25 settembre 2025
Esplorate l'ultimo modello di Ultralytics YOLO, Ultralytics YOLO26, e le sue caratteristiche all'avanguardia che supportano un equilibrio ottimale di velocità, precisione e implementazione.
Il 25 settembre, in occasione del nostro evento annuale ibrido YOLO Vision 2025 (YV25) a Londra, Glenn Jocher, il nostro fondatore e CEO, ha annunciato ufficialmente l'ultima novità della 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 semplificata che bilancia velocità, precisione e facilità di implementazione.
Ultralytics YOLO26 semplifica alcuni aspetti del design del modello e aggiunge nuovi miglioramenti, ma continua a offrire le caratteristiche che gli utenti si aspettano dai modelli Ultralytics YOLO. Ad esempio, Ultralytics YOLO26 è facile da usare, supporta una serie di attività di computer vision e offre opzioni di integrazione e distribuzione flessibili.
Inutile dire che questo rende il passaggio all'utilizzo di Ultralytics YOLO26 senza problemi e non vediamo l'ora che gli utenti lo sperimentino in prima persona quando sarà disponibile al pubblico alla fine di ottobre.
In poche parole, Ultralytics YOLO26 è un modello Vision AI migliore, più veloce e più piccolo. In questo articolo esploreremo le caratteristiche principali di Ultralytics YOLO26 e ciò che porta in tavola. Iniziamo!
Prima di immergerci nelle caratteristiche principali di Ultralytics YOLO26 e delle applicazioni che rende possibili, facciamo un passo indietro e discutiamo 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 accessibile l'IA di Vision in modo che chiunque possa utilizzarla senza barriere. Dall'altro lato, siamo altrettanto impegnati a mantenerla all'avanguardia, spingendo i confini di ciò che i modelli di computer vision possono raggiungere.
Un fattore chiave di questa missione è che lo spazio dell'IA è in continua evoluzione. Ad esempio, l'edge AI, che prevede l'esecuzione di modelli di AI direttamente sui dispositivi invece di affidarsi al cloud, viene adottata rapidamente in tutti i settori.
Dalle telecamere intelligenti ai sistemi autonomi, i dispositivi periferici devono elaborare le informazioni in tempo reale. Questo cambiamento richiede modelli più leggeri e più veloci, pur garantendo lo stesso livello di precisione.
Ecco perché è necessario migliorare costantemente i modelli YOLO di Ultralytics. Come dice Glenn Jocher: "Una delle sfide più grandi è stata quella di assicurarsi che gli utenti potessero ottenere il massimo da YOLO26, pur continuando a fornire le massime prestazioni".
YOLO26 è disponibile in cinque diverse varianti di modello, offrendo la flessibilità necessaria per sfruttare le sue capacità in applicazioni di qualsiasi portata.
Tutte queste varianti di modello supportano diverse attività di computer vision, proprio come i precedenti modelli YOLO di Ultralytics. Ciò significa che, indipendentemente dalla dimensione scelta, YOLO26 è in grado di offrire un'ampia gamma di funzionalità, proprio come Ultralytics YOLO11.
Ecco una panoramica dei compiti di computer vision supportati da YOLO26:
Ora che abbiamo una migliore comprensione di ciò che YOLO26 è in grado di fare, analizziamo alcune delle innovazioni della sua architettura.
Il design del modello è stato semplificato eliminando il modulo Distribution Focal Loss (DFL), che in precedenza rallentava l'inferenza e limitava la regressione del bounding box.
Il processo di previsione è stato inoltre semplificato con un'opzione di inferenza end-to-end (E2E), che consente al modello di saltare la tradizionale fase di soppressione non massimale (NMS). Questo miglioramento riduce la complessità e consente al modello di fornire risultati più rapidamente, facilitando l'impiego in applicazioni reali.
Altri miglioramenti rendono il modello più intelligente e affidabile. Il bilanciamento progressivo delle perdite (ProgLoss) aiuta a stabilizzare l'addestramento e a migliorare l'accuratezza, mentre l'assegnazione consapevole delle etichette (Small-Target-Aware Label Assignment, STAL) assicura che il modello rilevi in modo più efficace gli oggetti di piccole dimensioni. Inoltre, un nuovo ottimizzatore MuSGD migliora la convergenza dell'addestramento e aumenta le prestazioni complessive.
Infatti, la versione più piccola di YOLO26, il modello nano, è ora in grado di funzionare fino al 43% più velocemente su CPU standard, il che lo rende particolarmente adatto alle applicazioni mobili, alle fotocamere intelligenti e ad altri dispositivi edge in cui velocità ed efficienza sono fondamentali.
Ecco un rapido riepilogo delle caratteristiche di YOLO26 e di ciò che gli utenti possono aspettarsi:
Sia che si lavori su applicazioni mobili, telecamere intelligenti o sistemi aziendali, l'implementazione di YOLO26 è semplice e flessibile. Il pacchetto Ultralytics Python supporta un numero sempre crescente di formati di esportazione, il che facilita l'integrazione di 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 della GPU, ONNX per un'ampia compatibilità, CoreML per le app native iOS, TFLite per Android e dispositivi edge e OpenVINO per prestazioni ottimizzate su hardware Intel. Questa flessibilità rende semplice 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. È qui che 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 minima di precisione) e la mezza precisione (FP16) per un'inferenza più veloce sull'hardware supportato.
Soprattutto, YOLO26 offre prestazioni costanti su tutti questi livelli di quantizzazione, per cui si può fare affidamento su di esso sia che venga eseguito su un potente server che su un dispositivo edge compatto.
YOLO26 può essere utilizzato in un'ampia gamma di applicazioni di computer vision in diversi settori e casi d'uso. Dalla robotica alla produzione, può avere un impatto significativo migliorando i flussi di lavoro e consentendo un processo decisionale più rapido e accurato.
Un buon esempio è quello della robotica, dove YOLO26 può aiutare i robot a interpretare l'ambiente circostante in tempo reale. Questo rende la navigazione più fluida e la gestione degli oggetti più precisa. Inoltre, consente 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.
In generale, poiché YOLO26 è migliore, più veloce e più leggero, si adatta facilmente a un'ampia gamma di ambienti, dai dispositivi edge leggeri ai grandi sistemi aziendali. Questo lo rende una scelta pratica per le industrie che cercano di migliorare l'efficienza, la precisione e l'affidabilità.
Ultralytics YOLO26 è un modello di computer vision migliore, più veloce e più leggero, ma allo stesso tempo facile da usare e con prestazioni elevate. 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 utilizzerà per creare nuove soluzioni e superare i limiti della computer vision.
Unisciti alla nostra comunità in crescita! Esplorate il nostro repository GitHub per saperne di più sull'IA. Scoprite innovazioni come la computer vision nella vendita al dettaglio e l'IA nell' industria automobilistica visitando le nostre pagine dedicate alle soluzioni. Per iniziare a costruire con la computer vision oggi stesso, date un'occhiata alle nostre opzioni di licenza.
.webp)
