Ultralytics YOLO26 端到端 NMS-Free 目标检测：输出格式、导出兼容性与迁移实践指南

YOLO26 的检测类模型（检测、实例分割、姿态估计、OBB）默认采用端到端推理：模型直接输出最终检测结果，不再需要 NMS（非极大值抑制）后处理步骤。本文基于 Ultralytics 仓库中的官方指南与源码实现，完整解析 YOLO26 的双头架构、新输出格式 (N, 300, 6)、各导出格式的端到端兼容性、量化对端到端分支的影响，以及从 YOLOv8/YOLO11 迁移时的全部注意事项。读完后，你既能判断自己的推理代码是否需要改动，也能定位导出格式中 NMS 自动回退的底层原因。

为什么 YOLO26 要移除 NMS

传统 YOLO 模型（YOLOv8、YOLO11）的原始输出是数千个重叠候选框，必须经过独立的 NMS 步骤才能过滤出最终结果。这带来三个部署层面的问题：

• 额外延迟：NMS 需要遍历所有候选框做两两 IoU 计算，是推理管线中不可忽略的一环；
• 导出图复杂化：NMS 依赖动态控制流，不同硬件平台上的导出行为难以保持一致；
• 跨平台不一致：不同推理引擎对 NMS 的实现细节存在差异，可能导致结果漂移。

YOLO26 以端到端（End-to-End）检测解决了上述问题：由 one-to-one 检测头内部完成 top-k 筛选与去重，直接输出最终检测结果。官方文档给出的收益数据是：YOLO26n 在 CPU ONNX 推理（Intel Xeon CPU @ 2.00 GHz）上比 YOLO11n 最高快 43%（见 YOLO26 模型页）。该设计同时服务于 YOLOE-26 开放词汇模型，使其在类别动态变化时仍保持快速推理。

双头架构：one-to-one 与 one-to-many

YOLO26 在训练阶段使用双头架构：两个检测头共享同一 backbone 和 neck，但输出方式不同。

检测头	用途	检测输出	后处理
One-to-One（默认）	端到端推理	(N, 300, 6)	仅置信度阈值过滤
One-to-Many	传统 YOLO 输出	(N, nc + 4, 8400)	需要 NMS

上表以检测任务为例：N 是批次大小，nc 是类别数（如 COCO 的 80），8400 是 imgsz=640 下的 anchor 总数。其他任务在 one-to-one 输出上追加任务专属数据：

任务	端到端输出	追加数据
检测	(N, 300, 6)	—
实例分割	(N, 300, 6 + nm) + proto (N, nm, H, W)	nm 个掩码系数（默认 32）
姿态估计	(N, 300, 57)	17 个关键点 × 3（x, y, 可见性）
OBB	(N, 300, 7)	旋转角

训练时两个头同时运行——one-to-many 头提供更丰富的学习信号，one-to-one 头学习产出干净、不重叠的预测。推理与导出时默认只激活 one-to-one 头，每图最多 300 个检测，格式为 [x1, y1, x2, y2, confidence, class_id]。

源码印证：Detect 头的实现

配置文件中可以看到 end2end 是模型级参数，在 yolo26.yaml 中显式声明：

nc: 80 # number of classes
end2end: True # whether to use end-to-end mode
reg_max: 1 # DFL bins

在 Detect 头实现 中，end2end=True 时通过 copy.deepcopy 复制出一套独立的 one-to-one 卷积分支：

if end2end:
    self.one2one_cv2 = copy.deepcopy(self.cv2)
    self.one2one_cv3 = copy.deepcopy(self.cv3)

forward 中的关键逻辑（head.py）印证了双头行为：训练时同时计算两个头的预测；推理时只走 one-to-one 分支，并经 postprocess 完成 top-k 截断：

preds = self.forward_head(x, **self.one2many)
if self.end2end:
    x_detach = [xi.detach() for xi in x] if self.training else x  # detach keeps one2one out of the backbone
    one2one = self.forward_head(x_detach, **self.one2one)
    preds = {"one2many": preds, "one2one": one2one}
...
y = self._inference(preds["one2one"] if self.end2end else preds)

值得注意的是训练时用 detach() 把 one-to-one 分支与 backbone 解耦，从源码结构看其梯度主要由 one-to-many 头驱动。postprocess 方法（head.py）将原始预测 (batch, num_anchors, 4 + nc + extra) 转换为文档所述的 (batch, min(max_det, num_anchors), 6 + extra)——这就是"模型内部完成去重"的具体位置。而 fuse() 方法会直接移除 one-to-many 分支（self.cv2 = self.cv3 = None），这正是 model.fuse() 能"减小模型体积与 FLOPs"的源码依据；YOLO26 模型页 中也注明：预训练 checkpoint 参数/FLOPs 统计是 fuse 之后的数值。

其他任务头（Segment、Pose、OBB）同样接受 end2end 参数（head.py），与文档"四种检测类任务均默认支持端到端"的说法一致。

需要修改代码吗？

使用 Ultralytics Python API 或 CLI：无需任何改动

如果你使用标准 Python API 或 CLI，预测、验证、导出全部自动适配端到端模型，只把模型名换成 yolo26n.pt 即可：

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Predict — no NMS step, no code changes
results = model.predict("image.jpg")

yolo predict model=yolo26n.pt source=image.jpg

使用自定义推理代码：需要适配新输出格式

如果你为 YOLOv8/YOLO11 写过自定义后处理（例如基于 ONNX Runtime 或 TensorRT 的推理管线），必须更新输出解析逻辑：

	YOLOv8 / YOLO11	YOLO26（端到端）
检测输出	(N, nc + 4, 8400)	(N, 300, 6)
框格式	xywh（中心 x、中心 y、宽、高）	xyxy（左上 x、左上 y、右下 x、右下 y）
布局	每个 anchor 的框坐标 + 类别分数	[x1, y1, x2, y2, conf, class_id]
是否需要 NMS	是	否
后处理	NMS + 置信度过滤	仅置信度过滤

端到端模型下后处理被大幅简化，以 ONNX Runtime 为例：

import onnxruntime as ort

# Load and run the exported end-to-end model
session = ort.InferenceSession("yolo26n.onnx")
output = session.run(None, {session.get_inputs()[0].name: input_tensor})

# End-to-end output: (batch, 300, 6) → [x1, y1, x2, y2, confidence, class_id]
detections = output[0][0]  # first image in batch
detections = detections[detections[:, 4] > 0.25]  # confidence filter, no NMS

切换回 one-to-many 头（传统 NMS 输出）

如需传统 YOLO 输出格式（例如复用现有 NMS 后处理代码），可在 one-to-many 头可用时通过 end2end=False 切换：

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Prediction with NMS (traditional behavior)
results = model.predict("image.jpg", end2end=False)

# Validation with NMS
metrics = model.val(data="coco.yaml", end2end=False)

# Export without end-to-end
model.export(format="onnx", end2end=False)

yolo predict model=yolo26n.pt source=image.jpg end2end=False
yolo val model=yolo26n.pt data=coco.yaml end2end=False
yolo export model=yolo26n.pt format=onnx end2end=False

在 default.yaml 中，end2end 是一个可选布尔参数（注释说明其适用于 YOLO26 与 YOLOv10 的 predict/val/export）。其默认值为 None（不强制），模型自身的 yaml 配置（end2end: True）生效；显式传入 False 才会切换到 one-to-many 路径。

导出格式兼容性

大多数导出格式原生支持端到端推理，包括 ONNX、TensorRT、CoreML、OpenVINO、LiteRT 和 MNN。

以下格式不支持端到端，会自动回退到 one-to-many 头：NCNN、RKNN、PaddlePaddle、ExecuTorch、IMX、Edge TPU 和 Qualcomm QNN。

回退意味着什么：导出到这些格式时，Ultralytics 会自动切换到 one-to-many 头并打印警告——你的推理管线需要像使用 YOLOv8/YOLO11 一样在端侧自行实现 NMS。

这一行为的源码依据在 exporter.py：导出器检查模型是否具有 end2end 属性，对不支持 top-k 操作的格式直接置位 model.end2end = False 并记录警告：

if hasattr(model, "end2end"):
    if self.args.end2end is not None:
        model.end2end = self.args.end2end
    if fmt in {"rknn", "ncnn", "executorch", "paddle", "imx", "edgetpu", "qnn"}:
        # Disable the end2end branch for formats without top-k support
        model.end2end = False
        LOGGER.warning("This export format does not support end2end models, disabling the end2end branch.")

注意回退集合是硬编码在导出器中的，与本文档列出的格式清单一一对应（IMX 额外要求 nms=True 并自动设置，见 exporter.py）。

Hailo 的特殊处理

对 Hailo，导出器从加载的模型头而非参数判断输出路径：显式传入 end2end 会直接抛出 ValueError（exporter.py）。因此：默认 YOLO26 检测模型保留 NMS-free 的 one-to-one 输出；而若 checkpoint 本身的头已被设为 end2end=False，则会按传统路径编译并配合 HailoRT 的 NMS。

量化与运行时版本会静默关闭端到端

TensorRT 与 LiteRT 支持端到端，但以下情况会自动禁用该分支（各情况均打印警告并改导 one-to-many 头）：

触发条件	原因（源码注释）
TensorRT 版本 < 8.5.0	旧版 TensorRT 不支持端到端模型所需的 Mod 算子（exporter.py）
TensorRT 10.3.0 + quantize=8（JetPack 6）	该组合存在已知的 end2end 构建问题（exporter.py）
LiteRT + quantize=8 或 quantize="w8a16"	静态激活量化会破坏端到端的类别索引输出（exporter.py）

换言之：如果你在 Jetson 上导出 TensorRT INT8 模型时看到端到端分支被禁用的警告，这不是配置错误，而是版本兼容性的保护机制——升级 TensorRT 到 8.5.0+ 或提高导出精度即可恢复端到端路径。

精度与速度的权衡

端到端检测在带来部署收益的同时，对精度的影响很小：

指标	端到端（默认）	One-to-Many + NMS（end2end=False）
COCO mAP	低 0.6–0.8	基线
后处理	仅置信度过滤	完整 NMS 管线
部署复杂度	最小	需要实现 NMS

具体数值上，五个检测规模中 one-to-one 头在 COCO 上损失 0.6–0.8 个 mAP——YOLO26n 为 40.9 → 40.1，YOLO26x 为 57.5 → 56.9——换来的是完全省去 NMS 这一趟。若你的场景以精度为绝对优先，用 end2end=False 回退到 one-to-many 头即可。更细的各规模基准（n/s/m/l/x）见 YOLO26 性能指标。

从 YOLOv8 / YOLO11 迁移清单

升级现有项目到 YOLO26 时，按角色对照检查：

• Ultralytics API / CLI 用户：无需任何改动，仅把模型名更新为 yolo26n.pt（或 yolo26n-seg.pt、yolo26n-pose.pt、yolo26n-obb.pt）。
• 自定义后处理代码：更新输出解析——检测为 (N, 300, 6)，分割/姿态/OBB 追加任务数据；同时注意框格式从 xywh 变为 xyxy。
• 导出管线：对照上文兼容性章节确认目标格式是否原生支持端到端。
• TensorRT < 8.5.0：所有精度下端到端均被禁用——升级到 8.5.0+ 以保留端到端。
• 量化导出：TensorRT 10.3.0（JetPack 6）+ quantize=8、LiteRT quantize=8 或 quantize="w8a16" 会自动关闭端到端——改用更高精度导出可保留。
• FP16 导出：若要求所有输出均为 FP16，请用 end2end=False 导出（原因见 Export 模式文档中 output0 为何保持 FP32 的说明）。
• iOS / CoreML：端到端完全支持；若需要 Xcode Preview 功能，使用 end2end=False 配合 nms=True。
• 边缘设备（NCNN、RKNN）：这些格式自动回退 one-to-many，端侧管线需自带 NMS。

FAQ

end2end=True 和 nms=True 可以同时使用吗？

不能，二者互斥。在端到端模型上设置 nms=True 导出时，会被强制改为 nms=False 并打印警告（源码见 exporter.py：'nms=True' is not available for end2end models）。端到端头内部已完成重复框过滤，外部 NMS 没有必要。

但 end2end=False + nms=True 是合法组合——它把传统 NMS 烘焙进导出图。这对 CoreML 导出很有用：可以直接在 Xcode 中用 Preview 功能预览检测模型。

端到端模型中 max_det 参数控制什么？

max_det（默认 300，见 default.yaml）控制每图返回的最大检测数，推理和导出时均可调整：

model.predict("image.jpg", max_det=100)  # fewer detections
model.export(format="onnx", max_det=500)  # more detections for dense scenes

该值会被烘焙进导出图作为检测头的 top-k 参数，因此 max_det=500 会把输出张量拓宽到最多 (1, 500, 6)（以 anchor 数为上限）。这正对应源码中 get_topk_index 的 k = min(max_det, anchors) 逻辑（head.py）。

导出的 ONNX 输出 (1, 300, 6) 是正确的吗？

是。检测任务的端到端输出即：批次 1、最多 300 个检测、每个 6 个值 [x1, y1, x2, y2, confidence, class_id]。只需按置信度阈值过滤，无需 NMS。

其他任务的输出形状不同：

任务	输出形状	说明
检测	(1, 300, 6)	[x1, y1, x2, y2, conf, class_id]
分割	(1, 300, 38) + (1, 32, 160, 160)	6 个框值 + 32 个掩码系数，外加原型掩码张量
姿态	(1, 300, 57)	6 个框值 + 17 关键点 × 3（x, y, 可见性）
OBB	(1, 300, 7)	6 个框值 + 1 个旋转角

如何确认导出的模型是否端到端？

可以通过 Ultralytics Python API 或导出 ONNX 的元数据检查：

from ultralytics import YOLO

model = YOLO("yolo26n.onnx")
model.predict(verbose=False)  # run predict to setup predictor first
print(model.predictor.model.end2end)  # True if end-to-end is enabled

import onnxruntime as ort

session = ort.InferenceSession("yolo26n.onnx")
metadata = session.get_modelmeta().custom_metadata_map
print(metadata.get("end2end"))  # 'True' if end-to-end is enabled

导出器会把 end2end 状态写入导出模型元数据（exporter.py："end2end": getattr(model, "end2end", False)）。两种检查回答的是不同问题：ONNX 元数据记录的是导出时使用的头，而 predictor.model.end2end 报告后端输出是否已含后处理（无需外部 NMS）。用 end2end=False, nms=True 导出的模型会同时输出 (1, 300, 6)——因为 NMS 被烘焙进了图——此时单看标志或输出形状都无法唯一判定所用头。

实例分割、姿态和 OBB 支持端到端吗？

支持。YOLO26 的四种检测类任务变体——检测、实例分割、姿态估计、OBB——默认支持端到端推理，且都提供 end2end=False 回退。各任务在基础检测输出上追加任务专属数据，yolo26n.pt、yolo26n-seg.pt、yolo26n-pose.pt、yolo26n-obb.pt 的输出形状见上文"双头架构"一节的表格。

小结

• 端到端检测是 YOLO26 的默认行为：使用 Ultralytics API/CLI 时零改动即可获益；只有自定义后处理管线需要适配 (N, 300, 6) 的 xyxy 新输出并删除 NMS 步骤。
• 绝大多数导出格式原生保留端到端输出；NCNN、RKNN、PaddlePaddle、ExecuTorch、IMX、Edge TPU、QNN 会自动回退 one-to-many 头，端侧需自备 NMS；TensorRT 与 LiteRT 在特定版本/量化条件下也会自动禁用端到端分支并打印警告。
• 端到端头相对 one-to-many 头在 COCO 上的精度代价仅 0.6–0.8 mAP，换来的是部署管线简化与推理提速（YOLO26n 的 CPU ONNX 推理最高快 43%）；精度优先场景用 end2end=False 回退。
• end2end 与 nms 互斥；max_det 控制烘焙进导出图的 top-k 上限；Hailo 则从模型头本身判定输出路径、不接受 end2end 参数。