Principais destaques da Ultralytics no YOLO Vision 2025 Shenzhen!

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

A transmissão em direto do YV25 em Shenzhen já ultrapassou as 3500 visualizações no YouTube e continua a atrair atenção à medida que os destaques do evento são partilhados com a comunidade. Foi um dia repleto de ideias, conversas e experiências práticas sobre o futuro da IA de visão.

O dia começou com as boas-vindas da nossa anfitriã, Huang Xueying, que convidou todos a estabelecer contactos, aprender e participar nas conversas ao longo do evento. Explicou que esta era a segunda edição do YOLO Vision do ano, depois da edição de Londres, em setembro, e partilhou o entusiasmo por voltar a reunir a comunidade de IA de visão em Shenzhen.

Neste artigo, vamos relembrar os destaques do dia, incluindo as atualizações dos modelos, as palestras, as demonstrações ao vivo e os momentos da comunidade que reuniram todos.

O percurso dos modelos Ultralytics YOLO até agora#

A primeira palestra principal do dia foi apresentada por Glenn Jocher, fundador e CEO da Ultralytics, que partilhou como os modelos Ultralytics YOLO passaram de um avanço na investigação a alguns dos modelos de IA de visão mais usados no mundo. Glenn explicou que o seu trabalho inicial se centrou em tornar o YOLO mais fácil de usar.

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

Fig. 1. Glenn Jocher a discursar no palco do 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 e fizeram dele o que é hoje.

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

Atualizações sobre o Ultralytics YOLO26#

A primeira apresentação do Ultralytics YOLO26 teve lugar no início deste ano, no evento YOLO Vision 2025 Londres, onde foi anunciado como o próximo grande avanço da família de modelos Ultralytics YOLO. No YV25 Shenzhen, Glenn atualizou os participantes sobre o progresso desde esse anúncio e deu à comunidade de IA uma visão mais aprofundada da evolução do modelo.

O Ultralytics YOLO26 foi concebido para ser mais pequeno, rápido e preciso, sem deixar de ser prático para utilização no mundo real. Glenn explicou que a equipa passou o último ano a aperfeiçoar a arquitetura, a avaliar o desempenho em vários dispositivos e a incorporar conclusões da investigação e opiniões da comunidade. O objetivo é oferecer um 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 à afinação de hiperparâmetros, passando do treino totalmente a partir do zero para a afinação 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 apresentadas 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 à 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. Isso facilita muito a exportação para formatos como ONNX e TensorRT e a implantação em hardware de borda.
• Melhor desempenho na deteção de objetos pequenos: As estratégias de perda 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 em pesquisas recentes sobre o treinamento de modelos de linguagem grandes, que melhora a precisão do modelo e agora está integrado diretamente ao pacote Python da Ultralytics.

Ultralytics YOLO26: o próximo passo rumo a uma IA de visão prática#

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

O Ultralytics YOLO26 será compatível com todas as mesmas tarefas e tamanhos de modelo atualmente disponíveis no YOLO11, resultando em 25 variantes de modelos na família. Isso inclui modelos para detecção, segmentação, classificação, estimativa de pose e caixas delimitadoras orientadas, desde os nano até os extragrandes.

A equipa também está a trabalhar em cinco variantes que aceitam instruções. Estes modelos podem receber uma instrução 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, que são mais fáceis de adaptar a diferentes casos de uso. Os modelos Ultralytics YOLO26 ainda estão em desenvolvimento ativo, mas os primeiros resultados de desempenho são promissores, e a equipe está trabalhando para lançá-los em breve. (Atualização: o Ultralytics YOLO26 já foi lançado.)

Uma visão geral da Ultralytics Platform#

Após a atualização sobre o YOLO26, Glenn convidou Prateek Bhatnagar, nosso diretor de engenharia de produto, para fazer uma demonstração ao vivo da Ultralytics Platform. Essa plataforma está sendo desenvolvida para reunir partes essenciais do fluxo de trabalho de visão computacional, incluindo a exploração de conjuntos de dados, a anotação de imagens, o treinamento de modelos e a comparação de resultados.

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

Prateek destacou que a plataforma mantém o compromisso da Ultralytics com o código aberto, apresentando dois espaços comunitários: uma comunidade de conjuntos de dados e uma comunidade de projetos, onde os desenvolvedores podem contribuir, reutilizar e aprimorar o trabalho uns dos outros. Durante a demonstração, ele apresentou a anotação assistida por IA, o treinamento fácil na nuvem e a possibilidade de ajustar modelos diretamente a partir da comunidade, sem precisar de recursos locais de GPU.

A plataforma está atualmente em desenvolvimento (e já foi lançada). Prateek incentivou o público a ficar atento aos anúncios e observou que a equipe está crescendo na China para apoiar o lançamento.

Vozes por trás do YOLO: painel de autores#

Com o crescente entusiasmo, o evento passou para uma mesa-redonda com vários pesquisadores por trás de diferentes modelos YOLO. O painel contou com Glenn Jocher, além de Jing Qiu, nosso engenheiro sênior de machine learning; Chen Hui, engenheiro de machine learning na Meta e um dos autores do YOLOv10; e Bo Zhang, estrategista de algoritmos na Meituan e um dos autores do YOLOv6.

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

A discussão se concentrou em como o YOLO continua evoluindo por meio do uso no mundo real. Os palestrantes comentaram como o progresso muitas vezes é impulsionado por desafios práticos de implantação, como executar com eficiência em dispositivos de borda, melhorar a detecção de objetos pequenos e simplificar a exportação de modelos.

Em vez de buscar apenas a precisão, o painel destacou a importância de equilibrar velocidade, facilidade de uso e confiabilidade em ambientes de produção. Outro ponto em comum foi o valor da iteração e do feedback da comunidade.

Confira outros insights interessantes da conversa:

• A detecção de vocabulário aberto está ganhando força no ecossistema YOLO: modelos mais recentes mostram como o alinhamento entre visão e linguagem e os fluxos de trabalho baseados em prompts podem detectar objetos além das categorias predefinidas.
• A atenção leve está em alta: o painel discutiu como o uso de mecanismos de atenção eficientes, em vez de atenção completa em todos os casos, pode aumentar a precisão e manter a inferência leve o suficiente para dispositivos de borda.
• Itere desde cedo e com frequência junto à comunidade: os participantes do painel reforçaram uma mentalidade de criar, testar e aprimorar, na qual lançar modelos mais cedo e aprender com os usuários gera resultados melhores do que longos ciclos de desenvolvimento privados.

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

Agora, vamos conhecer mais de perto algumas palestras principais do YV25 Shenzhen, onde líderes da comunidade de IA compartilharam como a IA visual está evoluindo, de humanos digitais e robótica a raciocínio multimodal e implantação eficiente em dispositivos de borda.

Ensinando a IA a compreender a experiência humana#

Em uma sessão esclarecedora, o Dr. Peng Zhang, do Alibaba Qwen Lab, compartilhou como sua equipe está desenvolvendo grandes modelos de vídeo capazes de gerar humanos digitais expressivos, com movimentos e controle mais naturais. Ele apresentou o Wan S2V e o Wan Animate, que usam referências de áudio ou movimento para produzir fala, gestos e animações realistas, superando as limitações da geração baseada exclusivamente em texto.

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

O Dr. Zhang também falou sobre os avanços rumo a avatares interativos em tempo real, incluindo a clonagem zero-shot de aparência e movimento e modelos leves capazes de animar um rosto diretamente a partir da transmissão de uma câmera ao vivo, aproximando os humanos digitais realistas da execução fluida em dispositivos do dia a dia.

Da percepção à ação: a era da inteligência incorporada#

Um dos principais temas do YV25 Shenzhen foi a transição de modelos de visão que simplesmente enxergam o mundo para sistemas capazes de agir nele. Em outras palavras, a percepção deixou de ser o fim do pipeline e está se tornando o início da ação.

Por exemplo, em sua palestra principal, Hu Chunxu, da D-Robotics, descreveu como os kits de desenvolvimento e as soluções SoC (sistema em um chip) da empresa integram sensoriamento, controle de movimento em tempo real e tomada de decisões em uma pilha unificada de hardware e software. Ao tratar a percepção e a ação como um ciclo contínuo de feedback, em vez de etapas separadas, essa abordagem dá suporte a robôs capazes de se mover, adaptar e interagir com mais confiabilidade em ambientes reais.

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

Alex Zhang, da Baidu Paddle, reforçou essa ideia em sua palestra, explicando como o YOLO e o PaddleOCR trabalham juntos para detectar objetos e, em seguida, interpretar o texto e a estrutura ao redor deles. Isso permite que os sistemas convertam imagens e documentos em informações estruturadas e utilizáveis em tarefas como logística, inspeções e processamento automatizado.

Inteligência na borda: IA eficiente para todos os dispositivos#

Outro tema interessante do YV25 Shenzhen foi como a IA de visão está se tornando mais eficiente e capaz em dispositivos de borda.

Paul Jung, da DEEPX, falou sobre a implantação de modelos YOLO diretamente em hardware embarcado, reduzindo a dependência da nuvem. Ao priorizar o baixo consumo de energia, a inferência otimizada e o ajuste de modelos levando o hardware em conta, a DEEPX viabiliza a percepção em tempo real para drones, robôs móveis e sistemas industriais que operam em ambientes dinâmicos.

Da mesma forma, Liu Lingfei, da Moore Threads, apresentou 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 oferecer inferência visual de alta velocidade em dispositivos compactos.

A plataforma pode executar vários fluxos YOLO com altas taxas de quadros, e sua cadeia de ferramentas simplifica etapas como quantização, compilação estática e ajuste de desempenho. A Moore Threads também disponibilizou como código aberto um amplo conjunto de modelos de visão computacional e exemplos de implantação para facilitar o acesso dos desenvolvedores.

Unindo visão e linguagem para sistemas de IA mais inteligentes#

Até pouco tempo atrás, criar um único modelo capaz de compreender imagens e interpretar linguagem exigia grandes arquiteturas Transformer, com alto custo de execução. No YV25 Shenzhen, Yue Ziyin, da Yuanshi Intelligence, apresentou uma visão geral do RWKV, uma arquitetura que combina a capacidade de raciocínio em contextos longos dos Transformers com a eficiência dos modelos recorrentes.

Ele explicou como o Vision-RWKV aplica esse design à visão computacional, processando imagens de uma forma cuja escala cresce linearmente com a resolução. Isso o torna adequado para entradas de alta resolução e para dispositivos de borda com capacidade computacional limitada.

Yue também mostrou como o RWKV está sendo usado em sistemas de visão e linguagem, nos quais características de imagem são combinadas com a compreensão de texto para ir além da detecção de objetos e interpretar cenas, documentos e contextos do mundo real.

Fig. 6. Yue Ziyin falando sobre as aplicações do RWKV.

Estandes e demonstrações ao vivo que deram vida à IA visual#

Enquanto as palestras no palco antecipavam o futuro da IA visual, os estandes no local mostravam como ela já está sendo usada hoje. Os participantes puderam ver modelos em execução, comparar opções de hardware e conversar diretamente com as equipes que desenvolvem esses sistemas.

Confira uma amostra das tecnologias apresentadas:

• Plataformas para desenvolvedores e prototipagem: Seeed, M5Stack e Infermove apresentaram placas de desenvolvimento compactas e kits para iniciantes que facilitam a experimentação com aplicações baseadas em YOLO e ajudam a transformar ideias rapidamente em demonstrações funcionais.
• Hardware de alto desempenho para dispositivos de borda: Hailo, DEEPX, Intel e Moore Threads demonstraram chips e módulos projetados para inferência rápida e eficiente.
• Fluxos de trabalho de visão e linguagem: Baidu Paddle e RWKV destacaram pilhas de software capazes de detectar objetos e também ler, interpretar e raciocinar sobre o que aparece em uma imagem ou documento.
• Ferramentas de código aberto e para a comunidade: Ultralytics e Datawhale interagiram com desenvolvedores por meio de demonstrações de modelos ao vivo, dicas de treinamento e orientações práticas, reforçando como o compartilhamento de conhecimento acelera a inovação.

Fig. 7. Um olhar sobre o estande da M5Stack no YV25 Shenzhen.

Conexões com a comunidade de IA visual#

Além de toda a tecnologia empolgante, um dos melhores aspectos do YV25 Shenzhen foi reunir novamente, em pessoa, a comunidade de visão computacional e a equipe da Ultralytics. Ao longo do dia, as pessoas se reuniram em torno das demonstrações, trocaram ideias durante as pausas para o café e continuaram as conversas muito depois do fim das palestras.

Pesquisadores, engenheiros, estudantes e criadores trocaram experiências, fizeram perguntas e compartilharam vivências do mundo real, desde a implantação até o treinamento de modelos. E, graças ao Cinco Jotas, do Grupo Osborne, trouxemos também um toque da cultura espanhola ao evento com jamón fatiado na hora, criando um momento acolhedor de conexão. Um espaço encantador, um público entusiasmado e um senso compartilhado de impulso tornaram o dia realmente especial.

Principais conclusões#

De palestras principais inspiradoras a demonstrações práticas, o YOLO Vision 2025 Shenzhen capturou o espírito de inovação que define a comunidade Ultralytics. Ao longo do dia, palestrantes e participantes trocaram ideias, exploraram novas tecnologias e se conectaram em torno de uma visão compartilhada para o futuro da IA. Juntos, saíram cheios de energia e prontos para o que vem a seguir com o Ultralytics YOLO.

Reimagine o que é possível com IA e visão computacional. Participe da nossa comunidade e acesse nosso repositório no GitHub para descobrir mais. Saiba mais sobre aplicações como visão computacional na agricultura e IA no varejo. Explore as opções de licenciamento e comece hoje mesmo a trabalhar com visão computacional!