版本号突袭!官方预览:YOLO26正式宣布,10月发布,CPU推理速度提升43%

一场年度盛会,一次版本突袭,人工智能领域的升级节奏再次被刷新

伦敦时间9月25日,YOLO Vision 2025(YV25) 混合盛会如期举行。全场观众屏息凝神,等待传闻中的Ultralytics YOLO14登场。然而,当Ultralytics创始人兼首席执行官格伦·乔彻(Glenn Jocher) 走上讲台时,他带来的不是YOLO14,而是版本号直接跳至Ultralytics YOLO26

这一跨越式发布和前不久苹果iOS 18到iOS 26一样,让人大吃一惊。更令人意外的是,这一新模型目前尚未正式发布,仅提供了性能预览,预计将于10月下旬公开发布。

为什么是YOLO26?

在YV25上,Glenn Jocher也解释为什么是YOLO26?他们其实也是参考了苹果公司的命名思路。一方面是为了多系统,多模型的对齐,另一方面也是发布时间,正如苹果解释的那样"以 iOS 26 来说,虽然是在 2025 年推出,照理应该要叫 iOS 25,但是考量到整个系统大部分的使用时间会落在 2026 年,所以就命名为 iOS 26,其他系统也是。"所以这就是 YOLO26 的命名原因。

但核心性能是否又升级呢? 正如 Glenn Jocher 在所说: "最大的挑战之一就是确保用户能够最大限度地利用YOLO26,同时还能提供最佳性能。" 这句话或许揭示了YOLO版本号的跃升会和苹果一样:YOLO26并非简单迭代,而是一次架构层面的重构与革新。

目前,YOLO26模型仍在润色中,性能数据也仅为初步结果。这提醒我们,在看到10月下旬最终发布前,这些性能指标可能还会调整。

使用YOLO26检测图像中物体的示例

YOLO26的核心突破:更好、更快、更小

使用YOLO26检测图像中物体的示例

根据Ultralytics官方提供的数据中我们可以粗略了解到YOLO26延续了YOLO系列的一贯优势,同时在三个方面实现了显著提升。

  • 架构简化:移除DFL模块

通过移除分布焦点损失(DFL)模块,简化了模型设计,这一改进直接提升了推理速度并优化了边界框回归。DFL模块虽然有效,但往往会使导出复杂化并限制硬件兼容性,YOLO26将其完全取消后,显著扩大了对边缘和低功耗设备的支持。

  • 端到端推理:告别NMS

创新性地引入了端到端推理选项,使模型能够跳过传统的非最大值抑制(NMS)步骤。这一突破性方法由清华大学的王敖在YOLOv10中首创,并在YOLO26中得到进一步发展。端到端设计省去了管道的整个阶段,降低复杂性,加快结果输出。

  • 训练优化:ProgLoss与STAL

引入渐进损失平衡(ProgLoss) 和小目标感知标签分配(STAL) ,显著提升训练稳定性和小目标检测准确率。这些改进让YOLO26在小型物体上实现了更高的精度,这对于物联网、机器人、航空图像等边缘应用至关重要。

  • 性能提升:CPU推理速度提升43%

最具说服力的是数据------YOLO26的最小版本nano型号在标准CPU上的运行速度比前代提高了43% ,特别适合移动应用和边缘设备。考虑到目前这只是官方预览数据,实际发布时的性能表现更值得期待。

五大模型规格,覆盖全场景应用

YOLO26将提供五种不同型号(n、s、m、l、x),满足从边缘设备到企业级系统的各种需求。无论选择哪种规格,YOLO26都支持全面的计算机视觉任务:

  • 物体检测: 精准识别图像中的各种物体
  • 实例分割: 在识别的每个对象周围生成像素级完美的边界
  • 图像分类: 将整幅图像归入特定类别或标签
  • 姿势估计: 检测关键点并估算人体和其他物体的姿态
  • 定向边界框: 检测任意角度的物体,特别适用于航拍和卫星图像
  • 物体跟踪: 跟踪视频帧或实时流中的物体

下表展示了YOLO26各型号的基准测试结果(基于官方博客数据):

YOLO26的基准测试

无缝部署,支持多种平台

YOLO26的部署灵活性令人印象深刻:支持TensorRT、ONNX、CoreML、TFLite和OpenVINO等多种导出格式,几乎覆盖所有主流平台。

特别值得一提的是其量化能力: YOLO26支持INT8部署和半精度推理,在减小模型大小、提高速度的同时,将精度损失降到最低。得益于其简化的架构,YOLO26可以很好地处理量化,在这些量化级别上都能提供一致的性能。

从机器人到制造业:YOLO26的实用价值

YOLO26的性能提升在实际应用中意义重大。

  • 机器人领域,它使机器人能更实时地解读环境,实现更流畅的导航和更精确的物体处理。
  • 制造业,YOLO26可用于高速缺陷检测,准确识别生产线上的问题产品,大大提升质检效率。

由于其"更好、更快、更轻"的特性,YOLO26能轻松适配从轻型边缘设备到大型企业系统的各种环境,成为行业提升效率、准确性和可靠性的实用选择。

使用 YOLO26 检测制造工厂中的瓶子

结语:10月底值得期待的重大更新

YOLO26将于10月底公开发布,届时开发者将能亲身体验这一跨越式升级的性能表现。这次版本号的突袭跃升,不仅展示了Ultralytics的技术实力,更预示着计算机视觉领域即将迎来新一轮创新浪潮。

同样的Coovally平台也会同步更新YOLO26,让用户第一时间体验最新模型,更多精彩咨询记得持续关注哦~

需要注意的是,目前我们看到的只是官方博客的预览数据,真正的性能测试还需等待正式版本发布。但毫无疑问,YOLO26已经向世人展示了一个清晰的愿景:视觉AI的未来属于更轻量化、更智能、更普惠的模型。

人工智能的发展速度,再次超出了所有人的预期。

相关推荐
Fcy6484 小时前
算法基础详解(六)倍增思想与离散化思想
算法·快速幂·离散化·倍增算法
LDG_AGI4 小时前
【搜索引擎】Elasticsearch(二):基于function_score的搜索排序
数据库·人工智能·深度学习·elasticsearch·机器学习·搜索引擎·推荐算法
wuweijianlove5 小时前
算法调度问题中的代价模型与优化方法的技术5
算法
这张生成的图像能检测吗5 小时前
(论文速读)UWDET:基于物联网的资源有限水下目标探测训练增强
人工智能·深度学习·物联网·目标检测·计算机视觉·水下目标检测
小超同学你好5 小时前
Transformer 24. Gemma 2 架构详解:交替局部/全局注意力、GQA、双层 RMSNorm 与 Logit Soft-Capping
人工智能·深度学习·transformer
Dxy12393102165 小时前
Python路径算法简介
开发语言·python·算法
躺平的赶海人5 小时前
python opencv实现相机内参标定之安装OpenCv
python·opencv·计算机视觉
quetalangtaosha5 小时前
Anomaly Detection系列(CVPR2025 Odd-One-Out论文解读)
人工智能·计算机视觉·异常检测
And_Ii5 小时前
LCR 132.砍竹子Ⅱ
算法
汀、人工智能5 小时前
[特殊字符] 第67课:跳跃游戏II
数据结构·算法·数据库架构·图论·bfs·跳跃游戏ii