Ra mắt Ultralytics YOLO26: Model YOLO tốt hơn, nhanh hơn, nhỏ gọn hơn

Vào ngày 25 tháng 9, tại sự kiện kết hợp thường niên YOLO Vision 2025 (YV25) ở London, Glenn Jocher, Nhà sáng lập & CEO của chúng tôi, đã chính thức công bố đột phá mới nhất trong dòng model Ultralytics YOLO: Ultralytics YOLO26! Model computer vision mới của chúng tôi, YOLO26, có thể phân tích và diễn giải hình ảnh cũng như video nhờ kiến trúc tinh gọn, cân bằng giữa tốc độ, độ chính xác và khả năng triển khai dễ dàng.

Mặc dù Ultralytics YOLO26 đơn giản hóa một số khía cạnh trong thiết kế model và bổ sung các cải tiến mới, model này vẫn tiếp tục cung cấp những tính năng quen thuộc mà người dùng mong đợi từ các model Ultralytics YOLO. Ví dụ, Ultralytics YOLO26 dễ sử dụng, hỗ trợ nhiều tác vụ computer vision và cung cấp các tùy chọn tích hợp, triển khai linh hoạt.

Không cần phải nói, điều này giúp việc chuyển sang sử dụng Ultralytics YOLO26 trở nên dễ dàng, và chúng tôi rất nóng lòng được thấy người dùng tự mình trải nghiệm model này khi nó được cung cấp công khai vào cuối tháng 10.

Hình 1. Ví dụ sử dụng Ultralytics YOLO26 để phát hiện đối tượng trong một hình ảnh.

Nói một cách đơn giản, Ultralytics YOLO26 là một model vision AI tốt hơn, nhanh hơn và nhỏ gọn hơn. Trong bài viết này, chúng ta sẽ tìm hiểu các tính năng chính của Ultralytics YOLO26 và những gì model này mang lại. Hãy bắt đầu!

Mở rộng giới hạn của vision AI với Ultralytics YOLO26#

Trước khi đi sâu vào các tính năng chính của Ultralytics YOLO26 và những ứng dụng mà model này hỗ trợ, hãy cùng lùi lại một bước để tìm hiểu nguồn cảm hứng và động lực thúc đẩy quá trình phát triển model này.

Tại Ultralytics, chúng tôi luôn tin vào sức mạnh của đổi mới. Ngay từ đầu, sứ mệnh của chúng tôi đã gồm hai phần. Một mặt, chúng tôi muốn giúp vision AI trở nên dễ tiếp cận để bất kỳ ai cũng có thể sử dụng mà không gặp rào cản. Mặt khác, chúng tôi cũng cam kết duy trì vị thế tiên phong, mở rộng giới hạn về những gì model computer vision có thể đạt được.

Một yếu tố then chốt đằng sau sứ mệnh này là lĩnh vực AI không ngừng phát triển. Chẳng hạn, edge AI, tức việc chạy các model AI trực tiếp trên thiết bị thay vì phụ thuộc vào cloud, đang nhanh chóng được áp dụng trong nhiều ngành.

Từ camera thông minh đến các hệ thống tự hành, các thiết bị edge hiện được kỳ vọng sẽ xử lý thông tin theo thời gian thực. Sự chuyển dịch này đòi hỏi các model nhẹ hơn và nhanh hơn, đồng thời vẫn duy trì độ chính xác cao tương đương.

Đó là lý do chúng tôi luôn cần tiếp tục cải tiến các model Ultralytics YOLO. Như Glenn Jocher đã nói: “Một trong những thách thức lớn nhất là đảm bảo người dùng có thể khai thác tối đa YOLO26 mà vẫn đạt hiệu năng hàng đầu.”

Tổng quan về Ultralytics YOLO26#

YOLO26 có sẵn ngay khi cài đặt với năm biến thể model khác nhau, mang lại cho bạn sự linh hoạt để khai thác các khả năng của model trong những ứng dụng ở mọi quy mô. Tất cả các biến thể model này đều hỗ trợ nhiều tác vụ computer vision, tương tự các model Ultralytics YOLO trước đây. Điều này có nghĩa là bất kể chọn kích thước nào, bạn đều có thể tin cậy YOLO26 cung cấp nhiều khả năng đa dạng, tương tự Ultralytics YOLO11.

Dưới đây là tổng quan về các tác vụ computer vision được Ultralytics YOLO26 hỗ trợ:

• Phát hiện đối tượng: Ultralytics YOLO26 có thể xác định và định vị nhiều đối tượng trong một hình ảnh hoặc một khung hình video.
• Phân đoạn instance: Tiến thêm một bước so với phát hiện đối tượng, Ultralytics YOLO26 có thể tạo ranh giới chính xác đến từng pixel quanh mỗi đối tượng được xác định.
• Phân loại hình ảnh: Model có thể phân tích toàn bộ hình ảnh và gán hình ảnh đó vào một danh mục hoặc nhãn cụ thể.
• Ước tính pose: Ultralytics YOLO26 có thể phát hiện các keypoint và ước tính pose cho con người cũng như các đối tượng khác.
• Bounding box định hướng (OBB): Model có thể phát hiện đối tượng ở mọi góc, đặc biệt hữu ích đối với hình ảnh trên không, từ drone và vệ tinh, trong đó các đối tượng như tòa nhà, phương tiện hoặc cây trồng có thể không thẳng hàng với khung hình.
• Theo dõi đối tượng: Ultralytics YOLO26 có thể được sử dụng để theo dõi đối tượng qua các khung hình video hoặc các luồng thời gian thực.

Hình 2. Phát hiện đối tượng trong một hình ảnh bằng Ultralytics YOLO26.

Tìm hiểu kiến trúc của Ultralytics YOLO26#

Giờ đây, khi đã hiểu rõ hơn về khả năng của Ultralytics YOLO26, hãy cùng tìm hiểu một số đổi mới trong kiến trúc của model.

Thiết kế của model đã được tinh gọn bằng cách loại bỏ module Distribution Focal Loss (DFL), vốn trước đây làm chậm quá trình inference và hạn chế việc hồi quy bounding box.

Quy trình dự đoán cũng được đơn giản hóa với tùy chọn inference end-to-end (E2E), cho phép model bỏ qua bước Non-Maximum Suppression (NMS) truyền thống. Cải tiến này làm giảm độ phức tạp và cho phép model cung cấp kết quả nhanh hơn, giúp triển khai dễ dàng hơn trong các ứng dụng thực tế.

Các cải tiến khác giúp model thông minh và đáng tin cậy hơn. Progressive Loss Balancing (ProgLoss) giúp ổn định quá trình training và cải thiện độ chính xác, trong khi Small-Target-Aware Label Assignment (STAL) đảm bảo model phát hiện các đối tượng nhỏ hiệu quả hơn. Ngoài ra, optimizer MuSGD mới giúp cải thiện độ hội tụ khi training và nâng cao hiệu năng tổng thể.

Trên thực tế, phiên bản nhỏ nhất của Ultralytics YOLO26, model nano, hiện chạy nhanh hơn tới 43% trên CPU tiêu chuẩn, đặc biệt phù hợp với ứng dụng di động, camera thông minh và các thiết bị edge khác, nơi tốc độ và hiệu quả là yếu tố then chốt. Dưới đây là phần tóm tắt nhanh về các tính năng của YOLO26 và những gì người dùng có thể mong đợi:

• Loại bỏ DFL: Chúng tôi đã loại bỏ module Distribution Focal Loss khỏi kiến trúc model. Bất kể kích thước đối tượng trong hình ảnh, Ultralytics YOLO26 vẫn có thể đặt các bounding box phù hợp đồng thời hoạt động hiệu quả hơn.
• Inference end-to-end không cần NMS: Ultralytics YOLO26 bổ sung một chế độ tùy chọn không cần Non-Maximum Suppression (NMS), một bước thường được sử dụng để loại bỏ các dự đoán trùng lặp, giúp triển khai đơn giản và nhanh hơn cho các ứng dụng thời gian thực.
• ProgLoss và STAL: Các cải tiến này giúp quá trình training ổn định hơn và cải thiện đáng kể độ chính xác, đặc biệt trong việc phát hiện các đối tượng nhỏ ở những khung cảnh phức tạp.
• Optimizer MuSGD: Ultralytics YOLO26 sử dụng một optimizer mới kết hợp ưu điểm của hai optimizer training (Muon và SGD), giúp model học nhanh hơn và đạt độ chính xác cao hơn.

Hình 3. Đánh giá hiệu năng Ultralytics YOLO26.

Đơn giản hóa việc triển khai với Ultralytics YOLO26#

Dù bạn đang phát triển ứng dụng di động, camera thông minh hay hệ thống doanh nghiệp, việc triển khai YOLO26 đều đơn giản và linh hoạt. Gói Python của Ultralytics hỗ trợ ngày càng nhiều định dạng export, giúp dễ dàng tích hợp YOLO26 vào các workflow hiện có và tương thích với gần như mọi nền tảng.

Một số tùy chọn export gồm TensorRT để tăng tốc GPU tối đa, ONNX để đảm bảo khả năng tương thích rộng, CoreML cho ứng dụng iOS native, TFLite cho Android và thiết bị edge, cùng OpenVINO để tối ưu hiệu năng trên phần cứng Intel. Tính linh hoạt này giúp chuyển Ultralytics YOLO26 từ giai đoạn phát triển sang production một cách dễ dàng mà không gặp trở ngại bổ sung.

Một phần quan trọng khác của việc triển khai là đảm bảo model hoạt động hiệu quả trên các thiết bị có tài nguyên hạn chế. Đây là lúc quantization phát huy tác dụng. Nhờ kiến trúc đơn giản hóa, Ultralytics YOLO26 xử lý việc này đặc biệt tốt. Model hỗ trợ triển khai INT8 (sử dụng nén 8 bit để giảm kích thước và tăng tốc với mức suy giảm độ chính xác tối thiểu), cũng như half-precision (FP16) để inference nhanh hơn trên phần cứng được hỗ trợ.

Quan trọng nhất, Ultralytics YOLO26 duy trì hiệu năng ổn định qua các mức quantization này, vì vậy bạn có thể tin cậy model dù nó đang chạy trên một server mạnh hay một thiết bị edge nhỏ gọn.

Từ robotics đến manufacturing: Các trường hợp sử dụng Ultralytics YOLO26#

Ultralytics YOLO26 có thể được sử dụng trong nhiều ứng dụng computer vision thuộc nhiều ngành và trường hợp sử dụng khác nhau. Từ robotics đến manufacturing, model có thể tạo ra tác động đáng kể bằng cách cải thiện workflow và hỗ trợ đưa ra quyết định nhanh chóng, chính xác hơn.

Ví dụ, một trường hợp điển hình là trong lĩnh vực robotics, nơi Ultralytics YOLO26 có thể giúp robot diễn giải môi trường xung quanh theo thời gian thực. Điều này giúp việc điều hướng mượt mà hơn và xử lý đối tượng chính xác hơn. Model cũng hỗ trợ cộng tác an toàn hơn với con người.

Một ví dụ khác là manufacturing, nơi model có thể được sử dụng để phát hiện lỗi. Model có thể tự động xác định các khiếm khuyết trên dây chuyền sản xuất nhanh chóng và chính xác hơn so với kiểm tra thủ công.

Hình 4. Phát hiện chai trong nhà máy manufacturing bằng Ultralytics YOLO26.

Nhìn chung, vì Ultralytics YOLO26 tốt hơn, nhanh hơn và nhẹ hơn, model dễ dàng thích ứng với nhiều môi trường, từ các thiết bị edge nhẹ đến các hệ thống doanh nghiệp lớn. Điều này khiến model trở thành lựa chọn thực tế cho các ngành muốn cải thiện hiệu quả, độ chính xác và độ tin cậy.

Những điểm chính#

Ultralytics YOLO26 là một model computer vision tốt hơn, nhanh hơn và nhẹ hơn, đồng thời vẫn dễ sử dụng và cung cấp hiệu năng mạnh mẽ. Model hoạt động trên nhiều tác vụ và nền tảng, và sẽ được cung cấp cho mọi người vào cuối tháng 10. Chúng tôi rất nóng lòng được thấy cộng đồng sử dụng model này để tạo ra các giải pháp mới và mở rộng giới hạn của computer vision.

Hãy tham gia cộng đồng đang phát triển của chúng tôi! Khám phá repository GitHub để tìm hiểu thêm về AI. Khám phá các đổi mới như computer vision trong lĩnh vực bán lẻ và AI trong ngành ô tô bằng cách truy cập các trang giải pháp của chúng tôi. Để bắt đầu xây dựng với computer vision ngay hôm nay, hãy xem các tùy chọn cấp phép.