Principais destaques da Ultralytics no YOLO Vision 2025 Shenzhen!

A 26 de outubro, o YOLO Vision 2025 (YV25) estreou na China no Edifício B10 do OCT Creative Culture Park, em Shenzhen. O evento híbrido de IA para visão da Ultralytics reuniu presencialmente mais de 200 participantes, com muitos outros a juntarem-se online através do YouTube e do Bilibili.

A transmissão em direto do YV25 Shenzhen já ultrapassou as 3.500 visualizações no YouTube e continua a despertar atenção à medida que os destaques do evento são partilhados pela comunidade. Foi um dia repleto de ideias, conversas e exploração prática do rumo que a IA para visão está a tomar.

O dia começou com uma calorosa receção da nossa anfitriã, Huang Xueying, que convidou todos a estabelecer contactos, aprender e participar nas discussões ao longo do evento. Explicou que este era o segundo YOLO Vision do ano, depois da edição de Londres em setembro, e partilhou o entusiasmo por voltar a reunir a comunidade de IA para visão em Shenzhen.

Neste artigo, vamos revisitar os destaques do dia, incluindo as atualizações dos modelos, as sessões dos oradores, as demonstrações em direto e os momentos de comunidade que reuniram todos. Vamos começar!

A jornada dos modelos Ultralytics YOLO até agora#

A primeira palestra principal do dia foi conduzida pelo Fundador e CEO da Ultralytics, Glenn Jocher, que partilhou como os modelos Ultralytics YOLO evoluíram de uma descoberta de investigação para alguns dos modelos de IA para visão mais utilizados no mundo. Glenn explicou que o seu trabalho inicial se concentrou em tornar o YOLO mais fácil de utilizar.

Portou os modelos para PyTorch, melhorou a documentação e partilhou tudo abertamente para que os programadores de todo o mundo pudessem desenvolver a partir daí. Como recordou: “Mergulhei de cabeça em 2018. Decidi que era aqui que estava o meu futuro.” O que começou como um esforço pessoal rapidamente se tornou um movimento global de código aberto.

Fig. 1. Glenn Jocher a falar no palco no YOLO Vision 2025 Shenzhen.

Atualmente, os modelos Ultralytics YOLO alimentam milhares de milhões de inferências todos os dias, e Glenn salientou que esta escala só foi possível graças às pessoas que ajudaram a desenvolvê-los. Investigadores, engenheiros, estudantes, entusiastas e colaboradores de código aberto de todo o mundo moldaram o YOLO no que é hoje.

Como disse Glenn: “Há quase mil [colaboradores] por aí e estamos extremamente gratos por isso. Não estaríamos onde estamos hoje sem estas pessoas.”

Atualizações sobre o Ultralytics YOLO26#

A primeira apresentação do Ultralytics YOLO26 foi feita no início deste ano no evento YOLO Vision 2025 London, onde foi apresentado como o próximo grande passo na família de modelos Ultralytics YOLO. No YV25 Shenzhen, Glenn atualizou o público sobre os progressos desde esse anúncio e permitiu à comunidade de IA conhecer melhor a evolução do modelo.

O Ultralytics YOLO26 foi concebido para ser mais pequeno, rápido e preciso, mantendo-se prático para utilização no mundo real. Glenn explicou que a equipa passou o último ano a aperfeiçoar a arquitetura, avaliar o desempenho em diferentes dispositivos e incorporar conhecimentos da investigação e do feedback da comunidade. O objetivo é oferecer desempenho de última geração sem tornar os modelos mais difíceis de implementar.

O que esperar do Ultralytics YOLO26#

Uma das principais atualizações destacadas por Glenn é que o Ultralytics YOLO26 é acompanhado por uma campanha dedicada de ajuste de hiperparâmetros, passando de treinar totalmente a partir do zero para fazer fine-tuning em conjuntos de dados maiores. Explicou que esta abordagem está muito mais alinhada com os casos de utilização reais.

Eis algumas das outras melhorias importantes partilhadas no evento:

• Arquitetura simplificada: a camada Distribution Focal Loss (DFL) foi removida. Isto torna os modelos mais simples e rápidos de executar, mantendo o mesmo nível de precisão.
• Suporte para inferência de ponta a ponta: o Ultralytics YOLO26 é nativamente de ponta a ponta, o que significa que pode ser executado sem uma camada NMS separada. Isto torna muito mais fácil exportar para formatos como ONNX e TensorRT e implementar em hardware de edge.
• Melhor desempenho com objetos pequenos: as estratégias de loss atualizadas ajudam o modelo a detetar objetos minúsculos com maior fiabilidade, um desafio antigo na visão computacional.
• Um novo otimizador híbrido: o YOLO26 inclui um novo otimizador inspirado na investigação recente sobre o treino de grandes modelos de linguagem, que melhora a precisão do modelo e está agora integrado diretamente no pacote Python da Ultralytics.

O Ultralytics YOLO26 é o próximo passo na IA para visão prática#

Em conjunto, estas atualizações resultam em modelos até 43% mais rápidos em CPU e também mais precisos do que o Ultralytics YOLO11, tornando o YOLO26 especialmente impactante em dispositivos incorporados, robótica e sistemas edge.

O Ultralytics YOLO26 suportará todas as mesmas tarefas e tamanhos de modelo atualmente disponíveis no YOLO11, resultando em 25 variantes de modelo na família. Isto inclui modelos para deteção, segmentação, estimativa de pose, caixas delimitadoras orientadas e classificação, desde nano até extra grande.

A equipa está também a trabalhar em cinco variantes com suporte para prompts. Estes modelos podem receber um prompt de texto e devolver diretamente caixas delimitadoras, sem necessidade de treino.

É um primeiro passo rumo a fluxos de trabalho de visão mais flexíveis e baseados em instruções, mais fáceis de adaptar a diferentes casos de utilização. Os modelos Ultralytics YOLO26 ainda estão em desenvolvimento ativo, mas os resultados iniciais de desempenho são fortes e a equipa está a trabalhar para os lançar em breve.

Uma visão geral da Ultralytics Platform#

Após a atualização do YOLO26, Glenn convidou Prateek Bhatnagar, o nosso responsável de Engenharia de Produto, para fazer uma demonstração em direto da Ultralytics Platform. Esta plataforma está a ser desenvolvida para reunir partes essenciais do fluxo de trabalho de visão computacional, incluindo a exploração de conjuntos de dados, a anotação de imagens, o treino de modelos e a comparação de resultados.

Fig. 2. Prateek Bhatnagar a apresentar a Ultralytics Platform.

Prateek salientou que a plataforma mantém as raízes de código aberto da Ultralytics, introduzindo dois espaços comunitários, uma comunidade de conjuntos de dados e uma comunidade de projetos, onde os programadores podem contribuir, reutilizar e melhorar o trabalho uns dos outros. Durante a demonstração, apresentou a anotação assistida por IA, o treino na cloud simplificado e a possibilidade de fazer fine-tuning dos modelos diretamente a partir da comunidade, sem precisar de recursos locais de GPU.

A plataforma está atualmente em desenvolvimento. Prateek incentivou o público a acompanhar os anúncios e observou que a equipa está a crescer na China para apoiar o lançamento.

As vozes por detrás do YOLO: o painel dos autores#

Com o entusiasmo a aumentar, o evento passou para um painel de discussão com vários investigadores responsáveis por diferentes modelos YOLO. O painel incluiu Glenn Jocher, juntamente com Jing Qiu, a nossa Engenheira Sénior de Machine Learning; Chen Hui, Engenheiro de Machine Learning na Meta e um dos autores do YOLOv10; e Bo Zhang, Estratega de Algoritmos na Meituan e um dos autores do YOLOv6.

Fig. 3. Um painel sobre o desenvolvimento de modelos YOLO com Huang Xueying, Chen Hui, Bo Zhang, Jing Qiu e Glenn Jocher.

A discussão centrou-se na forma como o YOLO continua a evoluir através da utilização no mundo real. Os oradores abordaram como o progresso é frequentemente impulsionado por desafios práticos de implementação, como executar eficientemente em dispositivos edge, melhorar a deteção de objetos pequenos e simplificar a exportação de modelos.

Em vez de perseguir apenas a precisão, o painel salientou a importância de equilibrar velocidade, facilidade de utilização e fiabilidade em ambientes de produção. Outro ponto comum foi o valor da iteração e do feedback da comunidade.

Eis alguns outros pontos interessantes da conversa:

• A deteção de vocabulário aberto está a ganhar força no ecossistema YOLO: os modelos mais recentes mostram como o alinhamento visão-linguagem e os fluxos de trabalho baseados em prompts podem detetar objetos para além de categorias fixas.
• A atenção leve está a ganhar destaque: o painel discutiu como a utilização de mecanismos de atenção eficientes, em vez de atenção total em todo o lado, pode aumentar a precisão mantendo a inferência suficientemente leve para dispositivos edge.
• Iterar desde cedo e frequentemente com a comunidade: os membros do painel reforçaram uma mentalidade de construir–testar–melhorar, na qual lançar modelos mais cedo e aprender com os utilizadores gera resultados melhores do que longos ciclos de desenvolvimento privado.

Líderes de opinião que definem o futuro da IA e da visão#

De seguida, vamos analisar mais de perto algumas das palestras principais do YV25 Shenzhen, onde líderes de toda a comunidade de IA partilharam como a IA para visão está a evoluir, desde humanos digitais e robótica até ao raciocínio multimodal e à implementação eficiente na edge.

Ensinar a IA a compreender a experiência humana#

Numa sessão esclarecedora, o Dr. Peng Zhang, do Alibaba Qwen Lab, partilhou como a sua equipa está a desenvolver grandes modelos de vídeo capazes de gerar humanos digitais expressivos, com movimentos e controlo mais naturais. Apresentou o Wan S2V e o Wan Animate, que utilizam referências de áudio ou movimento para produzir fala, gestos e animações realistas, respondendo às limitações da geração exclusivamente orientada por texto.

Fig. 4. Peng Zhang a explicar como grandes modelos de vídeo podem dar vida a humanos digitais.

O Dr. Zhang falou também dos progressos rumo a avatares interativos em tempo real, incluindo a clonagem zero-shot da aparência e do movimento e modelos leves que podem animar um rosto diretamente a partir de uma transmissão de câmara em direto, aproximando os humanos digitais realistas de uma execução fluida em dispositivos comuns.

Da perceção à ação: a era da inteligência incorporada#

Um dos temas principais do YV25 Shenzhen foi a transição de modelos de visão que simplesmente veem o mundo para sistemas capazes de agir nele. Por outras palavras, a perceção já não é o fim do pipeline; está a tornar-se o início da ação.

Por exemplo, na sua palestra principal, Hu Chunxu, da D-Robotics, descreveu como os seus kits de desenvolvimento e soluções SoC (sistema num chip) integram deteção, controlo de movimento em tempo real e tomada de decisões numa stack unificada de hardware e software. Ao tratarem a perceção e a ação como um ciclo contínuo de feedback, em vez de fases separadas, a sua abordagem permite criar robôs que se movem, adaptam e interagem de forma mais fiável em ambientes reais.

Fig. 5. Demonstração da D-Robotics no YOLO Vision 2025 em Shenzhen, China.

Alex Zhang, da Baidu Paddle, reforçou esta ideia na sua apresentação, explicando como o YOLO e o PaddleOCR trabalham em conjunto para detetar objetos e depois interpretar o texto e a estrutura à sua volta. Isto permite aos sistemas converter imagens e documentos em informação útil e estruturada para tarefas como logística, inspeções e processamento automatizado.

Inteligência na edge: IA eficiente para todos os dispositivos#

Outro tema interessante no YV25 Shenzhen foi a forma como a IA para visão está a tornar-se mais eficiente e capaz em dispositivos edge.

Paul Jung, da DEEPX, falou sobre a implementação de modelos YOLO diretamente em hardware incorporado, reduzindo a dependência da cloud. Ao concentrar-se no baixo consumo de energia, na inferência otimizada e no ajuste de modelos consciente do hardware, a DEEPX permite a perceção em tempo real para drones, robôs móveis e sistemas industriais que operam em ambientes dinâmicos.

Da mesma forma, Liu Lingfei, da Moore Threads, partilhou como a plataforma Moore Threads E300 integra computação de unidade central de processamento (CPU), unidade de processamento gráfico (GPU) e unidade de processamento neural (NPU) para proporcionar inferência de visão de alta velocidade em dispositivos compactos.

A plataforma pode executar vários fluxos YOLO com frequências de fotogramas elevadas, e a sua toolchain simplifica etapas como a quantização, a compilação estática e o ajuste de desempenho. A Moore Threads também disponibilizou como código aberto um amplo conjunto de modelos de visão computacional e exemplos de implementação para reduzir as barreiras aos programadores.

Fundir visão e linguagem para sistemas de IA mais inteligentes#

Até recentemente, criar um único modelo capaz de compreender imagens e interpretar linguagem exigia grandes arquiteturas de transformadores, dispendiosas de executar. No YV25 Shenzhen, Yue Ziyin, da Yuanshi Intelligence, apresentou uma visão geral do RWKV, uma arquitetura que combina as capacidades de raciocínio de contexto longo dos transformadores com a eficiência dos modelos recorrentes.

Explicou como o Vision-RWKV aplica este design à visão computacional, processando imagens de uma forma que escala linearmente com a resolução. Isto torna-o adequado para entradas de alta resolução e para dispositivos edge com computação limitada.

Yue mostrou também como o RWKV está a ser utilizado em sistemas de visão-linguagem, nos quais as características das imagens são combinadas com a compreensão de texto para ultrapassar a deteção de objetos e interpretar cenas, documentos e o contexto do mundo real.

Fig. 6. Yue Ziyin a falar sobre as aplicações do RWKV.

Stands e demonstrações em direto que deram vida à IA para visão#

Enquanto as apresentações no palco antecipavam o rumo da IA para visão, os stands no espaço mostravam como esta já está a ser utilizada atualmente. Os participantes puderam ver modelos a funcionar em direto, comparar opções de hardware e falar diretamente com as equipas que desenvolvem estes sistemas.

Eis uma amostra da tecnologia apresentada:

• Plataformas para programadores e prototipagem: a Seeed, a M5Stack e a Infermove apresentaram placas de desenvolvimento compactas e kits iniciais que facilitam a experimentação com aplicações baseadas em YOLO e a passagem rápida de ideias para demonstrações funcionais.
• Hardware edge de alto desempenho: a Hailo, a DEEPX, a Intel e a Moore Threads demonstraram chips e módulos concebidos para uma inferência rápida e eficiente.
• Fluxos de trabalho de visão e linguagem: a Baidu Paddle e a RWKV destacaram stacks de software capazes de detetar objetos, bem como ler, interpretar e raciocinar sobre o que aparece numa imagem ou documento.
• Ferramentas de código aberto e da comunidade: a Ultralytics e a Datawhale envolveram os programadores com demonstrações de modelos em direto, dicas de treino e orientação prática, reforçando como a partilha de conhecimento acelera a inovação.

Fig. 7. Uma vista do stand da M5Stack no YV25 Shenzhen.

Ligação à comunidade de IA para visão#

Para além de toda a tecnologia entusiasmante, uma das melhores partes do YV25 Shenzhen foi voltar a reunir presencialmente a comunidade de visão computacional e a equipa da Ultralytics. Ao longo do dia, as pessoas reuniram-se junto às demonstrações, partilharam ideias durante as pausas para café e continuaram as conversas muito depois do fim das apresentações.

Investigadores, engenheiros, estudantes e criadores trocaram experiências, fizeram perguntas e partilharam vivências reais, desde a implementação até ao treino de modelos. E, graças ao Cinco Jotas do Grupo Osborne, trouxemos também um toque da cultura espanhola ao evento com presunto cortado na hora, criando um momento caloroso de ligação. Um espaço magnífico, um público entusiasta e um sentimento partilhado de progresso tornaram o dia verdadeiramente especial.

Principais conclusões#

De palestras principais inspiradoras a demonstrações práticas, o YOLO Vision 2025 Shenzhen captou o espírito de inovação que define a comunidade Ultralytics. Ao longo do dia, oradores e participantes trocaram ideias, exploraram novas tecnologias e estabeleceram ligações em torno de uma visão partilhada para o futuro da IA. Juntos, saíram motivados e preparados para o que vem a seguir com o Ultralytics YOLO.

Reimagina o que é possível com IA e visão computacional. Junta-te à nossa comunidade e ao nosso repositório no GitHub para descobrires mais. Fica a conhecer melhor aplicações como a visão computacional na agricultura e a IA no retalho. Explora as nossas opções de licenciamento e começa hoje a utilizar visão computacional!