Introduction
L'Ultralytics YOLO26 présente une famille de modèles de vision unifiés en temps réel qui répondent aux besoins de précision, d'efficacité et de simplicité de déploiement sur divers matériel. Cette avancée technologique s'appuie sur les limites des modèles YOLO existants, qui souvent reposent sur la suppression non maximale lors de l'inférence, ont des têtes de détection lourdes en raison de la perte focale de distribution, nécessitent des calendriers de formation longs et peuvent laisser les plus petits objets sans affectation de label positive.
Contexte Technique
Le modèle YOLO26 utilise une conception à double tête pour une inférence de bout en bout sans suppression non maximale native et supprime entièrement la perte focale de distribution, ce qui donne une tête plus légère avec une plage de régression non contrainte. Le pipeline de formation combine MuSGD, un optimiseur hybride Muon-SGD adapté de la formation de grands modèles de langage ; Progressive Loss, qui déplace la supervision vers la tête d'inférence ; et STAL, une stratégie d'affectation de label qui garantit une couverture positive pour les petits objets. YOLO26 introduit également des conceptions de tête et de perte spécifiques aux tâches pour la segmentation d'instances, l'estimation de pose et la détection orientée, produisant des gains constants à travers les tâches et les échelles.
Analyse et Implications
La famille YOLO26 s'étend sur cinq échelles (n/s/m/l/x) et prend en charge la détection, la segmentation d'instances, l'estimation de pose, la classification et la détection orientée dans un seul pipeline, avec une extension à vocabulaire ouvert, YOLOE-26, pour une inférence sans texte, visuelle ou invite. À toutes les échelles, YOLO26 atteint 40,9-57,5 mAP sur COCO à une latence T4 TensorRT de 1,7-11,8 ms, améliorant le front de Pareto précision-latence sur les détecteurs en temps réel précédents, tandis que YOLOE-26x atteint 40,6 AP sur LVIS minival sous invitation de texte. Les résultats démontrent les capacités avancées de YOLO26 dans la détection et la segmentation d'objets, ainsi que son potentiel pour des applications en temps réel.
Perspective
Les avancées présentées par YOLO26 ouvrent des perspectives prometteuses pour les applications de vision en temps réel, notamment dans les domaines de la sécurité, de l'automatisation et de l'analyse de vidéos. Cependant, il est essentiel de continuer à surveiller les limites et les prochaines étapes de cette technologie, notamment en termes de généralisation à différents contextes et de robustesse face aux variations de luminosité, d'angle de vue et de qualité d'image. De plus, l'exploration de nouvelles stratégies d'apprentissage et d'optimisation pourrait encore améliorer les performances de YOLO26 et étendre son applicabilité à des tâches plus complexes.
