Знакомься с Ultralytics YOLO26: улучшенная, более быстрая и компактная модель YOLO

25 сентября на нашем ежегодном гибридном мероприятии YOLO Vision 2025 (YV25) в Лондоне Гленн Джочер, основатель и генеральный директор нашей компании, официально представил последний прорыв в серии моделей Ultralytics YOLO — Ultralytics YOLO26! Наша новая модель компьютерного зрения YOLO26 может анализировать и интерпретировать изображения и видео благодаря оптимизированной архитектуре, которая сочетает скорость, точность и простоту развертывания.

Хотя Ultralytics YOLO26 упрощает некоторые аспекты архитектуры модели и добавляет новые улучшения, она также сохраняет привычные функции, которых пользователи ожидают от моделей Ultralytics YOLO. Например, Ultralytics YOLO26 проста в использовании, поддерживает широкий спектр задач компьютерного зрения и предлагает гибкие варианты интеграции и развертывания.

Это означает, что переход на Ultralytics YOLO26 будет простым, и мы с нетерпением ждём, когда пользователи смогут испытать её самостоятельно после публичного релиза в конце октября.

Рис. 1. Пример обнаружения объектов на изображении с помощью Ultralytics YOLO26.

Проще говоря, Ultralytics YOLO26 — это улучшенная, более быстрая и компактная модель искусственного интеллекта для компьютерного зрения. В этой статье мы рассмотрим ключевые особенности Ultralytics YOLO26 и её новые возможности. Начнём!

Расширяем возможности искусственного интеллекта для компьютерного зрения с Ultralytics YOLO26#

Прежде чем перейти к ключевым особенностям Ultralytics YOLO26 и возможным благодаря ей применениям, давай остановимся и обсудим идеи и мотивацию, которые лежали в основе разработки этой модели.

В Ultralytics мы всегда верили в силу инноваций. С самого начала наша миссия состояла из двух частей. С одной стороны, мы хотим сделать искусственный интеллект для компьютерного зрения доступным, чтобы любой мог использовать его без препятствий. С другой стороны, мы так же стремимся сохранять передовые позиции и расширять границы возможностей, которых могут достичь модели компьютерного зрения.

Одним из ключевых факторов этой миссии является постоянное развитие сферы искусственного интеллекта. Например, периферийный искусственный интеллект, предполагающий запуск моделей искусственного интеллекта непосредственно на устройствах вместо использования облака, быстро внедряется в самых разных отраслях.

От умных камер до автономных систем — теперь от периферийных устройств ожидают обработки информации в реальном времени. Этот переход требует более лёгких и быстрых моделей, которые при этом сохраняют прежний высокий уровень точности.

Именно поэтому наши модели Ultralytics YOLO необходимо постоянно совершенствовать. Как говорит Гленн Джочер: «Одной из главных задач было обеспечить пользователям максимальную отдачу от YOLO26 и одновременно сохранить высокую производительность».

Обзор Ultralytics YOLO26#

YOLO26 доступна сразу в пяти различных вариантах моделей, что даёт тебе возможность использовать её возможности в приложениях любого масштаба. Все эти варианты поддерживают несколько задач компьютерного зрения, как и предыдущие модели Ultralytics YOLO. Это означает, что независимо от выбранного размера ты можешь рассчитывать на широкий набор возможностей YOLO26, как и у Ultralytics YOLO11.

Ниже представлен обзор задач компьютерного зрения, поддерживаемых Ultralytics YOLO26:

• Обнаружение объектов: Ultralytics YOLO26 может идентифицировать и локализовать несколько объектов на изображении или в кадре видео.
• Сегментация экземпляров: Выходя за рамки обнаружения, Ultralytics YOLO26 может строить точные до пикселя границы каждого найденного объекта.
• Классификация изображений: Модель может анализировать изображение целиком и присваивать ему определённую 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. Это особенно полезно для аэрофотоснимков, снимков с дронов и спутниковых изображений, где такие объекты, как здания, транспортные средства или посевы, могут быть не выровнены относительно границ изображения.
• Отслеживание объектов: Ultralytics YOLO26 можно использовать для отслеживания объектов в последовательности видеокадров или потоках в реальном времени.

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

Архитектура Ultralytics YOLO26#

Теперь, когда мы лучше понимаем возможности Ultralytics YOLO26, давай рассмотрим некоторые инновации в её архитектуре.

Архитектура модели была оптимизирована за счёт удаления модуля распределённой фокальной функции потерь (DFL), который раньше замедлял инференс и ограничивал регрессию ограничивающих рамок.

Процесс предсказания также был упрощён благодаря сквозному (E2E) режиму инференса, который позволяет модели пропускать традиционный этап подавления немаксимумов (NMS). Это улучшение снижает сложность и позволяет модели быстрее выдавать результаты, упрощая развёртывание в реальных приложениях.

Другие улучшения делают модель более интеллектуальной и надёжной. Прогрессивная балансировка функции потерь (ProgLoss) помогает стабилизировать обучение и повысить точность, а назначение меток с учётом малых объектов (STAL) позволяет модели эффективнее обнаруживать небольшие объекты. Кроме того, новый оптимизатор MuSGD улучшает сходимость обучения и повышает общую производительность.

Фактически самая компактная версия Ultralytics YOLO26 — nano-модель — теперь работает до 43% быстрее на стандартных CPU, что делает её особенно подходящей для мобильных приложений, умных камер и других периферийных устройств, где критически важны скорость и эффективность. Кратко рассмотрим функции YOLO26 и возможности, которые появятся у пользователей:

• Удаление DFL: Мы удалили модуль распределённой фокальной функции потерь из архитектуры модели. Независимо от размера объектов на изображении Ultralytics YOLO26 может создавать адаптированные ограничивающие рамки и работать эффективнее.
• Сквозной инференс без NMS: Ultralytics YOLO26 добавляет необязательный режим, которому не требуется подавление немаксимумов (NMS) — этап, обычно используемый для удаления дублирующихся предсказаний. Это упрощает и ускоряет развертывание для работы в реальном времени.
• ProgLoss и STAL: Эти улучшения делают обучение стабильнее и значительно повышают точность, особенно при обнаружении небольших объектов в сложных сценах.
• Оптимизатор MuSGD: Ultralytics YOLO26 использует новый оптимизатор, объединяющий преимущества двух оптимизаторов обучения — Muon и SGD, — что помогает модели быстрее обучаться и достигать более высокой точности.

Рис. 3. Сравнительное тестирование Ultralytics YOLO26.

Упрощаем развертывание с Ultralytics YOLO26#

Работаешь ли ты над мобильными приложениями, умными камерами или корпоративными системами — развертывание YOLO26 будет простым и гибким. Пакет Ultralytics для Python поддерживает постоянно растущее число форматов экспорта, поэтому YOLO26 легко интегрировать в существующие рабочие процессы и сделать совместимой практически с любой платформой.

Среди доступных вариантов экспорта — 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 работы на оборудовании Intel. Благодаря такой гибкости перенести Ultralytics YOLO26 из разработки в production можно без лишних препятствий.

Ещё одна важная часть развертывания — обеспечение эффективной работы моделей на устройствах с ограниченными ресурсами. Здесь на помощь приходит квантование. Благодаря упрощённой архитектуре Ultralytics YOLO26 отлично с ним справляется. Модель поддерживает развертывание INT8 (8-битное сжатие для уменьшения размера и повышения скорости при минимальной потере точности), а также вычисления с половинной точностью (FP16) для ускорения инференса на совместимом оборудовании.

Что особенно важно, Ultralytics YOLO26 обеспечивает стабильную производительность на всех этих уровнях квантования, поэтому на неё можно рассчитывать как при работе на мощном сервере, так и на компактном периферийном устройстве.

От робототехники до производства: варианты использования Ultralytics YOLO26#

Ultralytics YOLO26 можно применять в самых разных приложениях компьютерного зрения, отраслях и сценариях использования. От робототехники до производства — она может существенно улучшать рабочие процессы и обеспечивать более быстрое и точное принятие решений.

Например, в робототехнике Ultralytics YOLO26 может помогать роботам интерпретировать окружающую обстановку в реальном времени. Это делает навигацию более плавной, а работу с объектами — более точной. Кроме того, модель обеспечивает более безопасное взаимодействие с людьми.

Другой пример — производство, где модель можно использовать для обнаружения дефектов. Она автоматически выявляет дефекты на производственных линиях быстрее и точнее, чем ручная проверка.

Рис. 4. Обнаружение бутылок на производстве с помощью Ultralytics YOLO26.

В целом Ultralytics YOLO26 благодаря улучшенной производительности, скорости и компактности легко адаптируется к самым разным средам — от лёгких периферийных устройств до крупных корпоративных систем. Это делает её практичным выбором для отраслей, стремящихся повысить эффективность, точность и надёжность.

Основные выводы#

Ultralytics YOLO26 — это улучшенная, более быстрая и компактная модель компьютерного зрения, которая при этом остаётся простой в использовании и обеспечивает высокую производительность. Она работает с широким спектром задач и платформ и станет доступна всем к концу октября. Мы с нетерпением ждём, как сообщество использует её для создания новых решений и расширения возможностей компьютерного зрения.

Присоединяйся к нашему растущему сообществу! Посети наш репозиторий на GitHub, чтобы узнать больше об искусственном интеллекте. Узнай об инновациях, таких как компьютерное зрение в розничной торговле и искусственный интеллект в автомобильной отрасли, на наших страницах решений. Чтобы уже сегодня начать создавать решения на основе компьютерного зрения, ознакомься с нашими вариантами лицензирования.