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

A 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 da série de modelos Ultralytics YOLO: o Ultralytics YOLO26! O nosso novo modelo de visão computacional, YOLO26, pode analisar e interpretar imagens e vídeos com uma arquitetura simplificada que equilibra velocidade, precisão e facilidade de implementação.

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

Escusado será dizer que isto torna a mudança para o Ultralytics YOLO26 simples e sem complicações, e mal podemos esperar para ver os utilizadores a experimentá-lo quando estiver disponível publicamente, no final de outubro.

Fig. 1. Um exemplo da utilização do Ultralytics YOLO26 para detetar objetos numa imagem.

Em poucas palavras, o Ultralytics YOLO26 é um modelo de IA para visão computacional melhor, mais rápido e menor. Neste artigo, vamos explorar as principais funcionalidades do Ultralytics YOLO26 e o que ele oferece. Vamos começar!

A ultrapassar os limites da IA para visão computacional com o Ultralytics YOLO26#

Antes de analisarmos as principais funcionalidades do Ultralytics YOLO26 e as aplicações que ele possibilita, vamos recuar um pouco e abordar 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 IA para visão computacional acessível, para que qualquer pessoa possa utilizá-la sem barreiras. Por outro lado, estamos igualmente empenhados em mantê-la na vanguarda, ultrapassando os limites do que os modelos de visão computacional podem alcançar.

Um fator essencial por trás desta missão é o facto de o setor da IA estar sempre a evoluir. Por exemplo, a IA de periferia, que envolve executar modelos de IA diretamente nos dispositivos em vez de depender da cloud, está a ser rapidamente adotada em vários setores.

De câmaras inteligentes a sistemas autónomos, espera-se agora que os dispositivos na periferia processem informações em tempo real. Esta mudança exige modelos mais leves e rápidos, que continuem a oferecer o mesmo elevado nível de precisão.

É por isso que existe uma necessidade constante de continuar a melhorar os nossos modelos Ultralytics YOLO. Como afirma Glenn Jocher: “Um dos maiores desafios foi garantir que os utilizadores conseguem tirar o máximo partido do YOLO26, continuando a oferecer um desempenho de topo.”

Uma visão geral do Ultralytics YOLO26#

O YOLO26 está disponível de imediato em cinco variantes de modelo diferentes, dando-te a flexibilidade para tirares partido das suas capacidades em aplicações de qualquer escala. Todas estas variantes de modelo suportam várias tarefas de visão computacional, tal como os modelos Ultralytics YOLO anteriores. Isto significa que, independentemente do tamanho escolhido, podes contar com o YOLO26 para oferecer uma ampla variedade de capacidades, tal como o Ultralytics YOLO11.

Aqui fica uma visão geral das tarefas de visão computacional suportadas pelo Ultralytics YOLO26:

• Deteção de objetos: o Ultralytics YOLO26 pode identificar e localizar vários objetos numa imagem ou num fotograma de vídeo.
• Segmentação de instâncias: indo além da deteção, o Ultralytics YOLO26 pode gerar limites precisos ao nível dos píxeis em torno de cada objeto que identifica.
• Classificação de imagens: o modelo pode analisar uma imagem inteira e atribuí-la a uma categoria ou etiqueta específica.
• Estimativa de pose: o Ultralytics YOLO26 pode detetar pontos-chave e estimar poses de pessoas, bem como de outros objetos.
• Caixas delimitadoras orientadas (OBB): o modelo pode detetar objetos em qualquer ângulo, o que é especialmente útil para imagens aéreas, de drones e de satélite, nas quais elementos como edifícios, veículos ou culturas agrícolas podem não estar alinhados com o enquadramento da imagem.
• Seguimento de objetos: o Ultralytics YOLO26 pode ser utilizado para seguir objetos ao longo de fotogramas de vídeo ou de streams em tempo real.

Fig. 2. Deteção de objetos numa imagem com o Ultralytics YOLO26.

Uma análise da arquitetura do Ultralytics YOLO26#

Agora que compreendemos melhor aquilo de que o Ultralytics YOLO26 é capaz, vamos analisar algumas das inovações da sua arquitetura.

O design do modelo foi simplificado através da remoção do módulo de Perda Focal de Distribuição (DFL), que anteriormente tornava a inferência mais lenta e limitava a regressão das caixas delimitadoras.

O processo de previsão também foi simplificado com uma opção de inferência de ponta a ponta (E2E), que permite ao modelo ignorar a etapa tradicional de Supressão Não Máxima (NMS). Esta melhoria reduz a complexidade e permite ao modelo fornecer resultados mais rapidamente, facilitando a implementação em aplicações do mundo real.

Outras melhorias tornam o modelo mais inteligente e fiável. O Equilíbrio Progressivo da Perda (ProgLoss) ajuda a estabilizar o treino e a melhorar a precisão, enquanto a Atribuição de Etiquetas Sensível a Objetos Pequenos (STAL) garante que o modelo deteta objetos pequenos com maior eficácia. Além disso, um novo otimizador MuSGD melhora a convergência do treino e aumenta o desempenho geral.

Na verdade, a versão mais pequena do Ultralytics YOLO26, o modelo nano, é agora até 43% mais rápida em CPUs padrão, sendo especialmente adequada para aplicações móveis, câmaras inteligentes e outros dispositivos de periferia onde a velocidade e a eficiência são essenciais. Eis um breve resumo das funcionalidades do YOLO26 e daquilo que os utilizadores podem esperar:

• Remoção do DFL: removemos o módulo de Perda Focal de Distribuição da arquitetura do modelo. Independentemente do tamanho dos objetos numa imagem, o Ultralytics YOLO26 pode posicionar caixas delimitadoras ajustadas, funcionando de forma mais eficiente.
• Inferência de ponta a ponta sem NMS: o Ultralytics YOLO26 adiciona um modo opcional que não necessita da Supressão Não Máxima (NMS), uma etapa normalmente utilizada para remover previsões duplicadas, tornando a implementação mais simples e rápida para utilização em tempo real.
• ProgLoss e STAL: estas melhorias tornam o treino mais estável e aumentam significativamente a precisão, especialmente na deteção de objetos pequenos em cenas complexas.
• Otimizador MuSGD: o Ultralytics YOLO26 utiliza um novo otimizador que combina os pontos fortes de dois otimizadores de treino (Muon e SGD), ajudando o modelo a aprender mais rapidamente e a alcançar maior precisão.

Fig. 3. Avaliação comparativa do Ultralytics YOLO26.

Simplificar a implementação com o Ultralytics YOLO26#

Quer 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 cada vez maior de formatos de exportação, o que facilita a integração do YOLO26 nos fluxos de trabalho existentes e o torna compatível com praticamente qualquer plataforma.

Algumas das opções de exportação incluem TensorRT para obter a máxima aceleração da GPU, ONNX para uma ampla compatibilidade, CoreML para aplicações iOS nativas, TFLite para Android e dispositivos de periferia, e OpenVINO para um desempenho otimizado em hardware Intel. Esta flexibilidade torna simples levar o Ultralytics YOLO26 do desenvolvimento à produção sem obstáculos adicionais.

Outra parte crucial da implementação é garantir que os modelos funcionam de forma eficiente em dispositivos com recursos limitados. É aqui que entra a quantização. Graças à sua arquitetura simplificada, o Ultralytics YOLO26 lida excecionalmente bem com este processo. Suporta a implementação INT8 (utilizando compressão de 8 bits para reduzir o tamanho e melhorar a velocidade com uma perda mínima de precisão), bem como a precisão reduzida para metade (FP16), para uma inferência mais rápida em hardware compatível.

Mais importante ainda, o Ultralytics YOLO26 oferece um desempenho consistente em todos estes níveis de quantização, pelo que podes contar com ele tanto num servidor potente como num dispositivo de periferia compacto.

Da robótica à produção: casos de utilização do Ultralytics YOLO26#

O Ultralytics YOLO26 pode ser utilizado numa grande variedade de aplicações de visão computacional em muitos setores e casos de utilização diferentes. Da robótica à produção, pode causar um impacto significativo ao melhorar os fluxos de trabalho e permitir uma tomada de decisões mais rápida e precisa.

Por exemplo, na robótica, o Ultralytics YOLO26 pode ajudar os robôs a interpretar o ambiente em tempo real. Isto torna a navegação mais fluida e o manuseamento de objetos mais preciso. Também permite uma colaboração mais segura com as pessoas.

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

Fig. 4. Deteção de garrafas numa fábrica de produção com o Ultralytics YOLO26.

De um modo geral, por ser melhor, mais rápido e mais leve, o Ultralytics YOLO26 adapta-se facilmente a uma ampla variedade de ambientes, desde dispositivos de periferia leves a grandes sistemas empresariais. Isto torna-o uma escolha prática para setores que procuram melhorar a eficiência, a precisão e a fiabilidade.

Principais conclusões#

O Ultralytics YOLO26 é um modelo de visão computacional melhor, mais rápido e mais leve, mantendo simultaneamente a facilidade de utilização e um desempenho sólido. Funciona numa ampla variedade de tarefas e plataformas e estará disponível para todos até ao final de outubro. Mal podemos esperar para ver como a comunidade o utilizará para criar novas soluções e ultrapassar os limites da visão computacional.

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