Встречай Ultralytics YOLO26: лучшая, быстрая и компактная модель YOLO

25 сентября на нашем ежегодном гибридном мероприятии YOLO Vision 2025 (YV25) в Лондоне Glenn Jocher, наш основатель и генеральный директор, официально анонсировал последний прорыв в серии моделей Ultralytics YOLO — Ultralytics YOLO26! Наша новая модель компьютерного зрения YOLO26 может анализировать и интерпретировать изображения и видео с помощью оптимизированной архитектуры, которая балансирует между скоростью, точностью и простотой развертывания.

Хотя Ultralytics YOLO26 упрощает некоторые аспекты дизайна модели и добавляет новые улучшения, она также продолжает предлагать привычные функции, которые пользователи ожидают от моделей Ultralytics YOLO. Например, Ultralytics YOLO26 проста в использовании, поддерживает широкий спектр задач компьютерного зрения и предоставляет гибкие возможности интеграции и развертывания.

Безусловно, это делает переход на Ultralytics YOLO26 беспроблемным, и нам не терпится увидеть, как пользователи опробуют её самостоятельно, когда она станет общедоступной в конце октября.

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

Проще говоря, Ultralytics YOLO26 — это улучшенная, более быстрая и компактная модель ИИ для компьютерного зрения. В этой статье мы изучим ключевые особенности Ultralytics YOLO26 и то, что она привносит. Давай начнем!

Расширяем границы ИИ для компьютерного зрения с помощью Ultralytics YOLO26#

Прежде чем мы погрузимся в ключевые особенности Ultralytics YOLO26 и возможности, которые она открывает, давай сделаем шаг назад и обсудим вдохновение и мотивацию, которые двигали процессом разработки этой модели.

В Ultralytics мы всегда верили в силу инноваций. С самого начала наша миссия была двоякой. С одной стороны, мы хотим сделать vision AI доступным, чтобы каждый мог использовать его без преград. С другой стороны, мы в равной степени стремимся удерживать его на передовом рубеже, раздвигая границы того, чего могут достичь модели компьютерного зрения.

Ключевым фактором этой миссии является то, что область ИИ постоянно развивается. Например, Edge AI, который предполагает запуск моделей ИИ непосредственно на устройствах, а не в облаке, быстро внедряется в разных отраслях.

От умных камер до автономных систем — теперь от устройств на периферии ожидается обработка информации в реальном времени. Этот сдвиг требует более легких и быстрых моделей, которые при этом обеспечивают тот же высокий уровень точности.

Вот почему существует постоянная необходимость совершенствовать наши модели Ultralytics YOLO. Как говорит Glenn Jocher: «Одной из самых больших задач было убедиться, что пользователи смогут получить максимум от YOLO26, при этом сохраняя топовую производительность».

Обзор Ultralytics YOLO26#

YOLO26 доступна из коробки в пяти различных вариантах моделей, что дает тебе гибкость в использовании ее возможностей в приложениях любого масштаба. Все эти варианты моделей поддерживают множество задач компьютерного зрения, точно так же, как и предыдущие модели Ultralytics YOLO. Это означает, что независимо от выбранного размера ты можешь рассчитывать на то, что YOLO26 предоставит широкий спектр возможностей, во многом похожий на Ultralytics YOLO11.

Вот обзор задач компьютерного зрения, поддерживаемых Ultralytics YOLO26:

• Детекция объектов: Ultralytics YOLO26 может распознавать и находить несколько объектов на изображении или в кадре видео.
• Сегментация экземпляров: Шагнув дальше детекции, Ultralytics YOLO26 может создавать границы с точностью до пикселя вокруг каждого распознанного объекта.
• Классификация изображений (Image classification): Модель может анализировать изображение целиком и присваивать ему определенную категорию или метку.
• Оценка позы: Ultralytics YOLO26 может обнаруживать ключевые точки и оценивать позы людей, а также других объектов.
• Ориентированные ограничивающие рамки (OBB): Модель может обнаруживать объекты под любым углом, что особенно полезно для аэрофотосъемки, дронов и спутниковых снимков, где такие объекты, как здания, транспорт или посевы, могут быть не выровнены относительно кадра изображения.
• Трекинг объектов: Ultralytics YOLO26 можно использовать для отслеживания объектов в кадрах видео или потоках в реальном времени.

Рис. 2. Обнаружение объектов на изображении с помощью Ultralytics YOLO26.

Обзор архитектуры Ultralytics YOLO26#

Теперь, когда у нас есть лучшее понимание возможностей Ultralytics YOLO26, давай разберем некоторые нововведения в его архитектуре.

Дизайн модели был оптимизирован путем удаления модуля Distribution Focal Loss (DFL), который ранее замедлял инференс и ограничивал регрессию ограничивающих рамок.

Процесс предсказания также был упрощен с помощью опции сквозного (end-to-end, E2E) инференса, которая позволяет модели пропускать традиционный этап Non-Maximum Suppression (NMS). Это улучшение снижает сложность и позволяет модели выдавать результаты быстрее, упрощая развертывание в реальных приложениях.

Другие улучшения делают модель умнее и надежнее. Progressive Loss Balancing (ProgLoss) помогает стабилизировать обучение и улучшить точность, в то время как Small-Target-Aware Label Assignment (STAL) гарантирует более эффективное обнаружение мелких объектов. Кроме того, новый оптимизатор MuSGD улучшает сходимость при обучении и повышает общую производительность.

Фактически, самая маленькая версия Ultralytics YOLO26, модель nano, теперь работает на 43% быстрее на стандартных CPU, что делает её особенно подходящей для мобильных приложений, умных камер и других периферийных устройств, где скорость и эффективность имеют критическое значение. Вот краткий обзор возможностей YOLO26 и того, чего пользователи могут ожидать:

• Удаление DFL: Мы удалили модуль Distribution Focal Loss из архитектуры модели. Независимо от размеров объектов на изображении, Ultralytics YOLO26 может расставлять подходящие ограничивающие рамки, работая при этом эффективнее.
• Сквозной вывод без NMS: Ultralytics YOLO26 добавляет опциональный режим, который не нуждается в Non-Maximum Suppression (NMS) — шаге, обычно используемом для удаления дублирующихся предсказаний, что делает развертывание проще и быстрее для использования в реальном времени.
• ProgLoss и STAL: Эти улучшения делают обучение более стабильным и значительно повышают точность, особенно при обнаружении мелких объектов в сложных сценах.
• Оптимизатор MuSGD: Ultralytics YOLO26 использует новый оптимизатор, объединяющий сильные стороны двух оптимизаторов обучения (Muon и SGD), помогая модели обучаться быстрее и достигать более высокой точности.

Рис. 3. Бенчмаркинг Ultralytics YOLO26.

Упрощение развертывания с Ultralytics YOLO26#

Работаешь ли ты над мобильными приложениями, умными камерами или корпоративными системами, развертывание YOLO26 происходит просто и гибко. Пакет Ultralytics Python поддерживает постоянно растущее число форматов экспорта, что позволяет легко интегрировать YOLO26 в существующие рабочие процессы и делает ее совместимой практически с любой платформой.

Среди вариантов экспорта можно выделить TensorRT для максимального ускорения на GPU, ONNX для широкой совместимости, CoreML для нативных приложений iOS, TFLite для Android и периферийных устройств, а также OpenVINO для оптимизированной производительности на оборудовании Intel. Такая гибкость позволяет легко переносить Ultralytics YOLO26 из стадии разработки в продакшен без лишних препятствий.

Еще одна важная часть развертывания — убедиться, что модели работают эффективно на устройствах с ограниченными ресурсами. Здесь в игру вступает квантование. Благодаря упрощенной архитектуре Ultralytics YOLO26 отлично с этим справляется. Он поддерживает развертывание в INT8 (с использованием 8-битного сжатия для уменьшения размера и повышения скорости с минимальной потерей точности), а также полупрецизионную точность (FP16) для более быстрого инференса на поддерживаемом оборудовании.

Самое главное, что Ultralytics YOLO26 обеспечивает стабильную производительность на этих уровнях квантования, поэтому на него можно полагаться как при работе на мощном сервере, так и на компактном периферийном устройстве.

От робототехники до производства: варианты использования Ultralytics YOLO26#

Ultralytics YOLO26 может применяться в самых разных приложениях компьютерного зрения в различных отраслях и сценариях использования. От робототехники до производства он может оказать значительное влияние, улучшая рабочие процессы и обеспечивая более быстрое и точное принятие решений.

Например, отличным примером является робототехника, где Ultralytics YOLO26 может помочь роботам интерпретировать свое окружение в реальном времени. Это делает навигацию более плавной, а работу с объектами — более точной. Это также обеспечивает более безопасное взаимодействие с людьми.

Другой пример — производство, где модель может использоваться для обнаружения дефектов. Она может автоматически выявлять брак на производственных линиях быстрее и точнее, чем ручной осмотр.

Рис. 4. Обнаружение бутылок на производственном заводе с помощью Ultralytics YOLO26.

В целом, поскольку Ultralytics YOLO26 лучше, быстрее и легче, он легко адаптируется к самым разным средам: от легких периферийных устройств до крупных корпоративных систем. Это делает его практичным выбором для отраслей, стремящихся повысить эффективность, точность и надежность.

Основные выводы#

Ultralytics YOLO26 — это модель компьютерного зрения, которая лучше, быстрее и легче, при этом оставаясь простой в использовании и обеспечивающей высокую производительность. Она работает с широким спектром задач и платформ и станет доступна каждому в конце октября. Мы с нетерпением ждем, как сообщество будет использовать её для создания новых решений и расширения границ компьютерного зрения.

Присоединяйся к нашему растущему сообществу! Изучай наш репозиторий на GitHub, чтобы узнать больше об ИИ. Открывай для себя такие инновации, как компьютерное зрение в ритейле и ИИ в автомобильной промышленности, посещая страницы наших решений. Чтобы начать создавать с помощью компьютерного зрения уже сегодня, ознакомься с нашими вариантами лицензирования.