Ultralytics 发布 YOLO26:一场重定义计算机视觉效率与边界的革命

10月底,AI社区将迎来一款里程碑式的开源模型,它承诺将改变我们部署智能视觉的方式。

YOLO Vision大会上宣布新模型

在伦敦YOLO Vision 2025大会的聚光灯下,Ultralytics的创始人Glenn Jocher揭晓了备受期待的YOLO26。这并非一次常规的迭代,而是一次旨在**“更强性能、更快速度、更小体积”**的范式转移。YOLO26被定位为打通资源受限的边缘设备与复杂企业级系统之间鸿沟的关键技术,并将于2025年10月底向全球开发者开放。

另外,我整理了2024年至今YOLO即插即用论文+源码,感兴趣的dd,希望能帮到你!

原文、姿.料 这儿!

一、核心变革:YOLO26如何破解行业顽疾?

YOLO26的真正价值在于其对现有技术框架的深刻反思和大胆重构。它通过四大技术支柱,解决了开发者在实际部署中面临的关键挑战。

技术革新点 面临的挑战 YOLO26的解决方案 带来的价值
架构精简 DFL模块在某些硬件上成为性能瓶颈,限制了模型的普适性。 移除DFL模块,采用更高效的边界框回归机制。 大幅提升硬件兼容性,使边缘设备部署更自由,同时不牺牲定位精度。
推理流程优化 传统的NMS后处理步骤增加了延迟和部署复杂度。 引入可选的端到端模式,模型直接输出最终结果。 部署效率飙升30%以上,实现真正的“即插即用”。
精度突破 训练不稳定、小目标检测效果差是长期痛点。 采用ProgLoss稳定训练过程,并用STAL算法优化小目标分配。 小目标检测精度提升15%,模型鲁棒性显著增强。
训练效率 模型迭代周期长,训练成本高。 引入借鉴自大模型技术的全新MuSGD优化器 训练收敛速度加快25%,同时带动模型整体精度提升。

YOLO26的基准测试数据图

二、前所未有的灵活性:一个模型,应对万千场景

YOLO26的设计哲学是“统一与适应”。它终结了为不同任务和平台寻找不同模型的繁琐过程。

按需伸缩的模型规模

开发者可以根据计算资源和性能需求,在五种精心调校的模型规模中自由选择:

  • Nano: 专为移动端和嵌入式设备打造的“羽量级”选手。
  • Small / Medium: 平衡性能与效率的“主力军”,适用于绝大多数边缘计算场景。
  • Large / X: 为云端和高性能计算设计的“性能巨兽”,处理最复杂的视觉任务(基准数据待公布)。

使用YOLO26进行图像物体检测的示例

一站式解决六大视觉任务

YOLO26继承并强化了其多任务基因,一个模型即可胜任:

  1. 基础识别: 目标检测、图像分类。
  2. 精细分析: 实例分割、姿态估计。
  3. 特殊应用: 旋转目标检测 (OBB)、多目标追踪。

三、从实验室到现实世界:无缝部署与产业赋能

“我们的终极追求是,在保持顶尖性能的同时,让用户能够充分释放模型的潜力。”
—— Glenn Jocher, Ultralytics 创始人

YOLO26将这一理念贯彻到底,极大地降低了前沿AI技术落地的门槛。

部署:跨越平台鸿沟
  • 全方位格式支持: 原生支持导出为TensorRT, ONNX, OpenVINO, CoreML, TFLite等,确保在NVIDIA GPU、Intel CPU、移动设备等各种硬件上实现最佳性能。
  • 极致的轻量化: 强大的INT8量化能力可将模型体积压缩75%,精度损失低于3%,使得在低功耗设备上运行高性能AI成为可能。
应用:催生行业变革
  • 智能制造: 在生产线上,YOLO26能以超越人类3倍的效率进行自动化瑕疵检测,大幅降低成本。

    YOLO26在制造业工厂检测瓶子

  • 自动驾驶与智慧交通: 融合多传感器数据,即使在恶劣天气或复杂路况下,车辆识别准确率仍高达98%,为更安全的ADAS系统提供支撑。

  • 机器人与自动化: 为机器人提供实时的环境理解能力,无论是精准抓取还是安全避障,都变得更加流畅可靠。

  • 无人机遥感: 其独特的OBB功能,能够精准识别和测量任意角度的地面物体,在农业监测、资源勘探等领域大有可为。

YOLO26检测能力的另一个示例

四、未来展望:开源在即,共创视觉AI新纪元

当前状态: YOLO26正处在最后的性能预览阶段。基于COCO数据集的Nano/Small/Medium模型已完成初步评估,数据喜人。

开源计划:

  • 时间: 预计2025年10月底
  • 平台: 通过Ultralytics的官方GitHub仓库公开发布。
  • 配套: 届时将同步上线详尽的文档、教程和预训练模型,确保开发者可以快速上手。

YOLO26的发布,不仅是一个新模型的诞生,更是一个信号:一个更加开放、高效、普惠的边缘AI时代正加速到来。

yolo官网

关键资源
  • 官方文档: https://docs.ultralytics.com/zh/models/yolo26/
  • 技术博客: https://www.ultralytics.com/blog/meet-ultralytics-yolo26-a-better-faster-smaller-yolo-model
Logo

加入社区!打开量化的大门,首批课程上线啦!

更多推荐