Ultralytics YOLO26: Tiêu chuẩn mới cho vision AI ưu tiên edge

Hôm nay, Ultralytics chính thức ra mắt YOLO26, model YOLO tiên tiến và dễ triển khai nhất từ trước đến nay. Được công bố lần đầu tại YOLO Vision 2025 (YV25), YOLO26 đại diện cho một thay đổi căn bản trong cách các model thị giác máy tính được huấn luyện, triển khai và mở rộng trong các hệ thống thực tế.

AI thị giác đang nhanh chóng chuyển lên edge. Ngày càng nhiều hình ảnh và video được xử lý trực tiếp trên thiết bị, camera, robot và hệ thống nhúng, nơi độ trễ, độ tin cậy và chi phí quan trọng hơn năng lực tính toán thô trên cloud. YOLO26 được thiết kế cho thực tế này, mang lại hiệu năng hàng đầu thế giới trong khi chạy hiệu quả trên CPU, bộ tăng tốc edge và phần cứng công suất thấp.

Mặc dù YOLO26 là một bước tiến lớn, model này vẫn duy trì trải nghiệm Ultralytics YOLO quen thuộc và tinh gọn mà các developer tin dùng. Model tích hợp liền mạch vào các workflow hiện có, hỗ trợ nhiều tác vụ thị giác và vẫn dễ sử dụng, giúp các team nghiên cứu lẫn production dễ dàng áp dụng.

Hình 1. Ví dụ sử dụng Ultralytics YOLO26 để phát hiện đối tượng

Trong bài viết này, chúng ta sẽ phân tích mọi điều cần biết về Ultralytics YOLO26 và ý nghĩa của một model YOLO nhẹ hơn, nhỏ hơn và nhanh hơn đối với tương lai của AI thị giác. Hãy bắt đầu!

Ultralytics YOLO26 thiết lập tiêu chuẩn mới cho AI thị giác#

Ultralytics YOLO26 được xây dựng trên quan điểm rằng các khả năng AI thị giác có tác động lớn phải dễ tiếp cận với mọi người. Chúng tôi tin rằng các công cụ thị giác máy tính mạnh mẽ không nên bị khóa lại hoặc giới hạn cho một nhóm nhỏ tổ chức.

Tại YV25 ở London, Founder & CEO của chúng tôi là Glenn Jocher đã chia sẻ suy nghĩ về tầm nhìn này: “Công nghệ AI tuyệt vời nhất đang nằm sau những cánh cửa đóng kín. Nó không mở. Các công ty lớn kiểm soát những phát triển mới, còn mọi người khác phải xếp hàng chờ được tiếp cận. Tại Ultralytics, chúng tôi có một tầm nhìn khác. Chúng tôi muốn AI nằm trong tay tất cả mọi người.”

Ông cũng giải thích rằng điều này có nghĩa là đưa AI ra khỏi cloud và vào các môi trường thực tế: “Chúng tôi muốn công nghệ không chỉ tồn tại trên cloud, mà còn được đưa xuống các thiết bị edge, điện thoại, phương tiện và hệ thống công suất thấp của bạn. Và chúng tôi muốn những con người tuyệt vời đang tạo ra các giải pháp có quyền tiếp cận công nghệ đó.”

YOLO26 hiện thực hóa tầm nhìn này: một model được thiết kế để chạy ở nơi AI thị giác thực sự được triển khai, chứ không phải nơi dễ prototype nhất.

Phân tích Ultralytics YOLO26: Model thị giác tiên tiến#

Giống các model Ultralytics YOLO trước đây, YOLO26 hỗ trợ nhiều tác vụ thị giác máy tính trong một họ model thống nhất. Model có sẵn với năm kích thước, Nano (n), Small (s), Medium (m), Large (l), và Extra Large (x), cho phép các team cân bằng tốc độ, độ chính xác và kích thước model tùy theo các ràng buộc triển khai.

Không chỉ linh hoạt, YOLO26 còn nâng cao chuẩn hiệu năng. So với YOLO11, model YOLO26 nano cho tốc độ suy luận trên CPU nhanh hơn tới 43%, giúp model này trở thành một trong những model phát hiện đối tượng có độ chính xác cao nhanh nhất hiện có cho triển khai trên edge và CPU.

Hình 2. Ultralytics YOLO26 là một model thị giác tiên tiến.

Dưới đây là cái nhìn chi tiết hơn về các tác vụ thị giác máy tính được YOLO26 hỗ trợ:

• Phân loại hình ảnh: YOLO26 có thể phân tích toàn bộ hình ảnh và gán hình ảnh đó vào một danh mục cụ thể, giúp các hệ thống hiểu bối cảnh tổng thể của một cảnh.
• Phát hiện đối tượng: Model có thể tìm và định vị nhiều đối tượng trong hình ảnh hoặc video.
• Phân đoạn instance: YOLO26 có thể phác thảo từng đối tượng với độ chi tiết đến cấp pixel.
• Ước tính pose: Model có thể được sử dụng để xác định các keypoint và ước tính pose cho người cùng các đối tượng khác.
• Phát hiện bounding box định hướng (OBB): YOLO26 có thể phát hiện đối tượng ở nhiều góc khác nhau, đặc biệt hữu ích với hình ảnh trên không và ảnh vệ tinh.
• Theo dõi đối tượng: Khi kết hợp với Python package của Ultralytics, YOLO26 có thể được sử dụng để theo dõi đối tượng qua các frame video và stream trực tiếp.

Tất cả tác vụ đều hỗ trợ huấn luyện, validation, suy luận và export trong một framework nhất quán.

Các đổi mới cốt lõi phía sau Ultralytics YOLO26#

Ultralytics YOLO26 giới thiệu một số đổi mới cốt lõi giúp cải thiện tốc độ suy luận, độ ổn định khi huấn luyện và sự đơn giản trong triển khai. Dưới đây là tổng quan về các đổi mới này:

• Loại bỏ hàm mất mát tiêu điểm phân phối (DFL): Module DFL đã được loại bỏ để đơn giản hóa việc dự đoán bounding box, cải thiện khả năng tương thích phần cứng và giúp model dễ export, dễ chạy hơn trên các thiết bị edge và công suất thấp.
• Suy luận end-to-end không cần NMS: YOLO26 được thiết kế như một model end-to-end native, trực tiếp xuất ra các dự đoán cuối cùng, loại bỏ nhu cầu sử dụng phép triệt tiêu phi cực đại và giảm độ trễ suy luận cũng như độ phức tạp triển khai.
• Cân bằng hàm mất mát lũy tiến + STAL: Các chiến lược loss được cải tiến này giúp ổn định quá trình huấn luyện và nâng cao độ chính xác phát hiện, đặc biệt với các đối tượng nhỏ, khó phát hiện.
• Optimizer MuSGD: YOLO26 sử dụng một optimizer hybrid mới, kết hợp SGD với các kỹ thuật tối ưu lấy cảm hứng từ Muon để huấn luyện ổn định hơn.
• Suy luận trên CPU nhanh hơn tới 43%: Được tối ưu cụ thể cho điện toán edge, YOLO26 mang lại tốc độ suy luận trên CPU nhanh hơn tới 43%, cho phép đạt hiệu năng thời gian thực trên các thiết bị edge.

Tiếp theo, hãy cùng tìm hiểu chi tiết các tính năng thế hệ mới giúp YOLO26 nhanh hơn, hiệu quả hơn và dễ triển khai hơn.

Đơn giản hóa dự đoán bằng cách loại bỏ hàm mất mát tiêu điểm phân phối#

Các model YOLO trước đây sử dụng hàm mất mát tiêu điểm phân phối (DFL) trong quá trình huấn luyện để cải thiện độ chính xác của bounding box. Dù hiệu quả, DFL làm tăng độ phức tạp và áp đặt các giới hạn hồi quy cố định, khiến việc export và triển khai trở nên khó khăn hơn, đặc biệt trên phần cứng edge và công suất thấp.

YOLO26 loại bỏ hoàn toàn DFL. Việc loại bỏ DFL giúp loại bỏ các giới hạn hồi quy bounding box cố định có trong các model trước đây, cải thiện độ tin cậy và độ chính xác khi phát hiện các đối tượng rất lớn.

Bằng cách đơn giản hóa quy trình dự đoán bounding box, YOLO26 trở nên dễ export hơn và chạy đáng tin cậy hơn trên nhiều thiết bị edge và công suất thấp.

Suy luận end-to-end không cần NMS với Ultralytics YOLO26#

Các pipeline phát hiện đối tượng truyền thống dựa vào phép triệt tiêu phi cực đại (NMS) như một bước hậu xử lý để lọc các dự đoán chồng lấn. Dù hiệu quả, NMS làm tăng độ trễ, độ phức tạp và tính dễ lỗi, đặc biệt khi triển khai model trên nhiều runtime và đích phần cứng.

YOLO26 giới thiệu chế độ suy luận end-to-end native, trong đó model trực tiếp xuất ra các dự đoán cuối cùng mà không yêu cầu NMS như một bước hậu xử lý riêng. Các dự đoán trùng lặp được xử lý ngay bên trong network.

Loại bỏ NMS giúp giảm độ trễ, đơn giản hóa pipeline triển khai và giảm nguy cơ lỗi tích hợp, khiến YOLO26 đặc biệt phù hợp với các triển khai thời gian thực và edge.

Nâng cao khả năng nhận diện với Cân bằng hàm mất mát lũy tiến + STAL#

Một tính năng quan trọng liên quan đến huấn luyện là việc giới thiệu Cân bằng hàm mất mát lũy tiến (ProgLoss) và Gán nhãn nhận biết mục tiêu nhỏ (STAL). Các hàm loss được cải tiến này giúp ổn định quá trình huấn luyện và cải thiện độ chính xác phát hiện.

ProgLoss giúp model học nhất quán hơn trong quá trình huấn luyện, giảm sự bất ổn và cho phép hội tụ mượt mà hơn. Trong khi đó, STAL tập trung cải thiện cách model học từ các đối tượng nhỏ, vốn thường khó phát hiện hơn do có ít chi tiết thị giác.

Kết hợp với nhau, ProgLoss và STAL mang lại các kết quả phát hiện đáng tin cậy hơn, với sự cải thiện rõ rệt trong khả năng nhận diện đối tượng nhỏ. Điều này đặc biệt quan trọng đối với các ứng dụng edge như Internet vạn vật (IoT), robotics và hình ảnh trên không, nơi đối tượng thường nhỏ, ở xa hoặc chỉ hiển thị một phần.

Huấn luyện ổn định hơn với optimizer MuSGD#

Với YOLO26, chúng tôi áp dụng một optimizer mới có tên MuSGD, được thiết kế để giúp quá trình huấn luyện ổn định và hiệu quả hơn. MuSGD là một phương pháp hybrid, kết hợp ưu điểm của Stochastic Gradient Descent truyền thống (SGD) với các kỹ thuật lấy cảm hứng từ Muon, một optimizer được sử dụng trong huấn luyện mô hình ngôn ngữ lớn (LLM).

SGD từ lâu đã là một lựa chọn đáng tin cậy trong thị giác máy tính nhờ tính đơn giản và khả năng khái quát hóa tốt. Đồng thời, những tiến bộ gần đây trong huấn luyện LLM cho thấy các phương pháp tối ưu mới hơn có thể cải thiện độ ổn định và tốc độ khi được áp dụng cẩn trọng. MuSGD đưa một số ý tưởng này vào lĩnh vực thị giác máy tính.

Lấy cảm hứng từ Kimi K2 của Moonshot AI, MuSGD tích hợp các chiến lược tối ưu giúp model hội tụ mượt mà hơn trong quá trình huấn luyện. Điều này giúp YOLO26 đạt hiệu năng cao nhanh hơn đồng thời giảm sự bất ổn khi huấn luyện, đặc biệt trong các thiết lập huấn luyện lớn hoặc phức tạp hơn.

MuSGD giúp YOLO26 huấn luyện dễ dự đoán hơn trên nhiều kích thước model, góp phần cải thiện cả hiệu năng lẫn độ ổn định huấn luyện.

Ultralytics YOLO26 mang lại tốc độ suy luận trên CPU nhanh hơn tới 43%#

Khi AI thị giác tiếp tục tiến gần hơn đến nơi dữ liệu được tạo ra, hiệu năng mạnh trên edge ngày càng trở nên quan trọng. Được tối ưu cụ thể cho điện toán edge, YOLO26 mang lại tốc độ suy luận trên CPU nhanh hơn tới 43%, đảm bảo hiệu năng thời gian thực trên các thiết bị không có GPU. Cải tiến này cho phép các hệ thống thị giác phản hồi nhanh và đáng tin cậy chạy trực tiếp trên camera, robot và phần cứng nhúng, nơi các ràng buộc về độ trễ, hiệu quả và chi phí quyết định những gì có thể thực hiện.

Các tác vụ thị giác máy tính được Ultralytics YOLO26 hỗ trợ với nhiều cải tiến#

Ngoài các cải tiến kiến trúc giúp phát hiện đối tượng chính xác hơn, YOLO26 còn bao gồm các tối ưu hóa dành riêng cho từng tác vụ nhằm cải thiện hiệu năng trên các tác vụ thị giác máy tính. Chẳng hạn, model cải thiện phân đoạn instance, ước tính pose và phát hiện bounding box định hướng bằng các cập nhật có mục tiêu, giúp nâng cao độ chính xác và độ tin cậy.

Dưới đây là tổng quan về các tối ưu hóa này:

• Phân đoạn instance: YOLO26 sử dụng loss phân đoạn ngữ nghĩa để cải thiện cách model học trong quá trình huấn luyện, từ đó tạo ra các instance mask chính xác và nhất quán hơn. Module proto được nâng cấp cũng cho phép sử dụng thông tin từ nhiều scale, giúp model xử lý hiệu quả hơn các đối tượng có kích thước khác nhau, ngay cả trong những cảnh phức tạp.
• Ước tính pose: Bằng cách tích hợp Ước tính log-khả năng hợp lý dư (RLE), một kỹ thuật mô hình hóa độ bất định trong các dự đoán keypoint, và cải thiện quy trình giải mã, YOLO26 mang lại keypoint chính xác hơn với hiệu năng thời gian thực tốt hơn.
• Phát hiện bounding box định hướng: YOLO26 giới thiệu một hàm mất mát góc chuyên biệt, giúp model học cách xoay đối tượng chính xác hơn, đặc biệt với các đối tượng hình vuông, nơi hướng có thể không rõ ràng. Việc giải mã OBB được tối ưu cũng giảm các bước nhảy đột ngột trong dự đoán góc gần ranh giới xoay, tạo ra các ước tính hướng ổn định và nhất quán hơn.

Hình 3. Sử dụng Ultralytics YOLO26 để phân đoạn instance.

Ultralytics YOLOE-26: Phân đoạn open-vocabulary xây dựng trên YOLO26#

Ultralytics cũng giới thiệu YOLOE-26, một họ model phân đoạn open-vocabulary mới được xây dựng trên kiến trúc và các đổi mới trong huấn luyện của YOLO26.

YOLOE-26 không phải là một tác vụ hay tính năng mới, mà là một họ model chuyên biệt tái sử dụng tác vụ phân đoạn hiện có, đồng thời hỗ trợ prompt văn bản, prompt hình ảnh và suy luận không cần prompt. Có sẵn trên tất cả kích thước YOLO tiêu chuẩn, YOLOE-26 mang lại độ chính xác cao hơn và hiệu năng thực tế đáng tin cậy hơn so với các model phân đoạn open-vocabulary trước đây.

Ultralytics YOLO26 được thiết kế cho nơi AI thị giác thực sự chạy#

Từ các camera định hướng thị giác đến robot vận hành bằng thị giác máy tính và những chip xử lý nhỏ ở edge, thị giác máy tính và AI đang được triển khai trực tiếp trên thiết bị để suy luận thời gian thực. Ultralytics YOLO26 được xây dựng riêng cho những môi trường này, nơi độ trễ thấp, hiệu quả và hiệu năng đáng tin cậy là yếu tố thiết yếu.

Trong thực tế, điều này có nghĩa là YOLO26 có thể dễ dàng được triển khai trên nhiều loại phần cứng. Cụ thể, thông qua Python package của Ultralytics và nhiều tích hợp, các model có thể được export sang những format được tối ưu cho các nền tảng và bộ tăng tốc phần cứng khác nhau.

Ví dụ, export sang TensorRT cho phép suy luận hiệu năng cao trên GPU NVIDIA, trong khi CoreML hỗ trợ triển khai native trên các thiết bị Apple, còn OpenVINO tối ưu hiệu năng trên phần cứng Intel. YOLO26 cũng có thể được export để chạy trên nhiều bộ tăng tốc edge chuyên dụng, cho phép suy luận thông lượng cao và tiết kiệm năng lượng trên phần cứng Edge AI chuyên biệt.

Đây chỉ là một vài ví dụ, với nhiều tích hợp khác được hỗ trợ trong các môi trường edge và production. Tính linh hoạt này cho phép một model YOLO26 duy nhất chạy trên nhiều đích triển khai đa dạng. Model giúp tinh gọn workflow production và đưa AI thị giác đến gần edge hơn.

Định nghĩa lại các use case thị giác máy tính trong nhiều ngành#

Được thiết kế để triển khai trong thực tế, YOLO26 có thể được sử dụng cho nhiều use case thị giác máy tính trong các ngành khác nhau. Dưới đây là một số ví dụ về các lĩnh vực có thể áp dụng:

• Robotics: YOLO26 có thể được sử dụng cho các tác vụ như điều hướng, phát hiện chướng ngại vật và tương tác với đối tượng. Những khả năng này hỗ trợ hoạt động robot an toàn và hiệu quả trong các môi trường năng động.

• Sản xuất: Trên các dây chuyền sản xuất, YOLO26 có thể phân tích hình ảnh và video để xác định lỗi, linh kiện bị thiếu hoặc vấn đề trong quy trình. Xử lý dữ liệu trên thiết bị giúp phát hiện nhanh và giảm sự phụ thuộc vào các hệ thống cloud.

• Ứng dụng trên không và drone: Khi được triển khai trên drone, YOLO26 có thể xử lý hình ảnh trên không trong lúc bay để kiểm tra, lập bản đồ và khảo sát. Điều này cho phép phân tích cảnh theo thời gian thực, ngay cả ở những địa điểm hẻo lánh.

• Hệ thống nhúng và IoT: Với thiết kế nhẹ, YOLO26 có thể chạy trên phần cứng nhúng công suất thấp để xử lý dữ liệu hình ảnh cục bộ. Các use case phổ biến gồm camera thông minh, cảm biến kết nối và thiết bị giám sát tự động.

• Thành phố thông minh: Trong các môi trường đô thị, YOLO26 có thể phân tích stream video từ camera giao thông và không gian công cộng. Điều này cho phép triển khai các ứng dụng như giám sát giao thông, an toàn công cộng và quản lý hạ tầng ngay tại edge.

Hình 4. YOLO26 có thể được sử dụng cho nhiều ứng dụng thị giác máy tính khác nhau.

Bắt đầu với Ultralytics YOLO26#

Ultralytics YOLO26 có thể được sử dụng thông qua hai workflow bổ trợ, tùy thuộc vào cách bạn xây dựng và triển khai AI thị giác.

Tùy chọn 1: Sử dụng Ultralytics YOLO26 thông qua Ultralytics Platform (khuyến nghị)

Ultralytics Platform cung cấp một phương thức tập trung để huấn luyện, triển khai và giám sát các model YOLO26 trong production. Nền tảng này tập hợp dataset, experiment và deployment vào một nơi, giúp quản lý workflow AI thị giác ở quy mô lớn dễ dàng hơn, đặc biệt với các team triển khai trên edge và trong production.

Thông qua Platform, người dùng có thể:

• Truy cập các model YOLO26
• Huấn luyện và fine-tune trên dataset tùy chỉnh
• Export model để triển khai trên edge và production
• Giám sát experiment và các model đã triển khai trong một workflow duy nhất

👉 Khám phá YOLO26 trên Ultralytics Platform: platform.ultralytics.com/ultralytics/yolo26

Tùy chọn 2: Sử dụng Ultralytics YOLO26 thông qua các workflow mã nguồn mở

YOLO26 vẫn hoàn toàn có thể tiếp cận thông qua hệ sinh thái mã nguồn mở của Ultralytics và có thể được sử dụng với các workflow dựa trên Python hiện có để huấn luyện, suy luận và export.

Developer có thể cài đặt package Ultralytics, tải các model YOLO26 pretrained và triển khai chúng bằng những công cụ, format quen thuộc như ONNX, TensorRT, CoreML hoặc OpenVINO.

pip install ultralytics

from ultralytics import YOLO

# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

Đối với người dùng muốn kiểm soát trực tiếp hoặc xây dựng pipeline tùy chỉnh, tài liệu và hướng dẫn đầy đủ có sẵn trong tài liệu Ultralytics.

Ultralytics YOLO26: Được xây dựng cho tương lai của thị giác máy tính#

Ultralytics YOLO26 được thiết kế để đáp ứng nhu cầu của các giải pháp AI thị giác trong tương lai, nơi model phải nhanh, hiệu quả và dễ triển khai trên phần cứng thực tế. Bằng cách cải thiện hiệu năng, đơn giản hóa việc triển khai và mở rộng khả năng của model, YOLO26 tích hợp tự nhiên vào nhiều ứng dụng thực tế. YOLO26 thiết lập baseline mới cho cách xây dựng, triển khai và mở rộng AI thị giác. Chúng tôi rất mong được chứng kiến cộng đồng sử dụng model này để đưa các hệ thống thị giác máy tính thực tế vào vận hành.

Hãy tham gia cộng đồng đang phát triển của chúng tôi và khám phá repository GitHub để tìm các tài nguyên AI thực hành. Để xây dựng với vision AI ngay hôm nay, hãy khám phá các tùy chọn cấp phép của chúng tôi. Tìm hiểu cách AI trong nông nghiệp đang chuyển đổi hoạt động canh tác và cách vision AI trong robotics đang định hình tương lai bằng cách truy cập các trang giải pháp của chúng tôi.