Como o Ultralytics YOLO26 treina de forma mais inteligente com ProgLoss, STAL e MuSGD

Na semana passada, lançamos o Ultralytics YOLO26, estabelecendo um novo padrão para modelos de visão computacional em tempo real focados em edge. Semelhante aos Ultralytics YOLO models anteriores, como o Ultralytics YOLO11, o YOLO26 suporta as principais tarefas de visão computacional que já conheces, incluindo deteção de objetos, segmentação de instâncias e estimativa de pose.

Fig. 1. Um exemplo do Ultralytics YOLO26 sendo usado para segmentar objetos em uma imagem.

No entanto, o Ultralytics YOLO26 não é apenas uma atualização incremental. Embora as tarefas suportadas possam parecer familiares, este novo modelo representa um passo inovador em frente na forma como os modelos de visão computacional são treinados. Com o YOLO26, o foco estende-se para além da eficiência de inferência, tornando o treino mais estável.

O Ultralytics YOLO26 foi desenhado com o ciclo de vida completo de treino em mente. Isso significa convergência mais rápida, execuções de treino mais confiáveis e comportamento consistente do modelo. Essas melhorias são especialmente importantes em fluxos de trabalho do mundo real, onde a confiabilidade do treino afeta diretamente a rapidez com que os modelos podem ser iterados e implantados.

Para viabilizar isso, o Ultralytics YOLO26 introduz várias inovações de treino direcionadas, como o Progressive Loss Balancing (ProgLoss), Small-Target-Aware Label Assignment (STAL) e o otimizador MuSGD. Juntas, essas mudanças melhoram a forma como a perda de aprendizado é balanceada, como os rótulos são atribuídos e como a otimização se comporta ao longo do tempo.

Neste artigo, exploraremos como cada um desses mecanismos funciona e por que eles tornam o Ultralytics YOLO26 mais fácil de treinar e mais confiável em escala. Vamos começar!

Ultralytics YOLO26: Criado para treinar de forma mais inteligente, não apenas rodar mais rápido#

O Ultralytics YOLO26 simplifica nativamente todo o pipeline de inferência ao remover a dependência de etapas de pós-processamento, como o Non-Maximum Suppression. Em vez de gerar várias predições sobrepostas e filtrá-las depois, o YOLO26 produz detecções finais diretamente da rede.

Isso faz do YOLO26 an end-to-end modelo, onde a previsão, a resolução de duplicados e os resultados finais são todos aprendidos dentro da própria rede. Isto simplifica a implementação e melhora a eficiência da inferência, moldando também a forma como o modelo aprende durante o treino.

Fig 2. O YOLO26 oferece inferência de ponta end-to-end e sem NMS (Source)

Em um sistema de ponta a ponta como este, o treinamento e a inferência estão estreitamente conectados. Como não há um estágio externo de pós-processamento para corrigir predições posteriormente, o modelo precisa aprender a tomar decisões claras e confiantes durante o próprio treinamento.

Isso torna o alinhamento entre os objetivos de treinamento e o comportamento de inferência especialmente importante. Qualquer incompatibilidade entre como o modelo é treinado e como ele é usado na inferência pode levar a um aprendizado instável ou a uma convergência mais lenta.

O Ultralytics YOLO26 resolve isto ao desenhar o seu processo de treino em torno do uso no mundo real desde o início. Em vez de focar apenas na velocidade de inferência, o sistema de treino foi construído para suportar aprendizagem estável em execuções longas, convergência consistente em vários tamanhos de modelos, desde Nano até Extra Large, e desempenho robusto em diversos conjuntos de dados.

Como dois heads de treinamento melhoram o aprendizado no Ultralytics YOLO26#

Uma das principais inovações de treinamento no Ultralytics YOLO26 baseia-se em uma abordagem de treinamento com dois heads, utilizada em modelos YOLO anteriores. Em modelos de detecção de objetos, um head refere-se à parte da rede responsável por fazer as predições.

Em outras palavras, os heads de detecção aprendem a prever onde os objetos estão localizados em uma imagem e quais são esses objetos. Eles fazem isso através da regressão das coordenadas da bounding box, o que significa que aprendem a estimar a posição e o tamanho de cada objeto na imagem de entrada.

Durante o treinamento, o modelo aprende minimizando uma loss, que é uma medida numérica de quão longe suas predições estão das respostas corretas ou ground truth. Uma loss menor significa que as predições do modelo estão mais próximas do ground truth, enquanto uma loss maior indica erros maiores. O cálculo da loss guia como o modelo atualiza seus parâmetros durante o treinamento.

O Ultralytics YOLO26 utiliza duas cabeças de deteção durante o treino que partilham o mesmo modelo subjacente, mas servem propósitos diferentes. A cabeça um-para-um é a cabeça utilizada no momento da inferência. Aprende a associar cada objeto a uma única previsão confiante, o que é essencial para o design de ponta a ponta e sem NMS do YOLO26.

Enquanto isso, o head um-para-muitos (one-to-many) é usado apenas durante o treinamento. Ele permite que múltiplas predições sejam associadas ao mesmo objeto, fornecendo uma supervisão mais densa. Esse sinal de aprendizado mais rico ajuda a estabilizar o treinamento e melhorar a precisão, especialmente nos estágios iniciais.

No Ultralytics YOLO26, ambas as cabeças utilizam o mesmo cálculo de perda para regressão de caixas e classificação. Implementações anteriores aplicavam um equilíbrio fixo entre estes dois sinais de perda durante todo o treino.

Na prática, contudo, a importância de cada cabeça muda ao longo do tempo. A supervisão densa é mais útil no início, enquanto o alinhamento com o comportamento de inferência se torna mais importante mais tarde no treino. O Ultralytics YOLO26 foi desenhado em torno desta perspetiva, o que leva diretamente à forma como reequilibra os sinais de aprendizagem à medida que o treino progride.

O Ultralytics YOLO26 usa o Progressive Loss Balancing#

Então, como o Ultralytics YOLO26 lida com essas necessidades de aprendizado em mudança durante o treinamento? Ele usa o Progressive Loss Balancing para ajustar como os sinais de aprendizado são ponderados ao longo do tempo.

O ProgLoss funciona alterando dinamicamente quanto cada head contribui para a perda total conforme o treinamento progride. No início, mais peso é colocado no head um-para-muitos para estabilizar o aprendizado e melhorar o recall. Conforme o treinamento continua, o equilíbrio muda gradualmente para o head um-para-um, alinhando o treinamento mais estreitamente com o comportamento de inferência.

Esta transição gradual permite que o Ultralytics YOLO26 aprenda na ordem correta. Em vez de forçar o modelo a otimizar objetivos concorrentes todos de uma vez, o Progressive Loss Balancing prioriza o sinal de aprendizagem mais útil em cada etapa do treino. O resultado é uma convergência mais suave, menos execuções de treino instáveis e um desempenho final mais consistente.

Como o STAL ajuda o Ultralytics YOLO26 a aprender com objetos minúsculos#

Outra melhoria de treinamento interessante no Ultralytics YOLO26 vem da maneira como o modelo atribui alvos de treinamento às predições, um processo conhecido como atribuição de rótulos (label assignment). Ele é responsável por combinar objetos ground truth com predições candidatas, muitas vezes chamadas de anchors.

Estas correspondências determinam quais as previsões que recebem supervisão e contribuem para a perda. O Ultralytics YOLO26 baseia-se num método de atribuição de rótulos existente chamado Task Alignment Learning (TAL), que foi desenhado para alinhar melhor a classificação e a localização durante o treino.

Embora o TAL funcione bem para a maioria dos objetos, o treinamento revelou uma limitação importante. Durante o processo de correspondência, objetos muito pequenos podiam ser descartados completamente. Na prática, objetos menores que cerca de 8 pixels em uma imagem de entrada de 640 pixels frequentemente falhavam em receber qualquer atribuição de anchor. Quando isso acontece, o modelo recebe pouca ou nenhuma supervisão para esses objetos, tornando difícil aprender a detectá-los de forma confiável.

Para resolver este problema, o Ultralytics YOLO26 introduz o Small-Target-Aware Label Assignment (STAL). O STAL modifica o processo de atribuição para garantir que os objetos pequenos não são ignorados durante o treino. Especificamente, impõe um mínimo de quatro atribuições de âncoras para objetos com menos de 8 píxeis. Isto garante que mesmo os objetos minúsculos contribuem consistentemente para a perda de treino.

Ao reforçar a supervisão para alvos pequenos, o STAL melhora a estabilidade de aprendizagem e o desempenho de deteção em cenários onde objetos pequenos ou distantes são comuns. Esta melhoria é especialmente importante para aplicações edge-first YOLO26, tais como imagens aéreas, robótica e sistemas de Internet das Coisas (IoT), onde os objetos são frequentemente pequenos, distantes ou parcialmente visíveis e a deteção fiável é fundamental.

O Ultralytics YOLO26 introduz o otimizador MuSGD#

Para suportar um treinamento mais estável e previsível, o Ultralytics YOLO26 também introduz um novo otimizador chamado MuSGD. Este otimizador foi projetado para melhorar a convergência e a confiabilidade do treinamento em modelos de detecção de ponta a ponta, especialmente à medida que o tamanho do modelo e a complexidade do treinamento aumentam.

Para que uma rede neural possa aprender e, consequentemente, alterar os pesos em conformidade, calculamos um erro (também chamado de "loss") durante o treino. O modelo, portanto, mede quão erradas estão as suas previsões usando um valor de loss, calcula os gradientes que indicam como os seus parâmetros devem mudar e, em seguida, atualiza esses parâmetros para reduzir o erro. O Stochastic Gradient Descent (SGD) é um otimizador amplamente utilizado que realiza estas atualizações, tornando o treino eficiente e dimensionável.

Fig 3. Descida de gradiente estocástica vs descida de gradiente (Source)

O MuSGD baseia-se nessa fundação familiar ao incorporar ideias de otimização inspiradas no Muon, um método usado no treinamento de modelos de linguagem grande. Essas ideias foram influenciadas por avanços recentes, como o Kimi K2 da Moonshot AI, que demonstrou comportamento de treinamento aprimorado através de atualizações de parâmetros mais estruturadas.

O Ultralytics YOLO26 utiliza uma estratégia de atualização híbrida. Alguns parâmetros são atualizados utilizando uma combinação de atualizações inspiradas no Muon e SGD, enquanto outros utilizam apenas SGD. Isto torna possível que o YOLO26 introduza estrutura adicional no processo de otimização, mantendo a robustez e as propriedades de generalização que tornaram o SGD eficaz.

O resultado é uma otimização mais suave, convergência mais rápida e um comportamento de treino mais previsível entre tamanhos de modelos, tornando o MuSGD uma parte fundamental de o motivo pelo qual o Ultralytics YOLO26 é mais fácil de treinar e mais fiável à escala.

O significado das inovações de treinamento do Ultralytics YOLO26#

As inovações de treinamento do Ultralytics YOLO26, combinadas com recursos principais como seu design de ponta a ponta, sem NMS e edge-first, tornam o modelo mais fácil de treinar e mais confiável em escala. Você pode estar se perguntando o que isso realmente significa para aplicações de visão computacional.

Fig 4. Uma vista sobre as principais funcionalidades do YOLO26 (Source)

Na prática, isso torna muito mais fácil levar a visão computacional para onde ela realmente roda. Os modelos treinam de forma mais previsível, escalam de maneira mais consistente entre tamanhos e são mais simples de adaptar a novos datasets. Isso reduz o atrito entre experimentação e implantação, especialmente em ambientes onde a confiabilidade e a eficiência importam tanto quanto o desempenho bruto.

Por exemplo, em aplicações de robotics e visão industrial, os modelos precisam frequentemente de ser retreinados com frequência à medida que os ambientes, sensores ou tarefas mudam. Com o Ultralytics YOLO26, as equipas podem iterar mais rapidamente sem se preocuparem com execuções de treino instáveis ou comportamento inconsistente entre tamanhos de modelos.

Principais pontos#

Os sistemas de visão computacional fiáveis dependem tanto da forma como os modelos são treinados como da forma como se comportam no momento da inferência. Ao melhorar a forma como os sinais de aprendizagem são equilibrados, como os objetos pequenos são geridos e como a otimização progride, o Ultralytics YOLO26 torna o treino mais estável e mais fácil de escalar. Este foco num treino fiável ajuda as equipas a transitar mais suavemente da experimentação para a implementação no mundo real, especialmente em aplicações focadas na edge.

Queres aprender sobre IA? Visita o nosso GitHub repository para descobrir mais. Junta-te à nossa ativa community e descobre inovações em setores como AI in logistics e vision AI in the automotive indústria. Para começares com a visão computacional hoje mesmo, consulta as nossas licensing options.