Ultralytics YOLO11 ve uygulamaları hakkında bilmen gereken her şey
Yeni Ultralytics YOLO11 modeli, özellikleri ve çeşitli sektörlerdeki gerçek zamanlı uygulamaları hakkında her şeyi öğren. Bilmen gereken her konuda sana rehberlik edeceğiz.
30 Eylül Pazartesi günü Ultralytics, Ultralytics'in yıllık hibrit etkinliği olan YOLO Vision 2024 (YV24) etkinliğindeki ilk gösteriminin ardından computer vision alanındaki en son yenilik olan Ultralytics YOLO11'i resmi olarak piyasaya sürdü. Yapay zeka topluluğu, modelin yeteneklerini keşfetmek için acele ederken büyük bir heyecanla çalkalanıyor. Daha hızlı işleme, daha yüksek doğruluk ve hem uç cihazlar hem de bulut dağıtımı için optimize edilmiş modelleriyle YOLO11, gerçek zamanlı computer vision uygulamalarında mümkün olanların sınırlarını yeniden belirliyor.
Bir röportajda, Ultralytics Kurucusu ve CEO'su Glenn Jocher şunları paylaştı: “Dünya clean energy yönünde ilerliyor, ancak yeterince hızlı değil. Modellerimizin daha az epoch'ta, daha az veri artırımı ve daha az veriyle eğitilebilmesini istiyoruz, bu yüzden bunun üzerinde çok çalışıyoruz. En küçük nesne algılama modeli olan YOLO11n, yalnızca 2,6 milyon parametreye sahip; bu neredeyse bir JPEG boyutu kadar ki bu gerçekten çılgınca. En büyük object detection modeli olan YOLO11x ise yaklaşık 56 milyon parametreye sahip ve diğer modellere kıyasla bu bile inanılmaz derecede küçük. Onları, beş yıllık bir Nvidia GPU gibi ucuz bir GPU üzerinde, sadece biraz heyecan ve biraz kahveyle eğitebilirsin."
Bu makalede, bu modelin neler yapabileceğini anlamana yardımcı olmak için özelliklerini, iyileştirmelerini, performans kıyaslamalarını ve gerçek dünya uygulamalarını inceleyerek Ultralytics YOLO11'e daha yakından bakacağız. Hadi başlayalım!
Ultralytics YOLO11'i Anlamak: Önceki sürümlere kıyasla yapılan iyileştirmeler#
YOLO11, computer vision models serisinin YOLO (You Only Look Once) ailesindeki en son yeniliktir ve YOLOv5 ile YOLOv8 gibi önceki sürümlere kıyasla önemli geliştirmeler sunar. Ultralytics ekibi, YOLO11'i daha hızlı, daha doğru ve daha verimli hale getirmek için topluluk geri bildirimlerini ve son teknoloji araştırmaları entegre etti. YOLO11 ayrıca object detection, instance segmentation ve image classification dahil olmak üzere YOLOv8 ile aynı computer vision tasks desteğini sunar. Aslında kullanıcılar, mevcut iş akışlarını değiştirmek zorunda kalmadan kolayca YOLO11'e geçiş yapabilirler.
YOLO11'in en önemli öne çıkan özelliklerinden biri, öncekilere kıyasla hem doğruluk hem de hız açısından üstün performansıdır. YOLOv8m'e göre %22 daha az parametreye sahip olan YOLO11m, COCO dataset üzerinde daha yüksek bir mean average precision (mAP) elde eder; bu da nesneleri çok daha hassas ve verimli bir şekilde algılayabileceği anlamına gelir. İşlem hızı açısından YOLO11, önceki modellerden daha üstün performans göstererek hızlı algılama ve yanıtın kritik olduğu, her milisaniyenin önemli olduğu gerçek zamanlı uygulamalar için ideal hale gelir.
Aşağıdaki kıyaslama grafiği, YOLO11'in önceki modellerden nasıl ayrıldığını göstermektedir. Yatay eksende, nesne algılama doğruluğunu ölçen COCO Box Average Precision (AP) gösterilmektedir. Dikey eksen ise modelin verileri ne kadar hızlı işlediğini belirten NVIDIA T4 GPU üzerinde TensorRT10 FP16 kullanılarak gecikme süresini gösterir.
Şekil 1. Ultralytics YOLO11, son teknoloji gerçek zamanlı nesne tespiti yetenekleri sunar.
Ultralytics YOLO11 model lansmanı: Açık kaynak ve kurumsal seçenekler#
Ultralytics YOLO11'in piyasaya sürülmesiyle birlikte Ultralytics; endüstrilerdeki artan talebi karşılamak için hem open-source hem de enterprise modeller sunarak YOLO serisini genişletiyor.
Şekil 2. Bu lansmanla Ultralytics, 30 yeni model sunuyor.
YOLO11, Nano, Small, Medium, Large ve X olmak üzere beş farklı model boyutu barındırır. Kullanıcılar, computer vision application’s özel ihtiyaçlarına bağlı olarak en iyi modeli seçebilirler. Bu beş boyut; image classification, object detection, instance segmentation, tracking, pose estimation ve oriented bounding boxes (OBB) object detection gibi görevlerde esneklik sağlar. Her boyut için her göreve uygun bir model bulunur ve böylece Ultralytics'in tekliflerinin çekirdeğini oluşturan toplam 25 open-source model elde edilir. Bu modeller, YOLO11n modelinin etkileyici verimlilik sunduğu uç cihazlardaki hafif görevlerden, YOLO11l ve YOLO11x modellerini gerektiren larger-scale applications kadar çok geniş bir applications yelpazesi için idealdir.
Ultralytics ilk kez enterprise modellerini sunuyor; bu, ürün tekliflerimizde büyük bir dönüm noktasını işaret ediyor ve bu yeni yenilikleri kullanıcılarımızla paylaşmaktan heyecan duyuyoruz. YOLO11, ticari kullanım durumları için özel olarak tasarlanmış beş tescilli model sunuyor. Önümüzüdeki ay kullanıma sunulacak olan bu enterprise modeller, 1 milyondan fazla görselden oluşan Ultralytics'in yeni tescilli dataset seti üzerinde eğitilerek daha güçlü önceden eğitilmiş modeller sunuyor. Bu modeller; hassas nesne algılamanın çok önemli olduğu medical imagery analysis ve satellite image processing gibi demanding, real-world applications için tasarlanmıştır.
Yeni nesil Ultralytics YOLO11 özelliklerini keşfetmek#
Ultralytics YOLO11'in sunduklarını ele aldığımıza göre, şimdi YOLO11'i bu kadar özel kılan şeylere bir göz atalım.
YOLO11 geliştirilirken karşılaşılan en temel zorluklardan biri, birbiriyle yarışan öncelikler arasında doğru dengeyi kurmaktı: modelleri daha küçük, daha hızlı ve daha doğru hale getirmek. Ultralytics'in Kurucusu ve CEO'su Glenn Jocher'ın açıkladığı gibi, “Working on YOLO research and development gerçekten çok zor çünkü üç farklı yöne gitmek istiyorsun: modelleri daha küçük yapmak istiyorsun, daha doğru olmalarını istiyorsun ama aynı zamanda CPU ve GPU gibi farklı platformlarda daha hızlı çalışmalarını istiyorsun. Bunların hepsi birbiriyle yarışan çıkarlar, bu yüzden tavizler vermeli ve değişiklikleri nerede yapacağını seçmelisin." Bu zorluklara rağmen YOLO11 etkileyici bir denge kurarak YOLOv8 gibi önceki sürümlere kıyasla hem hız hem de doğruluk iyileştirmeleri sunar.
Fig 3. Nesne tespiti için Ultralytics YOLO11 kullanımına bir örnek.
Ultralytics YOLO11, yeniden tasarlanan gövde ve boyun mimarisiyle geliştirilmiş feature extraction gibi önemli iyileştirmeler getirerek daha hassas nesne algılama sağlar. Model ayrıca hız ve verimlilik için optimize edilmiş olup, yüksek doğruluğu korurken daha hızlı işlem süreleri sunar. Bu avantajların yanı sıra YOLO11 is highly adaptable farklı ortamlarda uç cihazlarda, bulut platformlarında ve NVIDIA GPU kullanan sistemlerde sorunsuz bir şekilde çalışır. Bu uyarlanabilirlik, mobil cihazlardan büyük ölçekli sunuculara kadar çeşitli hardware kurulumlarında esnek deployment options ihtiyaç duyan kullanıcılar için onu ideal bir seçim haline getirir.
Gerçek zamanlı Ultralytics YOLO11 uygulamaları#
Ultralytics YOLO11'in çok yönlülüğü, özellikle complex use cases ile uğraşırken onu birçok sektörde güvenilir bir araç haline getirir. Örneğin, uç cihazlarda sorunsuz çalışır ve bilgi işlem gücünün sınırlı olduğu ortamlarda gerçek zamanlı analiz gerektiren applications için kullanılabilir. Bunun mükemmel bir örneği, araçların herkesi güvende tutmak için anlık kararlar alması gereken autonomous driving uygulamasıdır. YOLO11, zayıf ışık veya nesnelerin kısmen gizlendiği zorlu koşullarda bile yaylar veya diğer arabalar gibi detecting and analyzing objects on the road ile yardımcı olur. Hızlı ve doğru algılama, kazaları önlemeye yardımcı olur ve kendi kendine giden vehicles can navigate safely olmasını sağlar.
Fig 4. Glenn Jocher, YV24 sahnesinde Ultralytics YOLO11 uygulamaları hakkında konuşurken.
Ultralytics YOLO11'in kapsamındaki bir diğer ilginç örnek de oriented bounding boxes (OBB) işleyebilme yeteneğidir. Mükemmel şekilde hizalanmamış nesneleri algılamak için esastır. OBB nesne algılama, images often contain rotated objects gibi hava veya uydu görüntülerindeki ekinler veya binalar gibi rotasyonlu nesneler içeren agriculture, mapping ve surveillance gibi endüstrilerde özellikle yararlı olan bir özelliktir. Geleneksel modellerin aksine YOLO11, nesneleri her açıdan tanımlayabilir ve hassasiyet gerektiren görevler için çok daha doğru sonuçlar sağlayabilir.
Yapay zeka geliştiricileri için Ultralytics YOLO11: Kendin dene#
YOLO11 ile çalışmaya başlamak, ister kodlama tercih et ister kodsuz bir seçenek tercih et, basit ve erişilebilirdir. Kod aracılığıyla YOLO11 ile çalışmak için modelleri kolayca eğitmek ve dağıtmak amacıyla Ultralytics Python package kullanabilirsin. Kodsuz bir yaklaşımı tercih ediyorsan Ultralytics Platform, sadece birkaç tıklamayla YOLO11'i denemeni sağlar.
Ultralytics YOLO11 kod incelemesi#
YOLO11'i Python ile kullanmak için öncelikle Ultralytics paketini yüklemen gerekir. Tercihlerine bağlı olarak bunu pip, conda veya Docker kullanarak yapabilirsin. Kurulum süreciyle ilgili ayrıntılı talimatlar ve en iyi uygulamalar için Ultralytics Installation Guide kılavuzumuza göz atmayı unutma. YOLO11 için gerekli paketleri kurarken herhangi bir zorlukla karşılaşırsan çözümler ve ipuçları için Common Issues Guide kılavuzumuza başvur.
Ultralytics paketi yüklendikten sonra, using YOLO11 is straightforward. Aşağıdaki kod parçacığı; loading a model, training it, testing its performance ve onu ONNX format formatına exporting etme sürecinde sana rehberlik eder. Daha derinlemesine örnekler ve gelişmiş kullanım için, getting the most out of YOLO11 hakkında ayrıntılı guides ve en iyi uygulamaları bulabileceğin official Ultralytics documentation belgesine başvurmayı unutma.
Şekil 5. Ultralytics paketi aracılığıyla YOLO11 kullanımı.
Kodsuz bir yaklaşımı tercih eden kullanıcılar için Ultralytics Platform, sadece birkaç tıklamayla YOLO11 modellerini eğitmek ve dağıtmak için kolay bir yol sağlar. get started with Ultralytics Platform için Ultralytics Platform üzerinde bir hesap oluşturman yeterlidir; böylece sezgisel bir arayüz aracılığıyla modellerini eğitmeye ve yönetmeye başlayabilirsin.
Ultralytics YOLO11: Görsel yapay zekanın geleceğini şekillendiriyor#
Yapay zeka topluluğu, gerçek dünya uygulamaları için daha hızlı, daha doğru modeller geliştirmeye çalışarak bilgisayarlı görü alanını sürekli olarak ileriye taşıyor. Ultralytics YOLO11, gelişmiş hız, doğruluk ve esneklik sağlayarak bu çabada önemli bir dönüm noktasıdır. Gerçek zamanlı ve uç uygulamalar için tasarlanmış olup sağlık ve otonom sürüş gibi endüstriler için idealdir. İster Ultralytics Python paketini ister kodsuz Ultralytics Platformunu kullan, YOLO11 karmaşık vizyon yapay zekası görevlerini basitleştirir. Güçlü bilgisayarlı görü yetenekleri sunarak geliştiriciler ve işletmeler için harika bir seçim haline gelir.
Yapay zeka hakkında daha fazla bilgi edinmek için GitHub depomuzu incele ve aktif topluluğumuza katı. Görü yapay zekasının sağlık ve tarım gibi sektörlerde inovasyonu nasıl yönlendirdiğini keşfet.
