, abbiamo sempre creduto nel potere dell'innovazione. Fin dall'inizio, la nostra missione è stata duplice. Da un lato, vogliamo rendere la visione AI accessibile affinché chiunque possa usarla senza barriere. Dall'altro, ci impegniamo costantemente a mantenerla all'avanguardia, spingendo oltre i limiti di ciò che i modelli di computer vision possono ottenere.

Un fattore chiave alla base di questa missione è che il settore dell'AI è in continua evoluzione. Ad esempio, l'edge AI, che comporta l'esecuzione di modelli AI direttamente sui dispositivi invece di fare affidamento sul cloud, viene adottata rapidamente in tutti i settori.

Dalle smart camera ai sistemi autonomi, ci si aspetta ora che i dispositivi edge elaborino le informazioni in tempo reale. Questo cambiamento richiede modelli più leggeri e veloci, mantenendo allo stesso tempo lo stesso elevato livello di accuratezza.

Ecco perché c'è un bisogno costante di continuare a migliorare i nostri modelli Ultralytics YOLO. Come afferma Glenn Jocher, "Una delle sfide più grandi è stata assicurarci che gli utenti possano ottenere il massimo da YOLO26 offrendo allo stesso tempo le migliori prestazioni".

Link to this sectionUna panoramica di Ultralytics YOLO26#

YOLO26 è disponibile subito in cinque diverse varianti di modello, offrendoti la flessibilità di sfruttare le sue capacità in applicazioni di qualsiasi scala. Tutte queste varianti supportano molteplici attività di computer vision, proprio come i precedenti modelli Ultralytics YOLO. Ciò significa che, indipendentemente dalle dimensioni che scegli, puoi fare affidamento su YOLO26 per offrire un'ampia gamma di funzionalità, proprio come Ultralytics YOLO11.

Ecco una panoramica delle attività di computer vision supportate da YOLO26:

• Rilevamento oggetti: YOLO26 può identificare e localizzare più oggetti all'interno di un'immagine o di un fotogramma video.
• Segmentazione di istanze: Facendo un passo oltre il rilevamento, YOLO26 può generare confini perfetti al pixel attorno a ogni oggetto identificato.
• Classificazione delle immagini: Il modello può analizzare un'intera immagine e assegnarla a una categoria o etichetta specifica.
• Stima della posa: YOLO26 può rilevare keypoint e stimare le pose per umani e altri oggetti.
• Oriented bounding boxes (OBB): Il modello può rilevare oggetti a qualsiasi angolazione, il che è particolarmente utile per le immagini aeree, da droni e satellitari, dove elementi come edifici, veicoli o colture potrebbero non essere allineati con l'inquadratura dell'immagine.
• Tracciamento oggetti: YOLO26 può essere utilizzato per tracciare oggetti tra i fotogrammi video o flussi in tempo reale.

Fig 2. Rilevamento di oggetti in un'immagine usando YOLO26.

Link to this sectionUno sguardo all'architettura di YOLO26#

Ora che abbiamo una migliore comprensione di ciò di cui è capace YOLO26, esaminiamo alcune delle innovazioni nella sua architettura.

Il design del modello è stato ottimizzato rimuovendo il modulo Distribution Focal Loss (DFL), che in precedenza rallentava l'inferenza e limitava la regressione dei bounding box.

Il processo di previsione è stato semplificato con un'opzione di inferenza end-to-end (E2E), che consente al modello di saltare il tradizionale passaggio di Non-Maximum Suppression (NMS). Questo miglioramento riduce la complessità e consente al modello di fornire risultati più rapidamente, semplificando la distribuzione nelle applicazioni del mondo reale.

Altri miglioramenti rendono il modello più intelligente e affidabile. Il Progressive Loss Balancing (ProgLoss) aiuta a stabilizzare l'addestramento e a migliorare l'accuratezza, mentre lo Small-Target-Aware Label Assignment (STAL) garantisce che il modello rilevi piccoli oggetti in modo più efficace. Inoltre, un nuovo ottimizzatore MuSGD migliora la convergenza dell'addestramento e incrementa le prestazioni complessive.

Infatti, la versione più piccola di YOLO26, il modello nano, ora viene eseguita fino al 43% più velocemente sulle CPU standard, rendendola particolarmente adatta per app mobili, smart camera e altri dispositivi edge in cui velocità ed efficienza sono critiche. Ecco un rapido riepilogo delle funzionalità di YOLO26 e di cosa aspettarsi:

• Rimozione DFL: Abbiamo rimosso il modulo Distribution Focal Loss dall'architettura del modello. Indipendentemente dalle dimensioni degli oggetti in un'immagine, YOLO26 può posizionare bounding box su misura, eseguendosi in modo più efficiente.
• Inferenza end-to-end senza NMS: YOLO26 aggiunge una modalità opzionale che non necessita della Non-Maximum Suppression (NMS), un passaggio solitamente utilizzato per rimuovere previsioni duplicate, rendendo la distribuzione più semplice e veloce per l'uso in tempo reale.
• ProgLoss e STAL: Questi miglioramenti rendono l'addestramento più stabile e aumentano significativamente l'accuratezza, specialmente per il rilevamento di piccoli oggetti in scene complesse.
• Ottimizzatore MuSGD: YOLO26 utilizza un nuovo ottimizzatore che combina i punti di forza di due ottimizzatori di addestramento (Muon e SGD), aiutando il modello ad apprendere più velocemente e a raggiungere un'accuratezza maggiore.

Fig 3. Benchmarking di YOLO26.

Link to this sectionSemplificare la distribuzione con Ultralytics YOLO26#

Che tu stia lavorando su app mobili, smart camera o sistemi aziendali, distribuire YOLO26 è semplice e flessibile. Il pacchetto Python di Ultralytics supporta un numero sempre crescente di formati di esportazione, il che rende facile integrare YOLO26 nei flussi di lavoro esistenti e lo rende compatibile con quasi tutte le piattaforme.

Alcune delle opzioni di esportazione includono TensorRT per la massima accelerazione GPU, ONNX per un'ampia compatibilità, CoreML per app iOS native, TFLite per dispositivi Android ed edge, e OpenVINO per prestazioni ottimizzate su hardware Intel. Questa flessibilità rende immediato portare YOLO26 dallo sviluppo alla produzione senza ulteriori ostacoli.

Un'altra parte cruciale della distribuzione consiste nell'assicurarsi che i modelli vengano eseguiti in modo efficiente su dispositivi con risorse limitate. Qui entra in gioco la quantizzazione. Grazie alla sua architettura semplificata, YOLO26 gestisce questo aspetto in modo eccezionale. Supporta la distribuzione INT8 (utilizzando la compressione a 8 bit per ridurre le dimensioni e migliorare la velocità con una perdita di accuratezza minima) così come la mezza precisione (FP16) per un'inferenza più rapida su hardware supportato.

Ancora più importante, YOLO26 offre prestazioni costanti su questi livelli di quantizzazione, quindi puoi fare affidamento su di esso sia che venga eseguito su un server potente sia su un dispositivo edge compatto.

Link to this sectionDalla robotica alla produzione: casi d'uso di YOLO26#

YOLO26 può essere utilizzato in un'ampia varietà di applicazioni di computer vision in molti settori e casi d'uso diversi. Dalla robotica alla produzione, può avere un impatto significativo migliorando i flussi di lavoro e consentendo un processo decisionale più rapido e accurato.

Ad esempio, un buon esempio è la robotica, dove YOLO26 può aiutare i robot a interpretare l'ambiente circostante in tempo reale. Ciò rende la navigazione più fluida e la gestione degli oggetti più precisa. Abilita anche una collaborazione più sicura con le persone.

Un altro esempio è la produzione, dove il modello può essere utilizzato per il rilevamento dei difetti. Può identificare automaticamente i difetti sulle linee di produzione in modo più rapido e accurato rispetto all'ispezione manuale.

Fig 4. Rilevamento di bottiglie in una fabbrica utilizzando YOLO26.

In generale, poiché YOLO26 è migliore, più veloce e più leggero, si adatta facilmente a una vasta gamma di ambienti, dai dispositivi edge leggeri ai grandi sistemi aziendali. Questo lo rende una scelta pratica per le aziende che desiderano migliorare efficienza, accuratezza e affidabilità.

Link to this sectionPunti chiave#

Ultralytics YOLO26 è un modello di computer vision migliore, più veloce e più leggero, rimanendo al contempo facile da usare e offrendo prestazioni solide. Funziona su un'ampia gamma di attività e piattaforme e sarà disponibile per tutti entro la fine di ottobre. Non vediamo l'ora di vedere come la comunità lo userà per creare nuove soluzioni e spingersi oltre i confini della computer vision.

Unisciti alla nostra comunità in crescita! Esplora il nostro repository GitHub per saperne di più sull'AI. Scopri innovazioni come la computer vision nel retail e l'AI nell'industria automobilistica visitando le nostre pagine dedicate alle soluzioni. Per iniziare a costruire con la computer vision oggi stesso, consulta le nostre opzioni di licenza.