Как Ultralytics YOLO26 обучается эффективнее с ProgLoss, STAL и MuSGD

На прошлой неделе мы выпустили Ultralytics YOLO26, установив новый стандарт для моделей компьютерного зрения, ориентированных на периферийные устройства и работающих в реальном времени. Как и предыдущие модели Ultralytics YOLO, например Ultralytics YOLO11, YOLO26 поддерживает основные задачи компьютерного зрения, с которыми знакомы пользователи, включая обнаружение объектов, сегментацию экземпляров и оценку позы.

Рис. 1. Пример использования Ultralytics YOLO26 для сегментации объектов на изображении.

Однако Ultralytics YOLO26 — это не просто инкрементальное обновление. Хотя поддерживаемые задачи могут выглядеть знакомо, эта новая модель представляет собой инновационный шаг вперёд в обучении моделей компьютерного зрения. В YOLO26 внимание уделяется не только эффективности инференса, но и повышению стабильности обучения.

Ultralytics YOLO26 создавалась с учётом всего жизненного цикла обучения. Это означает более быструю сходимость, более надёжные запуски обучения и стабильное поведение модели. Эти улучшения особенно важны в реальных рабочих процессах, где надёжность обучения напрямую влияет на скорость итераций и развёртывания моделей.

Для этого Ultralytics YOLO26 внедряет несколько целевых инноваций в обучении, таких как прогрессивное балансирование функции потерь (ProgLoss), назначение меток с учётом малых объектов (STAL) и оптимизатор MuSGD. Вместе эти изменения улучшают балансировку потерь обучения, назначение меток и поведение оптимизации с течением времени.

В этой статье мы разберём, как работает каждый из этих механизмов и почему благодаря им Ultralytics YOLO26 проще обучать и надёжнее масштабировать. Начнём!

Ultralytics YOLO26: создана для более эффективного обучения, а не только для ускорения работы#

Ultralytics YOLO26 изначально оптимизирует весь конвейер инференса, устраняя зависимость от этапов постобработки, таких как подавление немаксимумов. Вместо генерации множества перекрывающихся предсказаний с последующей фильтрацией YOLO26 напрямую выдаёт итоговые обнаружения из самой сети.

Это делает YOLO26 сквозной моделью, в которой предсказания, устранение дубликатов и итоговые результаты формируются непосредственно внутри сети. Это упрощает развёртывание и повышает эффективность инференса, одновременно влияя на процесс обучения модели.

Рис. 2. YOLO26 обеспечивает современный сквозной инференс без NMS (источник)

В такой сквозной системе обучение и инференс тесно связаны. Поскольку внешнего этапа постобработки для последующего исправления предсказаний нет, модель должна учиться принимать чёткие и уверенные решения уже во время обучения.

Поэтому особенно важно согласовать цели обучения с поведением при инференсе. Любое несоответствие между тем, как модель обучается и как используется во время инференса, может привести к нестабильному обучению или замедлению сходимости.

Ultralytics YOLO26 организует процесс обучения с самого начала с учётом реальных сценариев использования. Система обучения ориентирована не только на скорость инференса, но и на стабильное обучение в течение длительных запусков, согласованную сходимость моделей разных размеров — от Nano до Extra Large — и устойчивую работу на разнообразных наборах данных.

Как две обучающие головы улучшают обучение Ultralytics YOLO26#

Одна из ключевых инноваций Ultralytics YOLO26 в обучении основана на подходе с двумя головами, который использовался в предыдущих моделях YOLO. В моделях обнаружения объектов голова — это часть сети, отвечающая за формирование предсказаний.

Иными словами, головы обнаружения учатся предсказывать, где находятся объекты на изображении и что это за объекты. Они делают это с помощью регрессии координат ограничивающих рамок, то есть учатся оценивать положение и размер каждого объекта на входном изображении.

Во время обучения модель минимизирует функцию потерь — числовую оценку того, насколько её предсказания отличаются от правильных ответов, или эталонной разметки. Чем ниже значение потерь, тем ближе предсказания модели к эталонной разметке, а более высокое значение указывает на большие ошибки. Расчёт потерь определяет, как модель обновляет свои параметры во время обучения.

Во время обучения Ultralytics YOLO26 использует две головы обнаружения, которые совместно используют одну базовую модель, но выполняют разные функции. Одно-к-одной голова используется во время инференса. Она учится связывать каждый объект с одним уверенным предсказанием, что необходимо для сквозной архитектуры YOLO26 без NMS.

Одно-ко-многим голова используется только во время обучения. Она позволяет связывать несколько предсказаний с одним объектом, обеспечивая более плотный обучающий сигнал. Такой более информативный сигнал помогает стабилизировать обучение и повысить точность, особенно на ранних этапах.

В Ultralytics YOLO26 обе головы используют одинаковый расчёт потерь для регрессии рамок и классификации. В более ранних реализациях на протяжении всего обучения применялся фиксированный баланс между этими двумя сигналами потерь.

Однако на практике важность каждой головы со временем меняется. Плотный обучающий сигнал наиболее полезен на ранних этапах, а согласование с поведением при инференсе становится важнее позднее в процессе обучения. Ultralytics YOLO26 разработана с учётом этого факта, что напрямую приводит к изменению баланса обучающих сигналов по мере обучения.

В Ultralytics YOLO26 используется прогрессивное балансирование функции потерь#

Итак, как Ultralytics YOLO26 справляется с меняющимися потребностями обучения? Она использует прогрессивное балансирование функции потерь, чтобы со временем изменять веса обучающих сигналов.

ProgLoss динамически изменяет вклад каждой головы в общую функцию потерь по мере обучения. На раннем этапе больший вес получает одно-ко-многим голова, чтобы стабилизировать обучение и повысить полноту. По мере продолжения обучения баланс постепенно смещается в сторону одно-к-одной головы, благодаря чему обучение теснее согласуется с поведением при инференсе.

Этот постепенный переход позволяет Ultralytics YOLO26 учиться в правильном порядке. Вместо того чтобы заставлять модель одновременно оптимизировать конкурирующие цели, прогрессивное балансирование функции потерь отдаёт приоритет наиболее полезному обучающему сигналу на каждом этапе. В результате сходимость становится более плавной, нестабильных запусков обучения становится меньше, а итоговая производительность — стабильнее.

Как STAL помогает Ultralytics YOLO26 учиться на малых объектах#

Ещё одно интересное улучшение обучения в Ultralytics YOLO26 связано со способом, которым модель назначает обучающие цели предсказаниям; этот процесс называется назначением меток. Он отвечает за сопоставление эталонных объектов с кандидатами на предсказания, которые часто называют якорями.

От этих сопоставлений зависит, какие предсказания получат обучающий сигнал и внесут вклад в функцию потерь. Ultralytics YOLO26 развивает существующий метод назначения меток, называемый обучением выравниванию задач (TAL), который предназначен для более точного согласования классификации и локализации во время обучения.

Хотя TAL хорошо работает для большинства объектов, обучение выявило важное ограничение. Во время сопоставления очень малые объекты могли полностью исключаться. На практике объекты размером менее примерно 8 пикселей на входном изображении размером 640 пикселей часто не получали ни одного якорного назначения. В таких случаях модель получает мало обучающего сигнала для этих объектов или не получает его вовсе, из-за чего ей сложно научиться надёжно их обнаруживать.

Чтобы решить эту проблему, Ultralytics YOLO26 внедряет назначение меток с учётом малых объектов (STAL). STAL изменяет процесс назначения, чтобы малые объекты не игнорировались во время обучения. В частности, метод гарантирует как минимум четыре якорных назначения для объектов размером менее 8 пикселей. Благодаря этому даже очень малые объекты стабильно вносят вклад в функцию потерь обучения.

Усиливая обучающий сигнал для малых целей, STAL повышает стабильность обучения и качество обнаружения в сценариях, где часто встречаются малые или удалённые объекты. Это улучшение особенно важно для приложений Ultralytics YOLO26, ориентированных на периферийные устройства, таких как анализ аэрофотоснимков, робототехника и системы Интернета вещей (IoT), где объекты часто бывают малыми, удалёнными или частично видимыми, а надёжное обнаружение имеет критическое значение.

Ultralytics YOLO26 внедряет оптимизатор MuSGD#

Для более стабильного и предсказуемого обучения Ultralytics YOLO26 также внедряет новый оптимизатор MuSGD. Этот оптимизатор предназначен для улучшения сходимости и надёжности обучения в сквозных моделях обнаружения, особенно при увеличении размера модели и сложности обучения.

Чтобы нейронная сеть могла обучаться и, следовательно, изменять веса соответствующим образом, во время обучения мы вычисляем ошибку, также называемую «потерями». Таким образом, модель оценивает ошибочность своих предсказаний с помощью значения потерь, вычисляет градиенты, показывающие, как должны измениться её параметры, а затем обновляет эти параметры для уменьшения ошибки. Стохастический градиентный спуск (SGD) — широко используемый оптимизатор, который выполняет эти обновления, делая обучение эффективным и масштабируемым.

Рис. 3. Стохастический градиентный спуск и градиентный спуск (источник)

MuSGD развивает эту знакомую основу, добавляя идеи оптимизации, вдохновлённые Muon — методом, используемым при обучении больших языковых моделей. На эти идеи повлияли последние достижения, такие как Kimi K2 от Moonshot AI, продемонстрировавшая улучшенное поведение обучения благодаря более структурированным обновлениям параметров.

Ultralytics YOLO26 использует гибридную стратегию обновления. Некоторые параметры обновляются с помощью комбинации обновлений, вдохновлённых Muon, и SGD, тогда как для других используется только SGD. Это позволяет YOLO26 добавить в процесс оптимизации дополнительную структуру, сохранив при этом устойчивость и способность к обобщению, благодаря которым SGD стал эффективным.

В результате оптимизация становится более плавной, сходимость — более быстрой, а поведение обучения — более предсказуемым для моделей разных размеров. Благодаря этому MuSGD играет ключевую роль в том, почему Ultralytics YOLO26 проще обучать и надёжнее масштабировать.

Значение инноваций Ultralytics YOLO26 в обучении#

Инновации Ultralytics YOLO26 в обучении в сочетании с такими ключевыми особенностями, как сквозная архитектура без NMS и ориентация на периферийные устройства, делают модель более простой в обучении и более надёжной при масштабировании. Возможно, ты задаёшься вопросом, что это действительно означает для приложений компьютерного зрения.

Рис. 4. Обзор ключевых особенностей YOLO26 (источник)

На практике это значительно упрощает внедрение компьютерного зрения там, где оно действительно работает. Модели обучаются более предсказуемо, стабильнее масштабируются для разных размеров и проще адаптируются к новым наборам данных. Это сокращает разрыв между экспериментами и развёртыванием, особенно в средах, где надёжность и эффективность не менее важны, чем максимальная производительность.

Например, в приложениях робототехники и промышленного зрения модели часто приходится переобучать по мере изменения окружающей среды, датчиков или задач. С Ultralytics YOLO26 команды могут быстрее выполнять итерации, не беспокоясь о нестабильных запусках обучения или непоследовательном поведении моделей разных размеров.

Основные выводы#

Надёжные системы компьютерного зрения зависят от того, как обучаются модели, не меньше, чем от их работы во время инференса. Улучшая балансировку обучающих сигналов, обработку малых объектов и ход оптимизации, Ultralytics YOLO26 делает обучение более стабильным и упрощает масштабирование. Такой акцент на надёжности обучения помогает командам плавнее переходить от экспериментов к развёртыванию в реальных условиях, особенно в приложениях, ориентированных на периферийные устройства.

Хочешь узнать больше об ИИ? Посети наш репозиторий на GitHub, чтобы узнать больше. Присоединяйся к нашему активному сообществу и знакомься с инновациями в таких областях, как ИИ в логистике и ИИ для компьютерного зрения в автомобильной отрасли. Чтобы уже сегодня начать работать с компьютерным зрением, ознакомься с нашими вариантами лицензирования.