O impacto do design mais rápido e orientado para edge do Ultralytics YOLO26

No início desta semana, a Ultralytics lançou oficialmente o Ultralytics YOLO26, um modelo YOLO mais rápido, leve e pequeno que pretende redefinir o desempenho dos sistemas de visão computacional na edge. O YOLO26 suporta as mesmas tarefas essenciais de visão que os modelos YOLO anteriores, incluindo deteção de objetos e segmentação de instâncias.

Fig. 1. Um exemplo da utilização do Ultralytics YOLO26 para segmentar um objeto.

A diferença fundamental entre o Ultralytics YOLO26 e os modelos anteriores é o ambiente para o qual foi concebido. Em vez de otimizar principalmente para unidades de processamento gráfico (GPUs) na cloud ou para um desempenho orientado por benchmarks, o YOLO26 foi concebido de raiz para implementação no mundo real em dispositivos edge e hardware incorporado.

À medida que a visão computacional passa da investigação para a produção, a realidade das limitações de desempenho torna-se mais clara. Os ambientes edge são condicionados por limites rigorosos de latência, memória, energia e temperatura, bem como pela necessidade de um comportamento previsível em diversas plataformas.

Nestes contextos, o desempenho geral do sistema depende não só da velocidade bruta de inferência, mas também da eficiência com que todo o pipeline funciona. A sobrecarga do pós-processamento, a pressão sobre a memória e os caminhos de execução específicos da plataforma são frequentemente estrangulamentos.

O Ultralytics YOLO26 aborda estes desafios através de uma abordagem mais rápida e orientada para edge, que considera todo o pipeline de inferência em vez de métricas individuais do modelo. Ao concentrar-se na otimização para edge, simplificar o pipeline de inferência e remover etapas desnecessárias de pós-processamento, o YOLO26 proporciona melhorias de velocidade que resultam numa menor latência e num comportamento mais fiável em produção.

Neste artigo, vamos explorar como as escolhas arquiteturais do Ultralytics YOLO26 se traduzem em melhorias de desempenho no mundo real e por que razão ser mais rápido na edge muda fundamentalmente o que é possível fazer com aplicações de visão computacional de próxima geração.

A realidade da implementação na edge#

Executar modelos de visão computacional na edge é muito diferente de executá-los na cloud. Nos ambientes cloud, os sistemas têm normalmente acesso a GPUs potentes, grandes quantidades de memória e hardware estável. Na edge, as mesmas premissas não se aplicam.

A maioria das implementações edge é executada em arquiteturas de hardware diversificadas, não em GPUs. Os dispositivos utilizam normalmente vários processadores especializados para tarefas diferentes, otimizados para a eficiência e o baixo consumo de energia, e não para a capacidade bruta de computação das GPUs cloud.

A latência é outra limitação importante. Os sistemas edge funcionam frequentemente sob limites rigorosos de tempo real, nos quais até pequenos atrasos podem afetar a capacidade de resposta ou a segurança. Nestes casos, a latência de ponta a ponta é mais importante do que a velocidade bruta de inferência. Um modelo pode ser rápido no papel, mas ainda assim não cumprir os requisitos quando se acrescentam o pós-processamento e a movimentação de dados.

A memória também desempenha um papel importante. Muitos dispositivos edge têm memória limitada e caches partilhadas. Tensores intermédios grandes e uma utilização ineficiente da memória podem tornar os sistemas mais lentos, mesmo quando o próprio modelo é eficiente.

Os limites de energia e temperatura acrescentam ainda mais restrições. Os dispositivos edge funcionam frequentemente sem arrefecimento ativo e dentro de orçamentos de energia fixos. O desempenho precisa de ser eficiente e sustentável, não apenas rápido em curtos períodos.

Além de tudo isto, as implementações edge exigem consistência. Os modelos têm de se comportar da mesma forma em diferentes dispositivos e runtimes. Código específico da plataforma ou etapas complexas de pós-processamento podem introduzir diferenças subtis que tornam os sistemas mais difíceis de implementar e manter.

Fig. 2. Uma análise das limitações da implementação na edge. Imagem do autor.

Estas limitações definem o verdadeiro significado do desempenho na edge. Por outras palavras, o desempenho é definido por todo o pipeline, não por uma única métrica.

Por que razão a visão na edge exige um modelo de desempenho diferente#

Então, de que forma as limitações da implementação na edge estão relacionadas com os requisitos de um modelo de visão computacional concebido para a edge? A ligação torna-se clara quando os modelos passam dos contextos de investigação para os sistemas do mundo real.

Nos ambientes cloud, o desempenho é frequentemente medido através de benchmarks como a velocidade e a precisão da inferência. Na edge, essas métricas contam apenas parte da história. Os sistemas de visão funcionam normalmente em hardware heterogéneo, onde a inferência de redes neuronais é transferida para aceleradores especializados, enquanto outras partes do pipeline são executadas em processadores de uso geral.

Neste contexto, a velocidade do modelo não é suficiente. O fundamental é o desempenho de todo o sistema depois de o modelo ser implementado. Um modelo pode parecer rápido por si só, mas ainda assim não cumprir os requisitos se o pós-processamento, a movimentação de dados ou as etapas específicas da plataforma acrescentarem sobrecarga.

É por isso que a visão na edge exige um modelo de desempenho centrado na eficiência ao nível do sistema, em vez de benchmarks isolados. O Ultralytics YOLO26 reflete esta mudança ao concentrar-se na otimização orientada para edge, na inferência simplificada e na execução de ponta a ponta concebida para a implementação no mundo real.

A base da velocidade: um design orientado para edge#

Na edge, o desempenho é definido pela forma como um modelo se adapta à arquitetura de hardware real do dispositivo. Conceber primeiro para a edge garante que os sistemas de visão funcionam de forma fiável em plataformas do mundo real, independentemente da combinação específica de unidades de processamento disponíveis.

Uma abordagem orientada para edge dá prioridade a uma execução previsível e eficiente em hardware heterogéneo, em vez de adaptar posteriormente modelos otimizados para GPUs cloud. Em termos simples, isto significa privilegiar operações que se traduzem bem para aceleradores de redes neuronais, minimizar o trabalho não neuronal fora do modelo e reduzir a complexidade desnecessária que pode tornar a execução de ponta a ponta mais lenta.

O Ultralytics YOLO26 foi concebido tendo estas limitações em mente. A sua arquitetura centra-se num desempenho consistente, em vez de num débito máximo em condições ideais. Ao simplificar os caminhos de execução e eliminar computação desnecessária, o YOLO26 reduz a sobrecarga em todo o pipeline de inferência e utiliza melhor a aceleração e a hierarquia de memória disponíveis no dispositivo.

Esta abordagem também melhora a fiabilidade. A otimização orientada para edge resulta numa temporização mais previsível e em menos picos de desempenho, o que é fundamental para sistemas de tempo real. Em vez de depender de hardware especializado ou de pós-processamento pesado para obter velocidade, o Ultralytics YOLO26 privilegia a eficiência em todo o pipeline de inferência.

A inferência de ponta a ponta e o custo do pós-processamento#

Talvez te perguntes o que significa eliminar etapas desnecessárias de pós-processamento. Para compreender isto, vamos recuar um pouco e analisar como funcionam os sistemas tradicionais de deteção de objetos.

Em muitos pipelines de deteção de objetos, a inferência não termina quando o modelo produz as suas previsões. Em vez disso, o modelo gera um grande número de caixas delimitadoras sobrepostas, que têm de ser filtradas e refinadas antes de poderem ser utilizadas. Esta limpeza é feita através de etapas de pós-processamento executadas fora do próprio modelo.

Uma das etapas de pós-processamento mais comuns é a Supressão Não Máxima, ou NMS. A NMS compara caixas delimitadoras sobrepostas e mantém apenas as deteções com maior confiança, removendo duplicados que se referem ao mesmo objeto. Embora esta abordagem seja eficaz, introduz computação adicional depois de a inferência estar concluída.

Fig. 3. Compreender a NMS. Imagem do autor.

Na edge, este trabalho adicional tem um custo. As etapas de pós-processamento, como a NMS, não são adequadas aos aceleradores especializados utilizados para a inferência de redes neuronais, que estão otimizados para computação neuronal densa e não para operações com muito controlo ou intensivas em memória.

Como resultado, a NMS introduz latência e sobrecarga de memória adicionais, e o seu custo aumenta à medida que cresce o número de deteções. Mesmo quando o próprio modelo é rápido, a NMS pode ainda consumir uma parte significativa do tempo total de execução.

O pós-processamento também aumenta a complexidade do sistema. Por existir fora do modelo, tem de ser implementado separadamente para diferentes runtimes e destinos de hardware. Isto conduz frequentemente a caminhos de código específicos da plataforma, comportamentos inconsistentes entre dispositivos e pipelines de implementação mais frágeis.

Mais importante ainda, o pós-processamento quebra a ideia de um verdadeiro desempenho de ponta a ponta. Medir a velocidade de inferência do modelo não reflete o comportamento do sistema em produção. O que importa, em última análise, é o tempo total desde a entrada até à saída final, incluindo todas as etapas do pipeline.

Nestas situações, o pós-processamento torna-se um estrangulamento oculto na edge. Acrescenta latência, consome recursos do CPU e complica a implementação, ao mesmo tempo que permanece fora do próprio modelo.

Como o Ultralytics YOLO26 remove a NMS e por que razão isso o torna mais rápido#

O YOLO26 remove a NMS ao abordar a causa principal das deteções duplicadas, em vez de as limpar depois da inferência. Em vez de produzir muitas previsões sobrepostas que precisam de ser filtradas, o modelo é treinado para gerar diretamente um conjunto menor de deteções finais e confiantes.

Isto é possível graças à alteração da forma como as deteções são aprendidas durante o treino. O Ultralytics YOLO26 promove uma relação um-para-um mais clara entre objetos e previsões, reduzindo a redundância na sua origem. Como resultado, as deteções duplicadas são resolvidas dentro da própria rede, em vez de através de pós-processamento externo.

A remoção da NMS tem um impacto imediato no desempenho na edge. Como a NMS não se adapta bem aos aceleradores de redes neuronais, eliminá-la reduz a movimentação de memória e evita etapas dispendiosas de processamento não neuronal. Isto reduz a latência de ponta a ponta e torna o desempenho mais previsível, especialmente em dispositivos edge onde o pós-processamento poderia consumir uma parte considerável do tempo total de execução.

Isto também simplifica o pipeline de inferência. Com menos etapas fora do modelo, há menos movimentação de dados e menos transferências entre componentes. A saída do modelo já é o resultado final, o que torna a execução mais previsível.

Remover a DFL para permitir um verdadeiro desempenho de ponta a ponta#

Outra inovação do Ultralytics YOLO26 é a remoção da Distribution Focal Loss, ou DFL, utilizada nos modelos YOLO anteriores para a regressão de caixas delimitadoras. Em vez de prever diretamente uma única coordenada, os modelos que utilizavam DFL aprendiam uma distribuição de valores possíveis e, em seguida, derivavam uma caixa delimitadora final a partir dessa distribuição. Esta abordagem ajudou a melhorar a precisão da localização e representou um avanço importante nas gerações anteriores.

Com o tempo, contudo, a DFL também introduziu compromissos. Prever distribuições aumenta a computação e acrescenta complexidade à arquitetura do modelo, o que pode tornar a inferência mais lenta em CPUs e dificultar a exportação dos modelos para diferentes formatos de implementação. A DFL também impunha intervalos fixos de regressão, o que podia limitar a flexibilidade na deteção de objetos muito grandes.

O Ultralytics YOLO26 remove a DFL como parte da sua transição para um design mais simples e de ponta a ponta. A regressão das caixas delimitadoras foi redesenhada para ser mais direta, reduzindo a computação desnecessária e mantendo a precisão. Esta alteração está alinhada com a abordagem do YOLO26 sem NMS.

De onde vem a inferência no CPU 43% mais rápida#

Nos benchmarks baseados em CPU, o YOLO26 apresenta uma melhoria de desempenho clara em comparação com os modelos YOLO anteriores. Em comparação com o Ultralytics YOLO11, o modelo nano YOLO26 proporciona uma inferência no CPU até 43% mais rápida, uma diferença com impacto significativo nas implementações edge do mundo real.

Fig. 4. Avaliação da velocidade do YOLO26 no CPU.

Este ganho resulta da simplificação de todo o pipeline de inferência, e não da otimização de um único componente. A execução de ponta a ponta elimina a sobrecarga do pós-processamento, um método mais direto de regressão de caixas delimitadoras reduz a computação e as escolhas de design orientadas para CPU melhoram a eficiência da execução em processadores de uso geral.

Em conjunto, estas alterações reduzem a latência, diminuem a carga sobre o CPU e conduzem a um desempenho mais rápido e consistente em hardware edge do mundo real.

O impacto do Ultralytics YOLO26 na implementação e nas exportações para edge#

Os ganhos de desempenho do Ultralytics YOLO26 vão além de uma inferência mais rápida. Ao simplificar o modelo e reduzir a sobrecarga de memória, torna-se mais fácil implementá-lo e mais fiável executá-lo em ambientes edge.

O design de ponta a ponta do Ultralytics YOLO26 também simplifica a exportação. Com menos componentes auxiliares e sem etapas externas de pós-processamento, os modelos exportados são totalmente autónomos. Isto reduz as dependências específicas da plataforma e ajuda a garantir um comportamento consistente em diferentes runtimes e destinos de hardware.

Na prática, isto significa que o Ultralytics YOLO26 pode ser implementado mais facilmente em dispositivos edge, como câmaras, robôs e sistemas incorporados, utilizando vários formatos de exportação. Aquilo que exportas é aquilo que executas, com menos etapas de integração e menor risco de divergências na implementação.

Uma inferência edge mais rápida permite a IA de robótica e de visão industrial#

Até agora, analisámos como o design orientado para edge do Ultralytics YOLO26 melhora o desempenho ao nível do sistema. O impacto real, contudo, está na forma como facilita a integração da IA de visão em aplicações do mundo real.

Por exemplo, em ambientes de robótica e industriais, os sistemas de visão funcionam frequentemente sob restrições rigorosas de tempo real. As decisões têm de ser tomadas de forma rápida e consistente, utilizando recursos computacionais limitados e sem depender de conectividade cloud. Com o Ultralytics YOLO26, cumprir estes requisitos torna-se prático.

Aplicações como a navegação de robôs e a manipulação de objetos beneficiam de uma menor latência e de uma inferência mais previsível, permitindo que os robôs respondam suavemente às alterações no seu ambiente. Do mesmo modo, em contextos industriais, os modelos de visão podem ser executados diretamente nas linhas de produção para detetar defeitos, acompanhar componentes e monitorizar processos sem introduzir atrasos ou complexidade adicional.

Ao permitir uma inferência rápida e fiável em hardware edge, o Ultralytics YOLO26 ajuda a tornar a IA de visão uma parte natural dos sistemas robóticos e industriais, em vez de um desafio de implementação e manutenção.

Principais conclusões#

O Ultralytics YOLO26 foi concebido para a edge, onde limitações do mundo real, como latência, memória e fiabilidade, definem o que é possível. Ao conceber o modelo em torno de uma execução orientada para CPU, de uma inferência de ponta a ponta e de uma implementação mais simples, o YOLO26 torna prática a integração da IA de visão em sistemas reais. Esta abordagem orientada para edge permite uma vasta gama de aplicações, desde a robótica e a visão industrial até à IA incorporada e no dispositivo, onde o desempenho e a previsibilidade são mais importantes.

Junta-te à nossa comunidade, que está a crescer, e explora o nosso repositório no GitHub para obteres recursos práticos de IA. Para desenvolveres hoje com IA de visão, explora as nossas opções de licenciamento. Descobre como a IA na agricultura está a transformar a agricultura e como a IA de visão na área da saúde está a moldar o futuro, visitando as nossas páginas de soluções.