YOLO26 目标检测原理

Ultralytics YOLO26 是一个统一的实时视觉模型系列。它引入了原生端到端推理、更轻量的检测头、更新的训练方案，以及针对检测、分割、姿态估计、分类和定向检测的特定任务头。

在五个检测尺度上，YOLO26 在 COCO 上达到了 40.9-57.5 mAP，且 T4 TensorRT 延迟仅为 1.7-11.8 毫秒。与 YOLO11n 相比，YOLO26n 在 Intel Xeon CPU @ 2.00 GHz 上的 CPU ONNX 推理速度提升了高达 43%。

YOLO26 模型系列围绕四个设计领域构建：

1. 原生端到端推理： 默认的一对一检测头无需非极大值抑制（NMS）即可生成预测，简化了部署并减少了后处理工作。
2. 更轻量的框回归： YOLO26 移除了分布焦点损失（DFL），在保持无约束回归范围的同时降低了检测头的复杂度。
3. 训练配方更新： 训练流水线结合了 MuSGD、Progressive Loss 和 STAL，旨在改进优化，将监督重点转向推理时的头部，并保持对小目标的正面标签覆盖。
4. 特定任务的头部和损失函数： YOLO26 增加了针对实例分割、语义分割变体、姿态估计和定向检测的专项设计，同时在不同任务间保持统一的模型流水线。

总而言之，这些更新优化了各模型尺度和部署目标在准确率与延迟之间的权衡。

yolo26 的创新点：

1. 架构简化：移除分布焦点损失（DFL），简化边界框回归，提升导出兼容性。
2. 端到端推理：采用无NMS设计，直接输出检测结果，降低延迟与部署复杂度。
3. 训练增强：引入渐进损失平衡（ProgLoss）与小目标感知标签分配（STAL），提升小目标检测稳定性。
4. 优化器创新：使用MuSGD优化器，结合SGD与Muon优势，加速模型收敛。
5. 多任务支持：统一框架支持检测、实例分割、姿态估计、定向检测与分类。
6. 边缘优化：支持FP16/INT8量化，在Jetson等设备上实现低延迟实时推理。
7. 性能表现：在COCO等基准上达到高精度，CPU推理速度较前代提升最高43%

网络结构介绍

yolo26 的网络结构简化可以表示为：

yolo26 在保证yolo系列标准框架下做出了一些列创新优化。yolo系列的网格划分，三个预测分支，每个网格一个预测结果等这些基础逻辑都没有变化。

和之前版本的网络结构有所不同的是，yolo26中head存在两个，用于无NMS的实现。两者的功能会在后续详细介绍。

1. Backbone 主干（特征提取，与YOLOv11近似）

输入图像 → 多层CBS卷积 + C3k2残差块 + SPPF + C2PSA自注意力

输出3个多尺度特征图：

• P3（stride=8，80×80）：小目标浅层特征
• P4（stride=16，40×40）：中等目标
• P5（stride=32，20×20）：大目标深层语义

2. Neck 颈部FPN+PAN（多尺度融合）

自上而下上采样融合高层语义，自下而上下采样融合底层定位，最终输出融合后的P3/P4/P5送入检测头，主干、neck在O2M/O2O间完全共享权重。

3. Detect Head（核心创新：双分支并行输出）

三层特征图分别送入两组独立解耦头：

• One2Many（一对多）分支：传统稠密预测头，仅训练使用；网络结构上类似于yolov8，包括输入输出
• One2One（一对一）分支 ：端到端无NMS头，训练+推理默认主分支；
  两者卷积结构一致，但权重不共享；且O2O分支梯度会做detach，避免稀疏监督破坏主干特征学习。

4. 关键结构改动：彻底移除DFL

Box分支直接输出x/y/w/h4维坐标，无分布Softmax计算，轻量化、量化友好。

训练过程

一、前向传播

图像 ---> Backbone + Neck，得到共享P3/P4/P5多尺度特征

• O2M（一对多）分支：直接用原始特征做预测

  

• O2O（一对一）分支：对输入特征先执行截断梯度（影响反向传播），再做预测

  

二、损失计算

Loss计算（两者都参与，ProgLoss动态加权求和）

• O2M Loss：TAL一对多匹配损失；
• O2O Loss：STAL一对一匹配损失 + 重复框一致性惩罚损失；

总的损失：

:::info

Loss = w_o2m * Loss_o2m + w_o2o * Loss_o2o

:::

其中 w_o2m 和 w_o2o 是权重调节参数，训练前期w_o2m=0.8，后期逐步降到0.1；w_o2o同步从0.2升到0.9。

三、反向传播

1. O2M梯度：完整回传 Backbone / Neck / O2M 全部网络结构

O2M无detach截断，它的损失梯度一路向前传播，全部主干、颈部网络权重由O2M梯度主导更新，保证充足稠密监督，避免稀疏梯度震荡。

2. O2O梯度：仅更新O2O自身卷积头，不会回传到Backbone/Neck

因为输入特征做了detach()，梯度到此截断，O2O分支只能更新自己专属的分类/框卷积，完全不参与主干网络参数更新。

总结训练梯度：

Backbone、Neck 只靠 O2M 的梯度更新；O2M头、O2O头各自用自身分支梯度独立更新。

梯度截断

O2O 相较于O2M最大的特点是再反向传播时做了阻隔，O2O 分支前面加了 detach()：

detach() 相当于在这里砌了一堵墙：

O2O Head 自己的权重可以改，但 O2O 的误差传不过去 Backbone 和 Neck，Backbone、Neck 完全不受 O2O 分支影响。这就叫：截断 O2O 分支对主干网络的梯度传播。目的是让O2O 只改自己的头，不改前面的特征提取部分。

为什么要这么做？（核心原因）

• O2O 是一对一稀疏监督：一张图只有几十个正样本，梯度很少、很不稳定。如果让它去改主干，Backbone 会学偏、学震荡、收敛很差
• O2M 是一对多稠密监督：正样本多，梯度稳，适合训练主干。O2M前期负责稳定特征的学习，O2O后期负责无NMS的特征学习。

推理

推理流程

在输入尺寸为 640 * 640 时，3个检测头输出特征图为：

• 20 * 20
• 40 * 40
• 80 * 80

每一个网格输出一个预测结果，总计 8400 个结果

1. 全图8400个网格预测全部候选；

2. 全局按置信度 TopK 筛选前300个最高分网格（max_det=300人为上限，平衡速度与稠密场景承载）；

3. 输出固定张量B,300,nc+4，不存在同物体重复预测框；

4. 仅需置信度阈值过滤低分占位框，全程无IoU计算、无NMS。

导出

训练完成后、推理/导出阶段行为：

1. 模型导出ONNX/TensorRT等部署文件、执行model.fuse()推理优化时，自动裁剪、永久移除O2M整个分支，只保留O2O一对一推理头；

2. 推理前向仅走：Backbone+Neck → O2O头 → 全局TopK取前300 → 输出B,300,nc+4；

3. 仅需置信度过滤，全程无NMS；

4. 若手动设置end2end=False，推理才启用O2M分支，需要NMS后处理。

训推完整流程

1. 训练阶段O2M、O2O双分支同时前向，两者损失加权求和参与反向传播；
2. 仅O2M梯度回传更新Backbone与Neck，O2O梯度仅更新自身检测头；
3. 训练导出模型时自动移除O2M分支，推理全程只使用O2O一对一检测头。

STAL

STAL 全称：Small-Target-Aware Label Assignment 小目标感知标签分配（训练阶段核心，无推理逻辑）

1. 解决的痛点

传统TAL固定IoU阈值匹配，极小物体易丢失正样本：8像素以内小GT，锚点很难落在框内、IoU极低，直接被划为背景，全程无监督导致严重漏检。

2. 核心机制

1. 动态自适应IoU阈值

物体尺寸越小，匹配IoU门槛自动降低；大目标维持高IoU保证匹配精准度。

2. 强制小目标候选扩容

极小GT强制分配至少4个候选锚点，仅允许在浅层P3（8倍下采样）匹配，锁定小目标最优特征层；临时扩张GT搜索范围，避免锚点完全脱离目标。

可参考：https://blog.csdn.net/qq_39697468/article/details/161798744

3. 双层TopK一对一冲突消解（支撑无NMS的关键）

○ 第一层：每个GT选出代价最低7个候选网格；

○ 第二层：全局匈牙利二分图冲突消解，保证1个GT仅分配1个最优网格作为正样本，1个网格最多归属1个GT；（无NMS的关键）

○ 所有重叠候选网格全部标记为背景，训练持续压低其置信度，从根源杜绝"同一物体多个高分框

4. 小目标损失加权

微小物体分类损失权重放大，强制模型重点学习微小特征。

作用定位

● 只为One-to-One一对一检测头提供合规训练标签；

● 兼顾无NMS所需的一对一匹配约束 + 小目标防漏检双重目标；

● 推理阶段不参与计算，仅影响模型收敛权重。

无NMS

1. 前代痛点（YOLOv8/v11）

采用One-to-Many一对多头，8400网格每个GT匹配多个锚点，输出大量重叠重复框，必须依赖NMS后处理：存在延迟波动、IoU阈值调参、嵌入式部署需额外后处理代码、DFL算子量化报错等问题。

2. 两大结构改动

1. 双头协同训练，推理仅启用One-to-One分支

• One2Many（兼容分支）：多匹配提供充足监督，保障主干特征精度；
• One2One（推理主分支）：配合STAL一对一标签分配，训练时叠加重复框一致性损失，惩罚重叠双高分预测，让模型自发只保留单个高分框；
• 推理丢弃O2M分支，仅使用O2O输出。

2. 彻底移除DFL分布回归，直接xywh坐标回归

   消除大量Softmax计算，降低算力，解决嵌入式量化、导出算子不兼容问题。

3. 推理流程（无NMS核心逻辑）

4. 全图8400个网格预测全部候选；

5. 全局按置信度TopK筛选前300个最高分网格（max_det=300人为上限，平衡速度与稠密场景承载）；

6. 输出固定张量B,300,nc+4，不存在同物体重复预测框；

7. 仅需置信度阈值过滤低分占位框，全程无IoU计算、无NMS。

8. 核心优势

9. 推理延迟恒定无波动，CPU速度最高提升43%；

10. ONNX/TensorRT/CoreML导出纯网络图，无自定义后处理算子；

11. 无需调优NMS IoU阈值，工业部署门槛大幅降低；

12. 输出稀疏唯一框，稠密计数、机器人实时控制场景更稳定。

3.STAL 和 无NMS 的关系

STAL 与 无NMS检测头 协同关系（关键联动逻辑）

1. STAL是无NMS成立的底层训练基础

若无STAL一对一分配规则，训练会出现一个GT对应多个正样本，模型推理必然输出大量重叠高分框，仅靠推理TopK无法消除重复，必须加NMS。

2. 无NMS检测头为STAL提供专属输出通道

O2O头网络结构适配STAL一对一标签，配套一致性损失辅助STAL约束重叠网格置信度。

3. 分工边界

• STAL：训练阶段标签匹配规则，负责"一个物体只给一个网格监督"，解决小目标匹配失效；
• 无NMS检测头：网络结构+推理管线，负责训练双分支协同、推理截断输出、移除DFL、全程不用NMS。

极简一句话总结

STAL是面向小目标优化的一对一动态标签分配算法，训练时强制一GT一网格、压低重叠网格置信；原生端到端无NMS检测头是重构后的检测头结构与推理管线，配合STAL训练出无重复预测的模型，推理仅做全局TopK+置信度过滤，彻底抛弃NMS后处理，同时移除DFL轻量化回归。

双分支详解

一、整体三层通用架构（Backbone + Neck + 双头Detect Head）

1. Backbone 主干（特征提取，与YOLOv11近似）

输入图像 → 多层CBS卷积 + C3k2残差块 + SPPF + C2PSA自注意力

输出3个多尺度特征图：

• P3（stride=8，80×80）：小目标浅层特征
• P4（stride=16，40×40）：中等目标
• P5（stride=32，20×20）：大目标深层语义

2. Neck 颈部FPN+PAN（多尺度融合）

自上而下上采样融合高层语义，自下而上下采样融合底层定位，最终输出融合后的P3/P4/P5送入检测头，主干、neck在O2M/O2O间完全共享权重。

3. Detect Head（核心创新：双分支并行输出）

三层特征图分别送入两组独立解耦头：

• One2Many（一对多）分支：传统稠密预测头，仅训练使用；
• One2One（一对一）分支 ：端到端无NMS头，训练+推理默认主分支；
  两者卷积结构一致，但权重不共享；且O2O分支梯度会做detach，避免稀疏监督破坏主干特征学习。

4. 关键结构改动：彻底移除DFL

Box分支直接输出x/y/w/h4维坐标，无分布Softmax计算，轻量化、量化友好。

二、One2Many（O2M 一对多分支）------传统稠密监督分支

1. 输出张量形态

三层网格总数：80×80 + 40×40 + 20×20 = 8400个网格点

输出shape：[B, nc+4, 8400]，每个网格均可预测物体。

2. 匹配规则（TAL宽松多匹配）

每个GT目标可匹配多个网格作为正样本（tal_topk=10），一个物体对应数十个重叠预测框。

3. 作用定位（仅训练辅助）

4. 稠密监督：大量正样本提供充足梯度，保证主干、neck特征提取稳定，避免O2O稀疏监督训练震荡；

5. ProgLoss动态权重：训练前期O2M损失权重高（0.8），主导模型学习基础特征；后期权重线性衰减至0.1；

6. 推理时若手动开启end2end=False，需搭配NMS后处理去除大量重复重叠框，延迟高、嵌入式部署复杂。

7. 优缺点

✅ 训练收敛稳、基础特征质量高；

❌ 输出海量重复框，必须NMS，推理延迟波动大，导出易存在DFL量化bug。

损失计算

对于单个检测分支，YOLO26 并不是只剩下"一个 Box Loss + 一个分类损失"。更准确的结构是：

CIoU Box Loss  + BCE Classification Loss + L1 Direct Regression Loss

可以写为：

其中：

• CIoU Loss：关注整体框重叠、中心距离、宽高比例
• BCE Classification Loss：分类损失
• L1 Loss：直接约束 Anchor Point 到四条边的回归误差

三、One2One（O2O 一对一分支）------原生端到端无NMS推理头

1. 训练配套：STAL标签分配（无NMS成立的底层基础）

双层TopK一对一冲突消解：

1. 每层GT先筛选代价最小7个候选网格；

2. 全局二分匹配强制：1个GT仅分配1个最优网格、1个网格最多归属1个GT；

3. 其余重叠网格全部标记背景，训练持续压低其置信度；叠加重复框一致性损失，惩罚同一物体多高分预测。

4. 推理流水线（端到端无NMS）

5. 原始8400网格全部预测box+cls分数；

6. 全局TopK筛选 ：按类别置信度排序，只保留分数最高前300个网格（max_det=300人为硬上限）；

7. 输出固定张量：[B, 300, nc+4]；

8. 仅需置信度阈值过滤低分占位框，全程不计算IoU、无NMS。

9. 输出与约束

10. 张量固定300条条目，绝大多数是置信度接近0的背景占位框；

11. 训练约束保证有效高分框无重叠、不重复对应同一物体；

12. 单帧画面物体超过300个会出现截断漏检；

13. ONNX/TensorRT导出纯网络图，无自定义后处理算子，CPU/嵌入式速度提升30%~43%。

14. 优缺点

✅ 无需NMS、推理延迟恒定、部署极简、小目标精度经STAL优化大幅提升；

❌ 纯O2O单独训练易震荡，必须搭配O2M双分支联合训练。

四、O2M vs O2O 核心对比表

维度	One2Many（一对多）	One2One（一对一）
使用阶段	仅训练辅助，推理默认关闭	训练+推理主分支（end2end默认开启）
标签分配	TAL，1GT匹配多个网格	STAL，1GT仅匹配1个最优网格
原始输出	8400个稠密网格预测	8400网格→全局TopK截断至300条
输出shape	B, nc+4, 8400	B, 300, nc+4
后处理要求	必须NMS去重	仅conf阈值过滤，无NMS
DFL	早期兼容DFL，YOLO26全部移除	无DFL，直接xywh回归
训练权重	前期主导，权重线性衰减	后期主导，收敛精准匹配
部署优势	传统YOLO兼容，精度略高	速度更快、量化稳定、工业实时友好

五、双分支协同逻辑（完整训练链路）

1. 图像输入→Backbone+Neck提取共享多尺度特征；
2. 特征同时送入O2M、O2O两组独立检测头并行预测；
3. 损失融合ProgLoss：前期大权重O2M稳定特征学习，后期大权重O2O拟合一对一无NMS预测逻辑；
4. 训练完成后导出模型会裁剪移除O2M分支，推理仅保留O2O端到端管线；
5. 若需传统NMS推理，可代码手动启用O2M分支验证。

六、一句话总结

YOLO26在共用主干与特征融合网络的基础上，设计O2M稠密监督+O2O一对一精准预测双检测头：O2M负责提供充足梯度保证训练稳定，O2O配合STAL一对一标签分配实现推理无NMS、轻量化部署，二者联合训练兼顾收敛速度与端侧推理性能。

ProgLoss 渐进损失平衡

一、核心定义

ProgLoss = Progressive Loss Balancing 渐进式损失平衡 ，专门配套 YOLO26 O2M+O2O 双分支训练，随训练轮次线性动态调整 O2M、O2O 两支损失的权重占比，总权重恒等于1，遵循「先粗后精」学习逻辑，解决固定权重带来的训练震荡、梯度冲突问题。

二、权重变化规则（官方固定调度）

1. 训练初始（epoch=0）
   w_{o2m}=0.8，w_{o2o}=0.2
   总损失： Loss_{total} = 0.8 \\cdot Loss_{O2M} + 0.2 \\cdot Loss_{O2O}
2. 全程线性渐变
   随训练进度均匀衰减，直到训练结束
3. 训练末尾（最后epoch）
   w_{o2m}=0.1，w_{o2o}=0.9
   总损失： Loss_{total} = 0.1 \\cdot Loss_{O2M} + 0.9 \\cdot Loss_{O2O}
4. 约束： w_{o2m} + w_{o2o} = 1 ，总损失量级稳定，不会剧烈跳变

三、分阶段作用逻辑（对应网络梯度设计）

阶段1：训练前期（O2M权重高，占80%）

1. 网络刚初始化，特征完全随机，框预测乱飞、分类不准；
2. O2M是一对多稠密监督，一张图数千个正样本，梯度充足、稳定；
3. 主干Backbone/Neck仅靠O2M梯度更新，高权重O2M主导训练：
   • 快速学会"图里哪里存在物体"，召回率快速提升；
   • 搭建基础多尺度特征提取能力；
4. O2O权重仅20%，且O2O梯度被detach()截断，不干扰主干学习，仅微调自身一对一检测头。

阶段2：训练中期（权重平滑过渡）

物体大致位置已经能检出，逐步降低O2M话语权、抬高O2O权重；

模型开始学习STAL一对一匹配规则：同一个物体只输出单个高分框，抑制重叠重复预测。

阶段3：训练后期（O2O权重高达90%）

1. 主干特征已经收敛、物体定位基本准确；
2. 权重重心完全转向O2O分支，强制模型贴合 推理时真实使用的一对一无NMS逻辑；
3. 重点优化：
   • STAL一对一匹配精度；
   • 重复框一致性损失，压低重叠网格置信；
   • 小目标精准分类与定位；
4. O2M仅保留10%权重做轻微约束，防止模型完全遗忘基础稠密匹配能力。

四、解决的传统痛点

1. 固定权重双分支梯度冲突
   若全程各50%权重：前期O2O稀疏梯度噪声大，会拖累主干收敛；后期O2M一对多重复框监督，干扰无NMS一对一预测效果。
2. O2O单独训练极易震荡
   O2O一对一匹配每张图只有几十个正样本，梯度稀疏不稳定；ProgLoss前期靠O2M稠密梯度兜底，保证训练平稳。
3. 训练与推理行为不一致
   推理只使用O2O，若全程权重均衡，模型没有足够动力学习"单物体单预测框"，推理容易出现大量重叠高分框，必须依赖NMS。ProgLoss后期加大O2O权重，让训练逻辑和推理逻辑完全对齐。

五、和 detach() 梯度截断的配合关系（关键联动）

1. ProgLoss 控制两支损失对总loss的贡献大小（权重调度）；
2. detach() 控制梯度能否回传主干 ：
   • O2M：梯度完整回传Backbone，ProgLoss前期高权重，主导主干更新；
   • O2O：梯度被截断，只能更新自身检测头，仅靠ProgLoss后期高权重精调一对一预测能力；
3. 二者组合实现完美分工：
   O2M负责训练主干特征 ，O2O负责训练推理输出规则，ProgLoss动态分配两者的训练优先级。

六、一句话极简总结

ProgLoss 是YOLO26双分支训练的动态权重调度器：前期加重O2M稠密监督稳定主干特征，后期加重O2O一对一监督对齐无NMS推理行为，配合detach梯度截断，兼顾训练收敛稳定性与端到端推理精度。

YOLO26 MuSGD 混合优化器完整介绍

一、定义与定位

MuSGD = Muon + SGD 分层混合优化器 ，是YOLO26专门为O2M/O2O双分支、多尺度、小目标检测设计的训练优化器，借鉴LLM大模型Muon正交更新思路，分层区分参数做差异化更新，同时保留传统SGD优秀泛化能力，解决SGD收敛慢、AdamW显存高、易过拟合、多尺度梯度震荡等痛点。

:::info

Muon（MomentUm Orthogonalized by Newton-Schulz）优化器的核心，在于它引入了一个全新的"正交更新"思路：在每次更新时，它不直接使用梯度或动量方向，而是先将其"掰正"为一个近似的正交矩阵 ，再用这个处理过的方向来更新权重。

对深度学习而言，直接对动量大矩阵进行SVD分解求极分解在计算上不可行。因此，Muon采用了牛顿-舒尔茨（Newton-Schulz，NS）迭代 来高效地近似求解这个正交矩阵。

这是一种仅包含矩阵-矩阵乘法 的迭代方法，非常适合在GPU上运行

:::

二、前代优化器核心痛点（为什么需要MuSGD）

1. 传统SGD(momentum)
   泛化能力强、显存占用低；但收敛速度慢，多尺度特征、稀疏O2O监督场景梯度波动大、损失震荡严重，小数据集极易陷入局部最优。
2. AdamW
   自适应学习率、收敛快；但需要维护一阶+二阶动量，显存占用翻倍；容易过拟合，量化部署后精度衰减明显；检测任务分类/框回归梯度尺度差异大时更新失衡。
3. 双分支训练特殊矛盾
   YOLO26同时存在稠密O2M、稀疏O2O两套损失，梯度尺度差异巨大，单一优化器很难同时稳定主干与一对一检测头训练。

三、MuSGD核心原理：分层差异化更新（最关键设计）

MuSGD对模型不同维度参数分开处理，一套网络同时使用两套更新逻辑：

1. 二维矩阵参数（Conv/Linear权重，ndim≥2）→** Muon正交更新**

卷积层、全连接层权重是二维矩阵，采用Muon算法更新：

1. 先计算动量累积梯度（同SGD动量）；

2. 使用牛顿-舒尔茨(Newton-Schulz)快速近似正交化动量更新矩阵，无需昂贵SVD分解，计算开销仅1%左右；

3. 正交化作用：抹平梯度奇异值差异，让各个特征方向更新速度均等，避免单一梯度方向主导训练；

4. 最终用正交后的矩阵执行参数更新。

5. 一维向量参数（Bias、BN、O2O/O2O头偏置，ndim=1）→ 原生SGD动量更新

偏置、归一化层等一维参数不做正交化，直接使用标准带动量SGD更新，保证轻量化、稳定基础偏移学习。

3. 梯度归一化稳定机制（Muon底层保障）

对梯度做范数归一：

g_{norm} = \\frac{g}{\|\|g\|\| + \\varepsilon}

统一不同层、分类/回归损失的梯度更新尺度，抑制梯度爆炸/消失，大幅降低多尺度、双分支训练的损失波动。

四、MuSGD三大核心优势（适配YOLO26架构）

1. 收敛速度大幅提升

正交化梯度消除更新方向失衡，同等精度所需训练轮次减少约40%；配合ProgLoss渐进权重调度，前期O2M稠密监督快速拟合主干特征，后期O2O稀疏监督平稳收敛一对一无NMS逻辑。

2. 显存开销远低于AdamW

Muon仅维护一阶动量，不需要存储二阶平方梯度；整体显存占用接近普通SGD，比AdamW节省近50%显存，多卡、大batch训练更友好。

3. 兼顾收敛速度与泛化能力

• Muon正交更新解决SGD收敛慢、震荡问题；
• 底层更新基底是SGD，无AdamW自适应学习率带来的过拟合倾向；
• 训练完成后模型量化（INT8/FP16）精度损失更小，完美适配YOLO26端侧部署定位。

4. 完美适配YOLO26双分支训练

• O2M稠密梯度：Muon正交化平滑海量网格梯度，稳定Backbone/Neck主干更新；
• O2O稀疏梯度（detach截断、仅更新检测头）：梯度归一化避免稀疏梯度剧烈抖动，一对一匹配训练更平稳；
• 搭配STAL小目标标签分配，小目标梯度权重失衡问题显著缓解，微小物体mAP提升明显。

五、MuSGD 与 SGD / AdamW 对比表

对比维度	SGD-Momentum	AdamW	MuSGD（YOLO26）
梯度处理	原始动量梯度，无归一化/正交	一阶+二阶动量自适应缩放	二维权重Muon正交化，一维参数SGD，全局梯度归一
显存占用	低（仅一阶动量）	高（一阶+二阶）	低（仅一阶动量，≈SGD）
收敛速度	慢，多尺度易震荡	快，易过拟合	极快，损失波动极小
泛化能力	优秀	较差，小数据集易过拟合	接近SGD，泛化鲁棒
量化后精度衰减	小	大	极小
适配YOLO26双分支	梯度波动剧烈，收敛不稳	显存压力大，O2O稀疏梯度失衡	原生适配O2M+O2O联合训练

六、和YOLO26其他创新的协同关系

1. 搭配ProgLoss渐进损失
   ProgLoss动态切换O2M/O2O损失权重，MuSGD分层梯度归一化抵消两支梯度量级差，避免权重切换时loss剧烈跳变。
2. 搭配STAL一对一标签分配
   O2O分支单图仅几十个正样本，梯度极度稀疏；MuSGD梯度归一化抑制稀疏梯度噪声，保证一对一匹配稳定学习，不会出现训练震荡。
3. 搭配detach梯度截断机制
   Backbone仅由O2M梯度更新，Muon正交化平滑海量8400网格稠密梯度；O2O梯度被截断，MuSGD稳定检测头独立训练，互不干扰。

七、一句话极简总结

MuSGD是分层混合优化器：卷积/全连接权重采用Muon矩阵正交化加速收敛，偏置等一维参数使用标准SGD，依靠梯度归一化抹平多尺度、双分支梯度差异；兼具SGD低显存、强泛化与Muon快速收敛的优势，专门适配YOLO26 O2M/O2O双分支、STAL一对一匹配的端到端无NMS训练流程。

总结

对yolo26的训练过程稍微总结一下：

1. 前向传播：图片输入经过backbone + Neck，分别进入 O2M 和 O2O 的Head中。O2M输出：B, nc+4, 8400，O2O输出：B, 300, nc+4。
2. 标签匹配：O2M 匹配标签可实现多对多匹配，O2O 匹配标签实现一对一匹配
3. 损失计算：两者损失想加计算，使用渐进式损失平衡
4. 反向传播：O2M分支的损失反向传递整个网络；O2O分支损失仅传递Head网络

推理：

1. 输出经过backbone + Neck + O2M ，直接输出l t r b ，没有 DFL 分布式输出
2. 不需要NMS做后处理，直接可以使用

参考：https://zhuanlan.zhihu.com/p/1995423342946173331