Ultralytics YOLO26: Tiêu chuẩn mới cho Vision AI ưu tiên biên

Hôm nay, Ultralytics chính thức ra mắt YOLO26, mô hình 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 bước chuyển mình cơ bản trong cách các mô hình thị giác máy tính (computer vision) được huấn luyện, triển khai và mở rộng quy mô trong các hệ thống thực tế.

AI thị giác đang nhanh chóng dịch chuyển sang thiết bị biên (edge). Ngày càng có nhiều hình ảnh và video được xử lý trực tiếp trên các thiết bị, camera, robot và hệ thống nhúng, nơi độ trễ, độ tin cậy và chi phí quan trọng hơn sức mạnh tính toán đám mây thô. YOLO26 được thiết kế cho thực tế này, mang lại hiệu suất hàng đầu thế giới trong khi vẫn chạy hiệu quả trên CPU, các trình tăng tốc biên (edge accelerators) và phần cứng tiêu thụ điện năng thấp.

Mặc dù YOLO26 là một bước tiến vượt bậc, nó vẫn duy trì trải nghiệm Ultralytics YOLO quen thuộc và tinh gọn mà các nhà phát triển tin dùng. Nó tích hợp liền mạch vào các luồng công việc hiện có, hỗ trợ nhiều tác vụ thị giác và vẫn dễ sử dụng, giúp việc áp dụng trở nên đơn giản cho cả các nhóm nghiên cứu và triển khai sản xuất.

Hình 1. Ví dụ về việc sử dụng Ultralytics YOLO26 cho phát hiện đối tượng

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

Link to this sectionUltralytics YOLO26 thiết lập tiêu chuẩn mới cho AI thị giác#

Ultralytics YOLO26 được xây dựng dựa trên ý tưởng rằng các khả năng AI thị giác có tác động mạnh mẽ nên dễ dàng tiếp cận với tất cả mọi người. Chúng tôi tin rằng các công cụ computer vision mạnh mẽ không nên bị khóa kín hoặc giới hạn trong một nhóm nhỏ các tổ chức.

Tại YV25 ở London, Người sáng lập & CEO Glenn Jocher của chúng tôi đã chia sẻ suy nghĩ của mình 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, và mọi người khác phải chờ đợi để được tiếp cận. Chúng tôi có một tầm nhìn khác tại Ultralytics. 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 đám mây và đi vào các môi trường thực tế, bổ sung thêm: “Chúng tôi muốn công nghệ không chỉ nằm trên đám mây, mà còn được đưa xuống các thiết bị biên, vào điện thoại, phương tiện giao thông và các hệ thống tiêu thụ điện năng thấp của bạn. Và chúng tôi muốn những người tài năng đang tạo ra các giải pháp này có quyền tiếp cận với điều đó.”

YOLO26 phản ánh tầm nhìn này trong thực tế: một mô hình được thiết kế để chạy ở nơi AI thị giác thực sự được triển khai, chứ không phải nơi dễ dàng nhất để tạo mẫu.

Link to this sectionPhân tích Ultralytics YOLO26: Một mô hình thị giác hiện đại (state-of-the-art)#

Giống như các mô hình Ultralytics YOLO trước đây, YOLO26 hỗ trợ nhiều tác vụ thị giác máy tính trong một họ mô hình thống nhất. Nó có sẵn trong năm kích thước: Nano (n), Small (s), Medium (m), Large (l), và Extra Large (x), cho phép các nhóm cân bằng giữa tốc độ, độ chính xác và kích thước mô hình tùy thuộc vào các hạn chế triển khai.

Ngoài sự linh hoạt, YOLO26 nâng cao tiêu chuẩn hiệu suất. So với YOLO11, mô hình YOLO26 nano mang lại tốc độ inference CPU nhanh hơn tới 43%, biến nó trở thành một trong những mô hình phát hiện đối tượng có độ chính xác cao nhanh nhất hiện có cho triển khai dựa trên thiết bị biên và CPU.

Hình 2. Ultralytics YOLO26 là một mô hình thị giác hiện đại.

Dưới đây là cái nhìn sâu hơn về các computer vision tasks được hỗ trợ bởi YOLO26:

• Phân loại hình ảnh (Image classification): YOLO26 có thể phân tích toàn bộ hình ảnh và gán nó vào một danh mục cụ thể, giúp các hệ thống hiểu được bối cảnh chung của một khung cảnh.
• Phát hiện đối tượng (Object detection): Mô hình có thể tìm và định vị nhiều đối tượng trong hình ảnh hoặc video.
• Phân đoạn thực thể (Instance segmentation): YOLO26 có thể phác thảo các đối tượng riêng lẻ với chi tiết ở cấp độ pixel.
• Ước tính tư thế (Pose estimation): Nó có thể được sử dụng để xác định các điểm khóa (keypoints) và ước tính tư thế cho con người và các đối tượng khác.
• Phát hiện hộp bao định hướng (Oriented bounding box - OBB): YOLO26 có thể phát hiện các đối tượng ở các góc độ khác nhau, điều này đặc biệt hữu ích cho hình ảnh trên không và hình ảnh vệ tinh.
• Theo dõi đối tượng (Object tracking): Kết hợp với gói Ultralytics Python, YOLO26 có thể được sử dụng để theo dõi đối tượng trên các khung hình video và luồng trực tiếp (live streams).

Tất cả các tác vụ đều hỗ trợ huấn luyện, xác thực, inference và xuất mô hình trong một framework nhất quán.

Link to this sectionNhững cải tiến then chốt đằng sau Ultralytics YOLO26#

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

• Loại bỏ Distribution Focal Loss (DFL): Module DFL đã bị loại bỏ để đơn giản hóa việc dự đoán hộp bao (bounding box), cải thiện khả năng tương thích phần cứng và giúp mô hình dễ dàng xuất và chạy hơn trên các thiết bị biên và tiêu thụ điện năng thấp.
• Inference end-to-end không cần NMS: YOLO26 được thiết kế như một mô hình end-to-end nguyên bản, xuất trực tiếp các dự đoán cuối cùng, loại bỏ nhu cầu về Non-Maximum Suppression (NMS) và giảm độ trễ inference cũng như sự phức tạp khi triển khai.
• Progressive Loss Balancing + STAL: Các chiến lược loss được cải tiến này ổn định quá trình huấn luyện và tăng cường độ chính xác khi phát hiện, đặc biệt đối với các đối tượng nhỏ, khó phát hiện.
• Trình tối ưu hóa MuSGD: YOLO26 sử dụng một trình tối ưu hóa lai mới kết hợp giữa SGD với các kỹ thuật tối ưu hóa lấy cảm hứng từ Muon để huấn luyện ổn định hơn.
• Tốc độ inference CPU nhanh hơn tới 43%: Được tối ưu hóa đặc biệt cho tính toán biên, YOLO26 mang lại tốc độ inference CPU nhanh hơn tới 43%, cho phép đạt hiệu suất thời gian thực trên các thiết bị biên.

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

Link to this sectionĐơn giản hóa dự đoán thông qua việc loại bỏ Distribution Focal Loss#

Các mô hình YOLO trước đây đã sử dụng Distribution Focal Loss (DFL) trong quá trình huấn luyện để cải thiện độ chính xác của hộp bao. Mặc dù hiệu quả, DFL lại gây ra sự phức tạp bổ sung và áp đặt các giới hạn hồi quy cố định, khiến việc xuất và triển khai trở nên thách thức hơn, đặc biệt trên phần cứng biên và phần cứng có công suất thấp.

YOLO26 loại bỏ hoàn toàn DFL. Việc loại bỏ DFL giúp loại bỏ các giới hạn hồi quy hộp bao cố định có trong các mô hình trước đó, 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 hộp bao, YOLO26 trở nên dễ xuất hơn và chạy đáng tin cậy hơn trên nhiều loại thiết bị biên và thiết bị tiêu thụ điện năng thấp.

Link to this sectionInference end-to-end không cần NMS với Ultralytics YOLO26#

Các đường ống (pipeline) phát hiện đối tượng truyền thống dựa vào Non-Maximum Suppression (NMS) như một bước xử lý hậu kỳ để lọc các dự đoán chồng lấp. Mặc dù hiệu quả, NMS làm tăng độ trễ, độ phức tạp và tính mong manh, đặc biệt là khi triển khai mô hình trên nhiều môi trường chạy (runtime) và mục tiêu phần cứng khác nhau.

YOLO26 giới thiệu chế độ inference end-to-end nguyên bản, trong đó mô hình xuất trực tiếp các dự đoán cuối cùng mà không cần NMS như một bước xử lý hậu kỳ riêng biệt. Các dự đoán trùng lặp được xử lý ngay bên trong mạng.

Loại bỏ NMS giúp giảm độ trễ, đơn giản hóa các đường ống triển khai và giảm nguy cơ lỗi tích hợp, khiến YOLO26 đặc biệt phù hợp cho các triển khai thời gian thực và triển khai trên thiết bị biên.

Link to this sectionTăng cường khả năng nhận dạng với Progressive Loss Balancing + STAL#

Một tính năng quan trọng liên quan đến huấn luyện là việc giới thiệu Progressive Loss Balancing (ProgLoss) và Small-Target-Aware Label Assignment (STAL). Các hàm loss cải tiến này giúp ổn định quá trình huấn luyện và tăng cường độ chính xác khi phát hiện.

ProgLoss giúp mô hình học nhất quán hơn trong quá trình huấn luyện, giảm sự mất ổn định và cho phép nó hội tụ mượt mà hơn. Trong khi đó, STAL tập trung vào việc cải thiện cách mô hình học từ các đối tượng nhỏ, vốn thường khó phát hiện hơn do chi tiết thị giác hạn chế.

Cùng với nhau, ProgLoss và STAL dẫn đến các kết quả phát hiện đáng tin cậy hơn, với những cải thiện đáng chú ý trong việc nhận dạng đối tượng nhỏ. Điều này đặc biệt quan trọng đối với các ứng dụng biên như Internet vạn vật (IoT), robot và hình ảnh trên không, nơi các đối tượng thường nhỏ, ở xa hoặc chỉ hiển thị một phần.

Link to this sectionHuấn luyện ổn định hơn với trình tối ưu hóa MuSGD#

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

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

Lấy cảm hứng từ Kimi K2 của Moonshot AI, MuSGD kết hợp các chiến lược tối ưu hóa giúp mô hình hội tụ mượt mà hơn trong quá trình huấn luyện. Điều này giúp YOLO26 đạt được hiệu suất mạnh mẽ nhanh hơn trong khi giảm sự mất ổn định khi huấn luyện, đặc biệt là trong các thiết lập huấn luyện lớn hơn hoặc phức tạp hơn.

MuSGD giúp YOLO26 huấn luyện có thể dự đoán được hơn trên các kích thước mô hình, góp phần vào cả việc tăng hiệu suất và độ ổn định khi huấn luyện.

Link to this sectionUltralytics YOLO26 mang lại tốc độ inference CPU nhanh hơn tới 43%#

Khi AI thị giác tiếp tục dịch chuyển đến gần nơi dữ liệu được tạo ra, hiệu suất mạnh mẽ tại thiết bị biên đang trở nên ngày càng quan trọng. Được tối ưu hóa đặc biệt cho tính toán biên, YOLO26 mang lại tốc độ inference CPU nhanh hơn tới 43%, đảm bảo hiệu suất thời gian thực trên các thiết bị không có GPU. Cải tiến này cho phép các hệ thống thị giác nhạy bén, đáng tin cậy chạy trực tiếp trên camera, robot và phần cứng nhúng, nơi độ trễ, hiệu quả và các ràng buộc chi phí quyết định những gì khả thi.

Link to this sectionCác tác vụ thị giác máy tính được cải thiện hỗ trợ bởi Ultralytics YOLO26#

Ngoài những cải tiến về kiến trúc giúp việc phát hiện đối tượng chính xác hơn, YOLO26 còn bao gồm các tối ưu hóa dành riêng cho tác vụ được thiết kế để cải thiện hiệu suất trên các tác vụ thị giác máy tính. Ví dụ, nó nâng cao khả năng phân đoạn thực thể, ước tính tư thế và phát hiện hộp bao định hướng với các bản cập nhật có mục tiêu giúp cải thiện độ chính xác và độ tin cậy.

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

• Phân đoạn thực thể: YOLO26 sử dụng hàm loss phân đoạn ngữ nghĩa để cải thiện cách mô hình học trong quá trình huấn luyện, dẫn đến các mask thực thể chính xác và nhất quán hơn. Một module proto được nâng cấp cũng cho phép sử dụng thông tin từ nhiều quy mô (scales) khác nhau, vì vậy mô hình xử lý các đối tượng có kích thước khác nhau hiệu quả hơn, ngay cả trong các khung cảnh phức tạp.
• Ước tính tư thế: Bằng cách tích hợp Residual Log-Likelihood Estimation (RLE), một kỹ thuật mô hình hóa sự không chắc chắn trong các dự đoán điểm khóa, và cải thiện quá trình giải mã, YOLO26 mang lại các điểm khóa chính xác hơn với hiệu suất thời gian thực tốt hơn.
• Phát hiện hộp bao định hướng: YOLO26 giới thiệu một hàm loss góc chuyên biệt giúp mô hình học cách xoay đối tượng chính xác hơn, đặc biệt đối với các đối tượng hình vuông nơi hướng xoay có thể không rõ ràng. Việc giải mã OBB được tối ưu hóa cũng làm giảm các bước nhảy đột ngột trong các dự đoán góc gần ranh giới xoay, dẫn đến các ước tính hướng ổn định và nhất quán hơn.

Hình 3. Sử dụng Ultralytics YOLO26 cho phân đoạn thực thể.

Link to this sectionUltralytics YOLOE-26: phân đoạn từ vựng mở (open-vocabulary) được xây dựng trên YOLO26#

Ultralytics cũng đang giới thiệu YOLOE-26, một họ mô hình phân đoạn từ vựng mở mới được xây dựng trên kiến trúc và những cải tiến về huấn luyện của YOLO26.

YOLOE-26 không phải là một tác vụ hay tính năng mới, mà là một họ mô hình chuyên biệt tái sử dụng tác vụ phân đoạn hiện có trong khi cho phép các prompt văn bản, prompt hình ảnh và inference không cần prompt. Có sẵn trên tất cả các kích thước YOLO tiêu chuẩn, YOLOE-26 mang lại độ chính xác mạnh mẽ hơn và hiệu suất thực tế đáng tin cậy hơn so với các mô hình phân đoạn từ vựng mở trước đó.

Link to this sectionUltralytics YOLO26 được thiết kế cho nơi AI thị giác thực sự vận hành#

Từ camera có tích hợp thị giác đến robot được vận hành bởi thị giác máy tính và các chip xử lý nhỏ ở thiết bị biên, thị giác máy tính và AI đang được triển khai trực tiếp trên thiết bị cho mục đích inference thời gian thực. Ultralytics YOLO26 được xây dựng dành riêng cho những môi trường này, nơi độ trễ thấp, hiệu quả và hiệu suất đáng tin cậy là tối quan trọng.

Trong thực tế, điều này có nghĩa là YOLO26 có thể được triển khai trên nhiều loại phần cứng một cách dễ dàng. Cụ thể, thông qua gói Ultralytics Python và phạm vi rộng lớn các tích hợp, các mô hình có thể được xuất sang các định dạng được tối ưu hóa cho các nền tảng và trình tăng tốc phần cứng khác nhau.

Ví dụ, xuất sang TensorRT cho phép inference hiệu suất cao trên GPU NVIDIA, trong khi CoreML hỗ trợ triển khai nguyên bản trên các thiết bị Apple, và OpenVINO tối ưu hóa hiệu suất trên phần cứng Intel. YOLO26 cũng có thể được xuất để chạy trên nhiều trình tăng tốc biên chuyên dụng, cho phép inference throughput 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 trên khắp các môi trường biên và môi trường sản xuất. Sự linh hoạt này cho phép một mô hình YOLO26 duy nhất chạy trên nhiều mục tiêu triển khai khác nhau. Nó hợp lý hóa các luồng công việc sản xuất và đưa AI thị giác đến gần hơn với thiết bị biên.

Link to this sectionĐịnh nghĩa lại các trường hợp sử dụng thị giác máy tính trên khắp các ngành công nghiệp#

Được thiết kế để triển khai thực tế, YOLO26 có thể được sử dụng trên nhiều trường hợp sử dụng thị giác máy tính trong các ngành công nghiệp khác nhau. Dưới đây là một số ví dụ về nơi nó có thể được áp dụng:

• Robot: 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 các 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 các lỗi, thiếu linh kiện hoặc các vấn đề trong quy trình. Việc xử lý dữ liệu trên thiết bị giúp giữ tốc độ phát hiện nhanh và giảm sự phụ thuộc vào các hệ thống đám mây.

• Các ứng dụng trên không và drone: Khi được triển khai trên drone, YOLO26 có thể xử lý hình ảnh trên không trong quá trình bay để kiểm tra, lập bản đồ và khảo sát. Điều này giúp có thể phân tích các khung cảnh trong thời gian thực, ngay cả ở những vị trí xa xôi.

• Các 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 thị giác tại chỗ. Các trường hợp sử dụng phổ biến bao gồm camera thông minh, cảm biến kết nối và thiết bị giám sát tự động.

• Thành phố thông minh: Trên khắp các môi trường đô thị, YOLO26 có thể phân tích các luồng video từ camera giao thông và không gian công cộng. Điều này cho phép các ứng dụng như giám sát giao thông, an toàn công cộng và quản lý cơ sở hạ tầng tại thiết bị biên.

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

Link to this sectionBắt đầu với Ultralytics YOLO26#

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

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

Ultralytics Platform cung cấp một cách tập trung để huấn luyện, triển khai và giám sát các mô hình YOLO26 trong sản xuất. Nó tập hợp các bộ dữ liệu, thử nghiệm và triển khai tại một nơi, giúp dễ dàng quản lý các luồng công việc AI thị giác ở quy mô lớn, đặc biệt đối với các nhóm triển khai đến các môi trường biên và môi trường sản xuất.

Thông qua Platform, người dùng có thể:

• Truy cập các mô hình YOLO26
• Huấn luyện và tinh chỉnh trên các bộ dữ liệu tùy chỉnh
• Xuất mô hình để triển khai biên và sản xuất
• Giám sát các thử nghiệm và các mô hình đã triển khai trong một luồng công việc duy nhất

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

Lựa chọn 2: Sử dụng Ultralytics YOLO26 thông qua các luồng công việc mã nguồn mở

YOLO26 vẫn hoàn toàn có thể truy cập thông qua hệ sinh thái mã nguồn mở của Ultralytics và có thể được sử dụng với các luồng công việc dựa trên Python hiện có để huấn luyện, inference và xuất mô hình.

Các nhà phát triển có thể cài đặt gói Ultralytics, tải các mô hình YOLO26 đã được huấn luyện trước và triển khai chúng bằng các công cụ và định dạng 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 ưu tiên quyền kiểm soát thực tế hoặc các đường ống tùy chỉnh, tài liệu và hướng dẫn đầy đủ có sẵn trên tài liệu của Ultralytics.

Link to this sectionUltralytics YOLO26: Được xây dựng cho những gì tiếp theo trong 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 các mô hình sẽ phải nhanh, hiệu quả và dễ triển khai trên phần cứng thực. Bằng cách cải thiện hiệu suất, đơn giản hóa việc triển khai và mở rộng khả năng của mô hình, YOLO26 tích hợp một cách tự nhiên vào nhiều ứng dụng thực tế. YOLO26 thiết lập một nền tảng cơ sở mới cho cách AI thị giác được xây dựng, triển khai và mở rộng. Chúng tôi rất hào hứng khi thấy cộng đồng sử dụng nó để phát triển các hệ thống thị giác máy tính thực tế.

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