Ultralytics YOLO11 ve uygulamaları hakkında bilmen gereken her şey

30 Eylül Pazartesi günü Ultralytics, yıllık hibrit etkinliği YOLO Vision 2024 (YV24) kapsamında ilk kez tanıtılmasının ardından, bilgisayarlı görü alanındaki en yeni gelişme olan Ultralytics YOLO11’i resmen kullanıma sundu. Yapay zekâ topluluğu, modelin yeteneklerini keşfetmek için yoğun bir ilgi gösteriyor. Daha hızlı işleme, daha yüksek doğruluk ve hem uç cihazlar hem de bulut dağıtımı için optimize edilmiş modeller sunan YOLO11, gerçek zamanlı bilgisayarlı görü uygulamalarında mümkün olanların sınırlarını yeniden belirliyor.

Bir röportajda Ultralytics Kurucusu ve CEO’su Glenn Jocher şunları paylaştı: “Dünya temiz enerjiye doğru ilerliyor, ancak yeterince hızlı değil. Modellerimizin daha az epoch, daha az artırma ve daha az veriyle eğitilebilmesini istiyoruz; bu nedenle bunun üzerinde yoğun biçimde çalışıyoruz. En küçük nesne algılama modeli olan YOLO11n yalnızca 2,6 milyon parametreye sahip; bu, yaklaşık bir JPEG dosyasının boyutu ve gerçekten inanılmaz. En büyük nesne algılama modeli YOLO11x yaklaşık 56 milyon parametreye sahip; bu bile diğer modellerle karşılaştırıldığında son derece küçük. Bunları, beş yıllık bir Nvidia GPU’su gibi ucuz bir GPU üzerinde biraz heves ve bir fincan kahveyle eğitebilirsin.”

Bu makalede, neler yapabildiğini anlamana yardımcı olmak için Ultralytics YOLO11’e daha yakından bakacak; özelliklerini, iyileştirmelerini, performans kıyaslamalarını ve gerçek dünya uygulamalarını inceleyeceğiz. Hadi başlayalım!

Ultralytics YOLO11’i anlama: Önceki sürümlere göre iyileştirmeler#

YOLO11, YOLO (Yalnızca Bir Kez Bakarsın) serisinin bilgisayarlı görü modelleri alanındaki en yeni gelişmedir ve YOLOv5 ile YOLOv8 gibi önceki sürümlere kıyasla önemli iyileştirmeler sunar. Ultralytics ekibi, YOLO11’i daha hızlı, daha doğru ve daha verimli hâle getirmek için topluluk geri bildirimlerini ve en güncel araştırmaları modele dâhil etti. YOLO11 ayrıca YOLOv8 ile aynı bilgisayarlı görü görevlerini destekler; bunlar arasında nesne algılama, örnek bölümleme ve görüntü sınıflandırma yer alır. Hatta kullanıcılar mevcut iş akışlarını değiştirmeden kolayca YOLO11’e geçebilir.

YOLO11’in öne çıkan özelliklerinden biri, önceki modellerine kıyasla hem doğruluk hem de hız açısından üstün performans göstermesidir. YOLO11m, YOLOv8m’den %22 daha az parametreye sahip olmasına rağmen COCO veri kümesinde daha yüksek bir ortalama kesinlik (mAP) değerine ulaşır; bu da nesneleri daha kesin ve verimli biçimde algılayabildiği anlamına gelir. İşleme hızı açısından YOLO11 önceki modelleri geride bırakır ve hızlı algılama ile tepkinin kritik olduğu, her milisaniyenin önem taşıdığı gerçek zamanlı uygulamalar için ideal hâle gelir.

Aşağıdaki kıyaslama grafiği, YOLO11’in önceki modellerden nasıl ayrıştığını gösterir. Yatay eksende, nesne algılama doğruluğunu ölçen COCO Kutu Ortalama Kesinliği (AP) gösterilir. Dikey eksen, modelin verileri ne kadar hızlı işlediğini belirtmek üzere NVIDIA T4 GPU üzerinde TensorRT10 FP16 kullanılarak ölçülen gecikmeyi gösterir.

Şekil 1. Ultralytics YOLO11, gerçek zamanlı nesne algılama için en ileri teknoloji özellikleri sunar.

Ultralytics YOLO11 modelinin kullanıma sunulması: Açık kaynak ve kurumsal seçenekler#

Ultralytics YOLO11’in kullanıma sunulmasıyla Ultralytics, sektörlerde artan talebi karşılamak üzere hem açık kaynak hem de kurumsal modeller sunarak YOLO serisini genişletiyor.

Şekil 2. Ultralytics, bu kullanıma sunumla birlikte 30 yeni model sunuyor.

YOLO11, Nano, Small, Medium, Large ve X olmak üzere beş farklı model boyutuna sahiptir. Kullanıcılar, bilgisayarlı görü uygulamalarının özel ihtiyaçlarına göre en uygun modeli seçebilir. Bu beş boyut; görüntü sınıflandırma, nesne algılama, örnek bölümleme, izleme, poz tahmini ve yönlendirilmiş sınırlayıcı kutularla (OBB) nesne algılama gibi görevlerde esneklik sunar. Her boyut için her göreve yönelik bir model bulunur; böylece Ultralytics’in sunduğu çözümlerin temelini oluşturan toplam 25 açık kaynak model ortaya çıkar. Bu modeller, YOLO11n modelinin etkileyici verimlilik sunduğu uç cihazlardaki hafif görevlerden, YOLO11l ve YOLO11x modellerini gerektiren daha büyük ölçekli uygulamalara kadar çok çeşitli uygulamalar için idealdir.

Ultralytics ilk kez kurumsal modeller sunuyor; bu, ürün tekliflerimizde önemli bir dönüm noktası ve bu yeni yenilikleri kullanıcılarımızla paylaşmaktan heyecan duyuyoruz. YOLO11, ticari kullanım senaryoları için özel olarak tasarlanmış beş tescilli model sunuyor. Gelecek ay kullanıma sunulacak bu kurumsal modeller, 1 milyondan fazla görüntüden oluşan Ultralytics’in yeni tescilli veri kümesi üzerinde eğitildi ve daha sağlam önceden eğitilmiş modeller sağlıyor. Bu modeller, kesin nesne algılamanın kritik olduğu tıbbi görüntü analizi ve uydu görüntüsü işleme gibi zorlu gerçek dünya uygulamaları için tasarlandı.

Yeni nesil Ultralytics YOLO11 özelliklerini keşfetme#

Ultralytics YOLO11’in sunduklarını ele aldığımıza göre, şimdi YOLO11’i bu kadar özel yapan özelliklere bakalım.

YOLO11’i geliştirirken karşılaşılan temel zorluklardan biri, birbiriyle rekabet eden öncelikler arasında doğru dengeyi bulmaktı: modelleri daha küçük, daha hızlı ve daha doğru hâle getirmek. Ultralytics Kurucusu ve CEO’su Glenn Jocher’ın açıkladığı gibi, “YOLO araştırma ve geliştirme çalışmaları üzerinde çalışmak gerçekten zorlu; çünkü üç farklı yönde ilerlemek istiyorsun: modelleri küçültmek, daha doğru hâle getirmek ve aynı zamanda CPU ve GPU gibi farklı platformlarda daha hızlı çalışmalarını sağlamak. Bunların hepsi birbiriyle rekabet eden hedefler; bu nedenle ödünler vermen ve değişiklikleri nerede yapacağını seçmen gerekiyor.” Bu zorluklara rağmen YOLO11, YOLOv8 gibi önceki sürümlere kıyasla hem hız hem de doğruluk iyileştirmeleri sunarak etkileyici bir denge yakalıyor.

Şekil 3. Ultralytics YOLO11’in nesne algılamada kullanımına bir örnek.

Ultralytics YOLO11, yeniden tasarlanmış omurga ve boyun mimarisiyle geliştirilmiş özellik çıkarma gibi önemli iyileştirmeler sunarak daha kesin nesne algılama sağlar. Model ayrıca hız ve verimlilik için optimize edilmiştir; yüksek doğruluğu korurken daha kısa işleme süreleri sunar. Bu avantajlara ek olarak YOLO11 farklı ortamlara yüksek düzeyde uyum sağlar; uç cihazlarda, bulut platformlarında ve NVIDIA GPU kullanan sistemlerde sorunsuz çalışır. Bu uyarlanabilirlik, mobil cihazlardan büyük ölçekli sunuculara kadar çeşitli donanım yapılandırmalarında esnek dağıtım seçeneklerine ihtiyaç duyan kullanıcılar için onu ideal bir seçim hâline getirir.

Gerçek zamanlı Ultralytics YOLO11 uygulamaları#

Ultralytics YOLO11’in çok yönlülüğü, özellikle karmaşık kullanım senaryolarıyla çalışırken onu birçok sektörde güvenilir bir araç hâline getirir. Örneğin uç cihazlarda sorunsuz çalışır ve sınırlı işlem gücüne sahip ortamlarda gerçek zamanlı analiz gerektiren uygulamalarda kullanılabilir. Bunun mükemmel bir örneği, herkesin güvenliğini sağlamak için araçların saniyeden kısa sürede karar vermesi gereken otonom sürüştür. YOLO11, zorlu koşullarda, örneğin düşük ışıkta veya nesnelerin kısmen gizlendiği durumlarda bile yayalar ya da diğer araçlar gibi yoldaki nesneleri algılayıp analiz ederek yardımcı olur. Hızlı ve doğru algılama kazaları önlemeye yardımcı olur ve otonom araçların güvenli şekilde yol almasını sağlar.

Şekil 4. Glenn Jocher, YV24’te sahnede Ultralytics YOLO11 uygulamaları hakkında konuşuyor.

Ultralytics YOLO11’in kapsamına dair bir başka ilgi çekici örnek, yönlendirilmiş sınırlayıcı kutularla (OBB) çalışabilmesidir. Bu özellik, kusursuz biçimde hizalanmamış nesneleri algılamak için gereklidir. OBB nesne algılama; havadan veya uydu görüntülerinde ekinler ya da binalar gibi görüntülerde sıklıkla döndürülmüş nesnelerin bulunduğu tarım, haritalama ve gözetim gibi sektörlerde özellikle yararlıdır. Geleneksel modellerden farklı olarak YOLO11, nesneleri her açıdan algılayabilir ve hassasiyet gerektiren görevlerde çok daha doğru sonuçlar sağlayabilir.

Yapay zekâ geliştiricileri için Ultralytics YOLO11: Sen de dene#

YOLO11’i kullanmaya başlamak, kod yazmayı veya kodsuz bir seçeneği tercih etmene bağlı olarak basit ve erişilebilirdir. YOLO11 ile kod üzerinden çalışmak için modelleri kolayca eğitmek ve dağıtmak üzere Ultralytics Python paketini kullanabilirsin. Kodsuz bir yaklaşımı tercih ediyorsan Ultralytics Platform, YOLO11’i yalnızca birkaç tıklamayla denemene olanak tanır.

Ultralytics YOLO11 kodu adım adım inceleme#

YOLO11’i Python ile kullanmak için öncelikle Ultralytics paketini yüklemen gerekir. Tercihine bağlı olarak bunu pip, conda veya Docker kullanarak yapabilirsin. Yükleme süreciyle ilgili ayrıntılı talimatlar ve en iyi uygulamalar için Ultralytics Yükleme Kılavuzu sayfamıza göz atmayı unutma. YOLO11 için gerekli paketleri yüklerken herhangi bir zorlukla karşılaşırsan çözüm ve ipuçları için Yaygın Sorunlar Kılavuzumuza başvur.

Ultralytics paketi yüklendikten sonra YOLO11’i kullanmak oldukça kolaydır. Aşağıdaki kod parçacığı, modeli yükleme, eğitme, performansını test etme ve ONNX biçimine dışa aktarma sürecinde sana yol gösterir. Daha kapsamlı örnekler ve gelişmiş kullanım için ayrıntılı kılavuzlar ile YOLO11’den en iyi şekilde yararlanmaya yönelik en iyi uygulamaları bulabileceğin resmî Ultralytics belgelerine başvurmayı unutma.

Şekil 5. YOLO11’i Ultralytics paketi üzerinden kullanma.

Kodsuz yaklaşımı tercih eden kullanıcılar için Ultralytics Platform, YOLO11 modellerini yalnızca birkaç tıklamayla eğitmek ve dağıtmak için kolay bir yol sunar. Ultralytics Platform’u kullanmaya başlamak için Ultralytics Platform’da bir hesap oluşturman yeterlidir; ardından sezgisel bir arayüz üzerinden modellerini eğitmeye ve yönetmeye başlayabilirsin.

Ultralytics YOLO11: Görsel yapay zekânın geleceğini şekillendirme#

Yapay zekâ topluluğu, gerçek dünya uygulamaları için daha hızlı ve daha doğru modeller geliştirmeye çalışarak bilgisayarlı görü alanını sürekli ilerletiyor. Ultralytics YOLO11, hız, doğruluk ve esneklik alanlarında iyileştirmeler sunarak bu çabada önemli bir dönüm noktası oluşturuyor. Gerçek zamanlı ve uç uygulamalar için tasarlandı; bu da onu sağlık ve otonom sürüş gibi sektörler için ideal hâle getiriyor. İster Ultralytics Python paketini ister kodsuz Ultralytics Platform’u kullan, YOLO11 karmaşık görsel yapay zekâ görevlerini basitleştirir. Güçlü bilgisayarlı görü yetenekleri sunarak geliştiriciler ve işletmeler için harika bir seçim olur.

Yapay zekâ hakkında daha fazla bilgi edinmek için GitHub depomuza göz at ve aktif topluluğumuza katıl. Görsel yapay zekânın sağlık ve tarım gibi sektörlerde yenilikleri nasıl desteklediğini keşfet.