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 đánh dấu một bước chuyển đổi căn bản trong cách huấn luyện, triển khai và mở rộng quy mô các model thị giác máy tính trong hệ thống thực tế.

AI thị giác đang nhanh chóng chuyển sang biên. Hình ảnh và video ngày càng 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 đám mây. YOLO26 được thiết kế cho thực tế này, mang lại độ chính xác tiên tiến nhất đồng thời hoạt động hiệu quả trên CPU, bộ tăng tốc biên và phần cứng công suất thấp.

Dù YOLO26 là bước tiến đáng kể, model vẫn duy trì trải nghiệm Ultralytics YOLO quen thuộc, tinh gọn mà các nhà phát triển tin cậy. Model phù hợp với quy trình làm việc hiện có, hỗ trợ nhiều tác vụ thị giác và vẫn dễ sử dụng, giúp các nhóm nghiên cứu lẫn nhóm triển khai sản xuất dễ dàng áp dụng.

Hình 1. Ví dụ sử dụng Ultralytics YOLO26 để phát hiện vật thể.

Trong bài viết này, chúng ta sẽ trình bày mọi điều bạn 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.

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

Ultralytics YOLO26 được xây dựng dựa trên ý tưởng rằng mọi người đều nên dễ dàng tiếp cận các năng lực AI thị giác có tác động lớn. Chúng tôi tin rằng các công cụ thị giác máy tính mạnh mẽ không nên bị khóa kín hoặc chỉ dành cho một nhóm nhỏ tổ chức.

Tại YV25 ở London, Nhà sáng lập kiêm CEO của chúng tôi, Glenn Jocher, đã chia sẻ suy nghĩ về tầm nhìn này: “Công nghệ AI tuyệt vời nhất đang bị đóng kín sau những cánh cửa. Công nghệ đó không mở. Các công ty lớn kiểm soát những phát triển mới, còn những 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 mọi người.”

Ông cũng giải thích rằng điều này có nghĩa là đưa AI ra khỏi cloud và vào môi trường thực tế, đồng thời nói thêm: “Chúng tôi muốn công nghệ không chỉ nằm trên cloud, mà còn được đưa xuống các thiết bị edge, điện thoại, phương tiện và hệ thống tiêu thụ ít điện năng. Và chúng tôi muốn những con người tuyệt vời đang tạo ra các giải pháp có thể 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 chỉ ở nơi dễ tạo nguyên mẫu nhất.

Phân tích Ultralytics YOLO26: Model thị giác tiên tiến nhất#

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

Ngoài tính linh hoạt, YOLO26 còn nâng cao chuẩn hiệu năng. So với YOLO11, model nano YOLO26 cho tốc độ suy luận trên CPU nhanh hơn tới 43%, trở thành một trong những model phát hiện vật thể độ chính xác cao nhanh nhất hiện có để triển khai trên thiết bị biên 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 mà YOLO26 hỗ trợ:

• Phát hiện vật thể: Model có thể tìm và định vị nhiều vật thể trong hình ảnh hoặc video.
• Phân đoạn instance: YOLO26 có thể phác thảo từng vật thể với độ chi tiết đến từng pixel.
• Phân loại hình ảnh: YOLO26 có thể phân tích toàn bộ hình ảnh và xếp hình ảnh vào một danh mục cụ thể, giúp hệ thống hiểu bối cảnh tổng thể của cảnh vật.
• Ước tính tư thế: Model có thể được dùng để xác định keypoint và ước tính tư thế của người cũng như các vật thể khác.
• Phát hiện hộp giới hạn có định hướng (OBB): YOLO26 có thể phát hiện vật thể ở nhiều góc độ khác nhau, đặc biệt hữu ích với ảnh hàng không và ảnh vệ tinh.
• Theo dõi đối tượng: Khi kết hợp với gói Python Ultralytics, YOLO26 có thể theo dõi đối tượng qua các khung hình video và luồng trực tiếp.

Tất cả tác vụ đều hỗ trợ huấn luyện, xác thực, suy luận và xuất model trong một framework nhất quán. Kể từ khi ra mắt, YOLO26 cũng đã bổ sung phân đoạn ngữ nghĩa và ước tính độ sâu đơn ảnh.

Những cải tiến cốt lõi đằng sau Ultralytics YOLO26#

Ultralytics YOLO26 giới thiệu một số cải tiến cốt lõi giúp tăng tốc độ suy luận, cải thiện độ ổn định khi huấn luyện và đơn giản hóa quá trình triển khai. Dưới đây là tổng quan về những cải tiến này:

• Loại bỏ Distribution Focal Loss (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 xuất cũng như chạy hơn trên thiết bị edge và thiết bị tiêu thụ ít điện năng.
• Suy luận end-to-end không cần NMS: YOLO26 được thiết kế như một model end-to-end gốc, trực tiếp xuất ra các dự đoán cuối cùng, loại bỏ nhu cầu dùng Non-Maximum Suppression và giảm độ trễ suy luận cũng như độ phức tạp khi triển khai.
• Cân bằng loss tiến triển + STAL: Các chiến lược loss được cải thiện này giúp ổn định quá trình huấn luyện và tăng độ chính xác phát hiện, đặc biệt với các đối tượng nhỏ, khó phát hiện.
• Bộ tối ưu MuSGD: YOLO26 sử dụng một bộ tối ưu lai 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 đến 43%: Được tối ưu riêng cho điện toán edge, YOLO26 tăng tốc suy luận trên CPU lên đến 43%, cho phép đạt hiệu năng thời gian thực trên thiết bị edge.

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

Đơn giản hóa quá trình dự đoán bằng cách loại bỏ Distribution Focal Loss#

Các model YOLO trước đây sử dụng Distribution Focal Loss (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 xuất model và triển khai khó khăn hơn, đặc biệt trên phần cứng edge và phần cứng tiêu thụ ít điện năng.

YOLO26 loại bỏ hoàn toàn DFL. Việc loại bỏ DFL xóa bỏ các giới hạn hồi quy bounding box cố định có trong những model trước, 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 dễ xuất hơn và chạy ổn định hơn trên nhiều thiết bị edge cũng như thiết bị tiêu thụ ít điện năng.

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

Các pipeline phát hiện đối tượng truyền thống sử dụng Non-Maximum Suppression (NMS) như một bước hậu xử lý để lọc các dự đoán chồng lấp. Dù hiệu quả, NMS làm tăng độ trễ, độ phức tạp và tính mong manh, đặc biệt khi triển khai model trên nhiều runtime và phần cứng đích.

YOLO26 giới thiệu chế độ suy luận đầu-cuối nguyên bản, trong đó model trực tiếp xuất ra các dự đoán cuối cùng mà không cần NMS làm bước hậu xử lý riêng. Các dự đoán trùng lặp được xử lý ngay bên trong mạng.

Loại bỏ NMS giúp giảm độ trễ, đơn giản hóa quy trình triển khai và giảm nguy cơ xảy ra lỗi tích hợp, nhờ đó YOLO26 đặc biệt phù hợp với các ứng dụng thời gian thực và triển khai trên thiết bị biên.

Nâng cao khả năng nhận dạng với Cân bằng loss tiến triển + STAL#

Một tính năng quan trọng liên quan đến huấn luyện là việc giới thiệu Cân bằng tổn thất tiến triển (ProgLoss) và Gán nhãn nhận biết mục tiêu nhỏ (STAL). Những cải tiến này giúp ổn định quá trình huấn luyện và nâng cao độ chính xác phát hiện.

ProgLoss giúp model học nhất quán hơn trong quá trình huấn luyện, giảm bất ổn và 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 hình ảnh.

Kết hợp với nhau, ProgLoss và STAL giúp phát hiện đáng tin cậy hơn, đồng thời cải thiện rõ rệt khả năng nhận dạng đối tượng nhỏ. Điều này đặc biệt quan trọng với các ứng dụng edge như Internet vạn vật (IoT), robot và ảnh hàng không, nơi đối tượng thường nhỏ, ở xa hoặc chỉ hiện ra một phần.

Huấn luyện ổn định hơn với bộ tối ưu MuSGD#

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

SGD từ lâu đã là 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 nếu được áp dụng cẩn thận. 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. Nhờ đó, YOLO26 có thể đạt hiệu năng cao nhanh hơn, đồng thời giảm bất ổn khi huấn luyện, đặc biệt trong các thiết lập huấn luyện lớn hơn hoặc phức tạp hơn.

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

Ultralytics YOLO26 tăng tốc suy luận trên CPU lên đến 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 riêng cho điện toán edge, YOLO26 tăng tốc suy luận trên CPU lên đến 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 độ trễ, hiệu quả và giới hạn chi phí quyết định khả năng triển khai.

Các tác vụ thị giác máy tính được cải thiện và hỗ trợ bởi Ultralytics YOLO26#

Ngoài những cải tiến kiến trúc giúp phát hiện đối tượng chính xác hơn, YOLO26 còn có các tối ưu hóa riêng cho từng tác vụ nhằm nâng cao hiệu năng trên nhiều tác vụ thị giác máy tính. Ví dụ, model cải thiện phân đoạn đối tượng, ước tính tư thế và phát hiện hộp giới hạn định hướng thông qua các cập nhật có mục tiêu nhằm tăng độ chính xác và độ tin cậy.

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

• Phân đoạn đối tượng: YOLO26 sử dụng loss phân đoạn ngữ nghĩa để cải thiện cách model học trong quá trình huấn luyện, từ đó tạo ra các mask đối tượng chính xác và nhất quán hơn. Module proto được nâng cấp cũng cho phép sử dụng thông tin từ nhiều tỷ lệ, giúp model xử lý đối tượng có kích thước khác nhau hiệu quả hơn, ngay cả trong các cảnh phức tạp.
• Ước tính tư thế: Bằng cách tích hợp Ước tính Hợp lý Logarit Phần dư (RLE), một kỹ thuật mô hình hóa độ bất định trong dự đoán keypoint, đồng thời cải thiện quy trình giải mã, YOLO26 tạo ra keypoint chính xác hơn với hiệu năng thời gian thực tốt hơn.
• Phát hiện hộp giới hạn định hướng: YOLO26 giới thiệu một hàm loss góc chuyên biệt giúp model học chính xác hơn về góc xoay của đối tượng, đặc biệt với đối tượng hình vuông vốn có hướng khó xác định. Việc giải mã OBB được tối ưu cũng giảm các bước nhảy đột ngột trong dự đoán góc gần ranh giới xoay, từ đó tạo ra ước tính hướng ổn định và nhất quán hơn.

Hình 3. Sử dụng Ultralytics YOLO26 để phân đoạn đối tượng.

Ultralytics YOLOE-26: phân đoạn với từ vựng mở dựa trên YOLO26#

Ultralytics cũng giới thiệu YOLOE-26, một họ model phân đoạn từ vựng mở mới được xây dựng dựa trên kiến trúc và các cải tiến 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 mặt ở mọi 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 với từ vựng mở trước đây.

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

Từ camera ứng dụng thị giác đến robot vận hành bằng thị giác máy tính và các chip xử lý nhỏ gọn 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 chuyên biệt 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 triển khai trên nhiều loại phần cứng. Cụ thể, thông qua gói Python Ultralytics và nhiều tích hợp đa dạng, model có thể được xuất sang các định dạng tối ưu cho nhiều nền tảng và bộ tăng tốc phần cứng.

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

Đây chỉ là một vài ví dụ; còn nhiều tích hợp khác được hỗ trợ trong môi trường edge và production. Tính linh hoạt này cho phép một model YOLO26 duy nhất chạy trên nhiều mục tiêu triển khai khác nhau. Điều đó giúp tinh gọn quy trình production và đưa AI thị giác đến gần edge hơn.

Định hình lại các ứng dụng thị giác máy tính trong nhiều ngành#

Được thiết kế để triển khai trong thực tế, YOLO26 có thể được sử dụng trong nhiều ứng dụng thị giác máy tính thuộc các ngành khác nhau. Dưới đây là một số ví dụ về các ứng dụng của model:

• Robot: YOLO26 có thể được dùng cho các tác vụ như điều hướng, phát hiện chướng ngại vật và tương tác với đối tượng. Các năng lực này hỗ trợ hoạt động robot an toàn và hiệu quả trong môi trường biến động.
• Sản xuất: Trên dây chuyền sản xuất, YOLO26 có thể phân tích ảnh và video để xác định lỗi, thiếu linh kiện hoặc vấn đề trong quy trình. Xử lý dữ liệu ngay trên thiết bị giúp phát hiện nhanh và giảm phụ thuộc vào hệ thống cloud.
• Ứng dụng hàng không và drone: Khi được triển khai trên drone, YOLO26 có thể xử lý ảnh hàng không ngay trong khi bay để kiểm tra, lập bản đồ và khảo sát. Nhờ đó, có thể phân tích cảnh theo thời gian thực, kể cả ở những địa điểm xa xôi.
• Hệ thống nhúng và IoT: Với thiết kế nhẹ, YOLO26 có thể chạy trên phần cứng nhúng tiêu thụ ít điện năng để xử lý dữ liệu hình ảnh tại chỗ. Các trường hợp sử dụng phổ biến gồm camera thông minh, cảm biến kết nối và thiết bị giám sát tự động.
• Thành phố thông minh: Trong môi trường đô thị, YOLO26 có thể phân tích luồng video từ camera giao thông và camera ở không gian công cộng. Điều này hỗ trợ các ứng dụng như giám sát giao thông, an toàn công cộng và quản lý cơ sở hạ tầng ngay tại edge.

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

Bắt đầu sử dụng Ultralytics YOLO26#

Có thể sử dụng Ultralytics YOLO26 thông qua hai quy trình bổ trợ cho nhau, tùy theo 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 phương thức tập trung để huấn luyện, triển khai và giám sát model YOLO26 trong môi trường production. Nền tảng này tập hợp dataset, thử nghiệm và bản triển khai tại cùng một nơi, giúp quản lý quy trình làm việc AI thị giác ở quy mô lớn dễ dàng hơn, đặc biệt với các nhóm triển khai trên thiết bị biên và môi trường production.

Thông qua Platform, người dùng có thể:

• Truy cập model YOLO26
• Huấn luyện và tinh chỉnh trên dataset tùy chỉnh
• Xuất model để triển khai trên edge và trong môi trường production
• Giám sát thử nghiệm và model đã triển khai trong cùng một quy trình

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

Tùy chọn 2: Sử dụng Ultralytics YOLO26 thông qua quy trình mã nguồn mở

YOLO26 vẫn hoàn toàn có thể sử dụng trong hệ sinh thái mã nguồn mở của Ultralytics và tương thích với các quy trình hiện có dựa trên Python để huấn luyện, suy luận và xuất model.

Developer có thể cài đặt gói Ultralytics, tải các model YOLO26 đã được huấn luyện trước và triển khai model bằng các công cụ, định dạng quen thuộc như ONNX, TensorRT, CoreML hoặc OpenVINO.

pip install ultralytics

from ultralytics import YOLO

# Tải model YOLO26n đã huấn luyện trước trên COCO
model = YOLO("yolo26n.pt")

# Chạy suy luận bằng model YOLO26n trên ảnh 'bus.jpg'
results = model("path/to/bus.jpg")

Người dùng muốn tự kiểm soát quy trình hoặc xây dựng pipeline tùy chỉnh có thể tham khảo tài liệu và hướng dẫn đầy đủ trong tài liệu Ultralytics.

Ultralytics YOLO26: Sẵn sàng 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 cần nhanh, hiệu quả và dễ triển khai trên phần cứng thực tế. Bằng cách cải thiện hiệu năng, đơn giản hóa quá trình triển khai và mở rộng khả năng của model, YOLO26 phù hợp tự nhiên với nhiều ứng dụng thực tế. YOLO26 thiết lập một chuẩn cơ sở mới cho cách xây dựng, triển khai và mở rộng quy mô AI thị giác. Chúng tôi rất mong chờ xem cộng đồng sẽ sử dụng model này như thế nào để đưa các hệ thống thị giác máy tính vào ứng dụng thực tế.

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