Conhece o Ultralytics YOLO26: Um modelo YOLO melhor, mais rápido e mais pequeno

No dia 25 de setembro, no nosso evento híbrido anual, YOLO Vision 2025 (YV25) em Londres, Glenn Jocher, o nosso fundador e CEO, anunciou oficialmente o mais recente avanço na série de modelos Ultralytics YOLO, o Ultralytics YOLO26! O nosso novo modelo de visão computacional, o YOLO26, consegue analisar e interpretar imagens e vídeos com uma arquitetura simplificada que equilibra velocidade, precisão e facilidade de implementação.

Embora o Ultralytics YOLO26 simplifique aspetos do design do modelo e adicione novas melhorias, também continua a oferecer as funcionalidades familiares que os utilizadores esperam dos modelos Ultralytics YOLO. Por exemplo, o Ultralytics YOLO26 é fácil de usar, suporta uma variedade de tarefas de visão computacional e oferece opções flexíveis de integração e implementação.

Nem é preciso dizer que isso torna a migração para o Ultralytics YOLO26 descomplicada, e mal podemos esperar para ver os usuários experimentando por conta própria quando ele estiver disponível publicamente no final de outubro.

Fig. 1. Um exemplo de uso do Ultralytics YOLO26 para detectar objetos em uma imagem.

Em resumo, o Ultralytics YOLO26 é um modelo de IA de visão melhor, mais rápido e menor. Neste artigo, vamos explorar os principais recursos do Ultralytics YOLO26 e o que ele traz de novo. Vamos começar!

Expandindo as fronteiras da IA de visão com o Ultralytics YOLO26#

Antes de mergulharmos nos principais recursos do Ultralytics YOLO26 e nas aplicações que ele possibilita, vamos dar um passo atrás e discutir a inspiração e a motivação que impulsionaram o desenvolvimento deste modelo.

Na Ultralytics, sempre acreditámos no poder da inovação. Desde o início, a nossa missão tem sido dupla. Por um lado, queremos tornar a inteligência artificial de visão acessível para que qualquer pessoa a possa usar sem barreiras. Por outro lado, estamos igualmente comprometidos em mantê-la na vanguarda, ultrapassando os limites do que os modelos de visão computacional conseguem alcançar.

Um fator chave por trás dessa missão é que o espaço da IA está sempre evoluindo. Por exemplo, a Edge AI, que envolve a execução de modelos de IA diretamente em dispositivos em vez de depender da nuvem, está sendo adotada rapidamente em vários setores.

De câmeras inteligentes a sistemas autônomos, espera-se agora que os dispositivos na borda processem informações em tempo real. Essa mudança exige modelos que sejam mais leves e rápidos, mantendo o mesmo alto nível de precisão.

É por isso que há uma necessidade constante de continuar melhorando nossos modelos Ultralytics YOLO. Como diz Glenn Jocher: “Um dos maiores desafios foi garantir que os usuários possam aproveitar ao máximo o YOLO26 enquanto entregamos o melhor desempenho”.

Uma visão geral do Ultralytics YOLO26#

O YOLO26 está disponível de raiz em cinco variantes de modelo diferentes, dando-te a flexibilidade de aproveitar as suas capacidades em aplicações de qualquer escala. Todas estas variantes de modelo suportam múltiplas tarefas de visão computacional, tal como os modelos Ultralytics YOLO anteriores. Isto significa que, independentemente do tamanho que escolhas, podes contar com o YOLO26 para oferecer uma ampla gama de capacidades, muito semelhante ao Ultralytics YOLO11.

Aqui está uma visão geral das computer vision tasks suportadas pelo Ultralytics YOLO26:

• Object detection: O Ultralytics YOLO26 pode identificar e localizar vários objetos dentro de uma imagem ou quadro de vídeo.
• Instance segmentation: Indo um passo além da detecção, o Ultralytics YOLO26 pode gerar limites perfeitos em nível de pixel ao redor de cada objeto que identifica.
• Classificação de imagens: O modelo pode analisar uma imagem inteira e atribuí-la a uma categoria ou rótulo específico.
• Pose estimation: O Ultralytics YOLO26 pode detectar pontos-chave e estimar poses para humanos, bem como para outros objetos.
• Caixas delimitadoras orientadas (OBB): O modelo pode detectar objetos em qualquer ângulo, o que é especialmente útil para imagens aéreas, de drones e de satélite, onde itens como edifícios, veículos ou plantações podem não estar alinhados com o enquadramento da imagem.
• Object tracking: O Ultralytics YOLO26 pode ser usado para rastrear objetos em quadros de vídeo ou fluxos em tempo real.

Fig. 2. Detectando objetos em uma imagem usando o Ultralytics YOLO26.

Uma olhada na arquitetura do Ultralytics YOLO26#

Agora que temos uma melhor compreensão do que o Ultralytics YOLO26 é capaz de fazer, vamos examinar algumas das inovações em sua arquitetura.

O design do modelo foi simplificado pela remoção do módulo Distribution Focal Loss (DFL), que anteriormente tornava a inferência mais lenta e limitava a regressão da caixa delimitadora.

O processo de predição também foi simplificado com uma opção de inferência end-to-end (E2E), que permite que o modelo pule a etapa tradicional de Non-Maximum Suppression (NMS). Esse aprimoramento reduz a complexidade e permite que o modelo entregue resultados mais rapidamente, facilitando a implementação em aplicações do mundo real.

Outras melhorias tornam o modelo mais inteligente e confiável. O Progressive Loss Balancing (ProgLoss) ajuda a estabilizar o treinamento e melhorar a precisão, enquanto o Small-Target-Aware Label Assignment (STAL) garante que o modelo detecte objetos pequenos de forma mais eficaz. Além disso, um novo otimizador MuSGD melhora a convergência do treinamento e aumenta o desempenho geral.

De fato, a versão menor do Ultralytics YOLO26, o modelo nano, agora roda até 43% mais rápido em CPUs padrão, tornando-o especialmente adequado para aplicativos móveis, câmeras inteligentes e outros dispositivos de borda onde a velocidade e a eficiência são cruciais. Aqui está um resumo rápido dos recursos do YOLO26 e do que os usuários podem esperar:

• DFL removal: Removemos o módulo Distribution Focal Loss da arquitetura do modelo. Independentemente dos tamanhos dos objetos em uma imagem, o Ultralytics YOLO26 pode posicionar caixas delimitadoras personalizadas enquanto executa com mais eficiência.
• End-to-end NMS-free inference: O Ultralytics YOLO26 adiciona um modo opcional que não precisa de Non-Maximum Suppression (NMS), uma etapa normalmente usada para remover previsões duplicadas, tornando a implantação mais simples e rápida para uso em tempo real.
• ProgLoss e STAL: Essas melhorias tornam o treinamento mais estável e aumentam significativamente a precisão, especialmente para detectar objetos pequenos em cenas complexas.
• MuSGD optimizer: O Ultralytics YOLO26 usa um novo otimizador que combina os pontos fortes de dois otimizadores de treinamento (Muon e SGD), ajudando o modelo a aprender mais rápido e alcançar maior precisão.

Fig 3. Avaliação comparativa (benchmarking) do Ultralytics YOLO26.

Simplificando a implementação com o Ultralytics YOLO26#

Estejas a trabalhar em aplicações móveis, câmaras inteligentes ou sistemas empresariais, implementar o YOLO26 é simples e flexível. O pacote Python da Ultralytics suporta um número em constante crescimento de formatos de exportação, o que facilita a integração do YOLO26 em fluxos de trabalho existentes e o torna compatível com quase qualquer plataforma.

Algumas das opções de exportação incluem TensorRT para aceleração máxima de GPU, ONNX para ampla compatibilidade, CoreML para aplicativos iOS nativos, TFLite para Android e dispositivos de borda, e OpenVINO para desempenho otimizado em hardware Intel. Essa flexibilidade torna simples levar o Ultralytics YOLO26 do desenvolvimento para a produção sem obstáculos extras.

Outra parte crucial da implantação é garantir que os modelos sejam executados com eficiência em dispositivos com recursos limitados. É aqui que entra a quantização. Graças à sua arquitetura simplificada, o Ultralytics YOLO26 lida com isso excepcionalmente bem. Ele suporta implantação INT8 (usando compactação de 8 bits para reduzir o tamanho e melhorar a velocidade com perda mínima de precisão), bem como meia precisão (FP16) para inferência mais rápida em hardware compatível.

Mais importante ainda, o Ultralytics YOLO26 oferece desempenho consistente nesses níveis de quantização, para que possas contar com ele, esteja a ser executado num servidor potente ou num dispositivo de borda compacto.

Da robótica à fabricação: Casos de uso do Ultralytics YOLO26#

O Ultralytics YOLO26 pode ser usado em uma grande variedade de aplicações de computer vision em muitos setores e casos de uso diferentes. Da robótica à fabricação, ele pode causar um impacto significativo ao melhorar os fluxos de trabalho e permitir uma tomada de decisão mais rápida e precisa.

Por exemplo, um bom caso é na robotics, onde o Ultralytics YOLO26 pode ajudar robôs a interpretar seus arredores em tempo real. Isso torna a navegação mais suave e o manuseio de objetos mais preciso. Também permite uma colaboração mais segura com as pessoas.

Outro exemplo é a indústria transformadora, onde o modelo pode ser utilizado para a deteção de defeitos. Consegue identificar automaticamente falhas em linhas de produção de forma mais rápida e precisa do que a inspeção manual.

Fig 4. Detectando garrafas em uma fábrica de manufatura usando o Ultralytics YOLO26.

Em geral, como o Ultralytics YOLO26 é melhor, mais rápido e mais leve, ele se adapta facilmente a uma ampla gama de ambientes, desde dispositivos de borda leves até grandes sistemas corporativos. Isso o torna uma escolha prática para indústrias que buscam melhorar a eficiência, a precisão e a confiabilidade.

Principais pontos#

O Ultralytics YOLO26 é um modelo de visão computacional que é melhor, mais rápido e mais leve, mantendo-se fácil de usar e entregando um desempenho robusto. Ele funciona em uma ampla gama de tarefas e plataformas e estará disponível para todos no final de outubro. Mal podemos esperar para ver como a comunidade o utilizará para criar novas soluções e expandir as fronteiras da visão computacional.

Junta-te à nossa comunidade em crescimento! Explora o nosso repositório no GitHub para saberes mais sobre IA. Descobre inovações como visão computacional no retalho e IA na indústria automóvel visitando as nossas páginas de soluções. Para começares a criar com visão computacional hoje, consulta as nossas opções de licenciamento.