YOLO'yu lisansla
Ultralytics Platform

Gemini 4 Hydrogen otomatik etiketleme: token başına daha ucuz, görüntü başına daha pahalı

Gemini 4 Hydrogen, 36 veri kümeli nesne algılama kıyaslamamızda 46 VLM arasında üçüncü sırada yer alıyor ve 0.553 mAP50 puanı alıyor; bitki hastalıkları, denizde arama kurtarma ve X-ray alanlarında en yüksek puanları elde ediyor.

Glenn JocherGlenn Jocher11 dakikalık okuma
Google'ın Gemini 4 Hydrogen lansman görselinde, UL37 nesne algılama kıyaslamasındaki genel puanı olan 0.553 mAP50'yi gösteren bir Ultralytics Platform kutucuğu

Gemini 4 Hydrogen, 12 Kasım 2026'da güncellenen Ultralytics VLM Leaderboard üzerinde, otomatik etiketleme için 36 veri kümeli nesne algılama kıyaslamamızda UL37'de 46 model arasında üçüncü sırada yer alıyor. 0.553 mAP50 ve 0.350 mAP50-95 puanı alarak Gemini 4 Carbon'ın (0.584) ve GPT-6.1 Terra'nın (0.560) gerisinde, Claude Fable 5.2 ve Gemini 4 Argon'ın önünde bulunuyor; PlantDoc (bitki hastalıkları), SeaDronesSee 2 (denizde arama kurtarma) ve IEDXray (güvenlik X-ray'i) veri kümelerinde en yüksek puanı alıyor, Kvasir-SEG ve EgoHands'de ise en yüksek puanı paylaşıyor.

Google, hızlı ve maliyet verimli Gemini 4 modeli Hydrogen'ı 12 Kasım'da piyasaya sürdü ve model artık Ultralytics Platform üzerinde otomatik etiketleme için kullanılabiliyor. Google, Hydrogen'ı kodlama ve ajan uygulamaları için öne çıkarıyor; UL37 ise modelin kutuları ne kadar iyi çizdiğini ölçüyor.

Aşağıda Hydrogen'ın genel ve veri kümesi bazındaki sonuçlarını, token kullanımının görüntü başına maliyetini nasıl belirlediğini ve Platform'da kendi veri kümen üzerinde nasıl çalıştıracağını bulabilirsin.

Gemini 4 Hydrogen nesne algılama: UL37'de üçüncü sırada#

UL37, bir modelin kutularının 360 görüntüdeki insan etiketleriyle ne kadar örtüştüğünü ölçüyor: tiroid ultrasonu ve termal drone görüntülerinden perakende raflarına, kat planlarına ve devre kartlarına uzanan 36 gerçek nesne algılama veri kümesinin her birinden 10 görüntü. Her görüntü, Platform kullanıcılarının kullandığı aynı işlem hattından ve veri kümesinin kendi sınıf adlarından geçirilir; her veri kümesi eşit ağırlıktadır. Yöntem herkese açıktır.

Hydrogen'ın 0.553 mAP50 puanı liderin 0.031, Terra'nın ise 0.007 puan gerisinde. Google'ın diğer modelleri ve en yakın rakipleri arasındaki yeri şöyle:

ModelUL37 mAP501 milyon token başına fiyat (girdi / çıktı)Sağlayıcı maliyeti / 1.000 görüntü
Gemini 4 Carbon0.58430 Kasım'a kadar 2,00 $ / 10,00 $, sonrasında 4,00 $ / 20,00 $12,93 $ (1 Aralık'tan itibaren yaklaşık 25,87 $)
GPT-6.1 Terra0.560$1.00 / $5.00$4.36
Gemini 4 Hydrogen0.553$1.50 / $7.50$20.32
Claude Fable 5.20.544$8.00 / $40.00$37.55
Gemini 4 Argon0.53730 Kasım'a kadar 2,00 $ / 10,00 $, sonrasında 4,00 $ / 20,00 $7,60 $ (1 Aralık'tan itibaren yaklaşık 15 $)
Gemini 3.8 Flash0.51631 Aralık'a kadar 0,75 $ / 3,75 $, sonrasında 1,50 $ / 7,50 $5,86 $ (1 Ocak'tan itibaren yaklaşık 11,72 $)

Sağlayıcı maliyeti, her sağlayıcının bildirdiği token kullanımına ve listelenen ücretlere göre hesaplanır. Batch Annotation, tüm modeller için Platform'un 1.000 görüntü başına 1,00 $ işlem ücretini ekler.

16 Kasım 2026 itibarıyla fiyatlar. Google'ın Hydrogen lansman yazısında bir milyon girdi token'ı için 1,50 $, bir milyon çıktı token'ı için 7,50 $ fiyat belirtiliyor. Google'ın Carbon kullanılabilirlik yazısı, Carbon'ın tanıtım fiyatının 30 Kasım 2026'ya kadar geçerli olduğunu, sonrasında fiyatların 4,00 $ ve 20,00 $ olacağını belirtiyor; Gemini API fiyatlandırma sayfasında Gemini 4 Argon için de aynı değişiklik listeleniyor; Flash yazısında ise Gemini 3.8 Flash'ın tanıtım fiyatının 31 Aralık 2026'ya kadar geçerli olduğu, 1 Ocak 2027'den itibaren fiyatların 1,50 $ ve 7,50 $ olacağı belirtiliyor. Tablodaki sonraki rakamlar, duyurulan bu fiyatların aynı kıyaslama token kullanımına uygulanmasıyla elde edilen tahminlerdir; yeni çalıştırmaların sonuçları değildir.

Hydrogen'ın çalıştırmadaki diğer değerleri: sıkı oturan kutuları da ödüllendiren 0.350 mAP50-95 puanı; bu değer Carbon'ın 0.371 puanından sonra ikinci sırada; kesinlik 0.63 ve duyarlılık 0.62; başarısız istek veya ret yok; görüntü başına medyan süre 7,2 saniye.

Google Hydrogen'ı ne için geliştirdi?#

Google'ın lansman yazısında, Hydrogen'ın "çeşitli ajan iş akışlarında hızlı yürütme için geliştirildiği", Carbon ve Argon'ın ise "en zorlu sorunlarda derin ve uzun vadeli akıl yürütmede öne çıktığı" belirtiliyor. Hydrogen'ın 1 milyon token'lık bağlam penceresi, pencerenin tamamında bir milyon girdi token'ı için 1,50 $ ve bir milyon çıktı token'ı için 7,50 $ fiyatı ve dört düşünme düzeyi var: düşük, orta, yüksek (varsayılan) ve yeni xhigh.

Google, varsayılan yüksek düzeyde Artificial Analysis Intelligence Index puanının 51 olduğunu ve Argon'dan bir puan yüksek olduğunu, xhigh düzeyinde ise 54'e ulaştığını bildiriyor. Google, Hydrogen'ı Gemini 3.8 Flash'tan geçiş yapan ekipler için önemli bir yükseltme olarak nitelendiriyor; Terminal-Bench 4.1'de Flash'ın %18,2'lik sonucuna karşı %57 puan aldığını belirtiyor. Bu rakamların hiçbiri sınırlayıcı kutuları ölçmüyor; UL37'yi çalıştırmamızın nedeni de bu.

UL37'de Gemini 4 Hydrogen ve Gemini 3.8 Flash karşılaştırması#

Gemini 3.8 Flash, UL37'de 0.516 mAP50 puanı alıyor; dolayısıyla Hydrogen aynı görüntüler ve işlem hattında 0.037 puan daha yüksek sonuç veriyor. Bu, Argon ile Carbon arasındaki 0.047 puanlık farkın yaklaşık beşte dördü. Sıralamada Hydrogen üçüncü, Flash ise sekizinci.

Ayrıca Claude Fable 5.2 modelini 0.009 puan farkla, görüntü başına maliyetinin yarısından biraz fazlasına geçiyor; Gemini 4 Argon'ı ise 0.016 puan farkla geçiyor, ancak Argon'ın 1.000 görüntü başına maliyeti 7,60 $.

Gemini 4 Hydrogen model sayfasındaki algılama doğruluğu grafiği; modelleri UL37 mAP50 puanlarına göre sıralıyor ve Hydrogen üçüncü sırada vurgulanıyor

14 Kasım 2026 itibarıyla Gemini 4 Hydrogen model sayfasındaki UL37 mAP50 sıralaması; Hydrogen üçüncü sırada vurgulanıyor.

Token kullanımı görüntü başına maliyeti nasıl etkiler?#

Bir görsel dil modeli, okuduğu görüntü ve istem için, ayrıca yanıt öncesindeki akıl yürütme de dahil olmak üzere ürettiği her token için ücret alır. Token ücretleri benzer olan iki model, biri daha fazla token kullanıyorsa görüntü başına oldukça farklı maliyetlere sahip olabilir.

Hydrogen'ın token fiyatları hem girdi hem çıktı için Carbon'ın tanıtım fiyatlarının tam olarak %75'i. İki model görüntü başına aynı sayıda token kullansaydı Hydrogen'ın maliyeti 1.000 görüntü başına yaklaşık 9,70 $ olurdu. Maliyet 20,32 $ olduğuna göre Hydrogen, görüntü başına Carbon'ın yaklaşık iki katı fiyat ağırlıklı token kullanmış. Güncel fiyatları Hydrogen'ın tam yarısı olan Gemini 3.8 Flash ile karşılaştırıldığında da aynı hesap, Hydrogen'ın görüntü başına Flash'ın yaklaşık 1,7 katı fiyat ağırlıklı token kullandığını gösteriyor.

Google, karmaşık grafik, SQL ve veri ağırlıklı iş akışlarında yapılan erken dönem iş ortağı testlerinde Hydrogen'ın 3.8 Flash'tan %12 ila %23 daha az token kullandığını bildiriyor. Etiketleme farklı bir iştir: tek görüntü ve tek yapılandırılmış yanıt. UL37'de Hydrogen görüntü başına daha fazla fiyat ağırlıklı token kullandı. Görüntü başına 7,2 saniyelik medyan süresi, Terra'nın 5,1 saniyesi ve Argon'ın 4,6 saniyesiyle karşılaştırılabilir.

16 Kasım 2026 itibarıyla 1.000 UL37 görüntüsü başına sağlayıcı maliyeti: Terra ve Hydrogen liste fiyatıyla; Carbon ise 2 $ / 10 $ tanıtım fiyatıyla ve aynı token kullanımı varsayılarak duyurulan 4 $ / 20 $ fiyatıyla tahmini olarak.

1.000 görüntü başına maliyet, token ücretlerini modelin belirli bir işte kullandığı token sayısıyla birleştirir; bu nedenle kendi veri kümen içinden birkaç temsilî görüntü en anlamlı tahmini verir. Platform'daki sıralama tablosu ve ücretli modellerin sayfaları, 1.000 görüntü başına sağlayıcı maliyetini gösterir; görüntü etiketleme yazılımı maliyet rehberimiz ise etiketleme bütçesinin geri kalanını ele alır.

Gemini 4 Hydrogen'ın en yüksek puanları aldığı alanlar: bitkiler, denizde arama kurtarma ve X-ray#

36 veri kümesinin ortalaması, modelin öne çıktığı veri kümelerini gizler; Gemini 4 Hydrogen model sayfasında bu veri kümelerinin her birindeki puanı listeleniyor. Hydrogen, 46 model arasında üç veri kümesinde en yüksek puanı alıyor ve iki veri kümesinde daha en yüksek puanı paylaşıyor.

Bitki hastalıkları. 29 sağlıklı ve hastalıklı ekin yaprağı sınıfı içeren PlantDoc veri kümesinde Hydrogen 0.638 puan alarak veri kümesinin en iyi modeli oluyor. Oradaki önceki en yüksek puanı alan Carbon 0.594 puan almıştı; ayrıntılar Gemini 4 Carbon sonuçları yazımızda.

Denizde arama kurtarma. Deniz üzerinde yüzenleri, tekneleri ve can kurtarma ekipmanlarını gösteren drone görüntülerinden oluşan SeaDronesSee 2 veri kümesinde Hydrogen 0.596 puan alıyor; Carbon'ın 0.564 ve Terra'nın 0.476 puanını geçiyor.

SeaDronesSee 2 veri kümesinden açık deniz drone görüntüsü; Gemini 4 Hydrogen'ın tahmin ettiği kutular bir tekneyi, üç yüzücüyü ve bir jet ski'yi çevreliyor

Model sayfasındaki tahminlerden alınan, SeaDronesSee 2 kıyaslama görüntüsünde Gemini 4 Hydrogen'ın kutuları.

Güvenlik X-ray'i. Bagaj X-ray'lerinde gizlenmiş patlayıcı düzenek bileşenlerinin yer aldığı IEDXray veri kümesinde Hydrogen, Carbon'ın 0.282 puanına karşı 0.315 puan alıyor. Burada tüm modellerin puanı düşük; bu nedenle sonucu hazır bir tarama aracı olarak değil, zorlu bir veri kümesindeki en iyi sonuç olarak değerlendirmelisin.

Polip endoskopisi. Kvasir-SEG veri kümesinde Hydrogen 0.805 puan alıyor ve en yüksek puanı paylaşıyor. Terra burada 0.71, Carbon ise 0.65 puan alıyor; GPT-6.1 Terra sonuçları yazımızda Terra'nın tıbbi görüntüleme sonuçlarını daha ayrıntılı ele alıyoruz.

Eller. El görüntülerinden oluşan birinci şahıs videosu EgoHands veri kümesinde Hydrogen 0.995 puan alıyor ve en yüksek puanı GPT-6 Astra ile paylaşıyor.

Tiroid ultrasonu, karşıt örnek. Her nodülün iyi huylu veya kötü huylu olarak etiketlendiği TN5000 veri kümesinde Hydrogen, Carbon'ın 0.537 puanına karşı 0.704 puan alıyor. Gemini 3.8 Flash (0.88) ve Terra (0.935) bu veri kümesinde daha yüksek puan alıyor. Hydrogen ayrıca çıplak devre kartı PCB kusurlarında (DeepPCB, 0.000), tüberküloz X-ray'lerinde (TBX11K, 0.013) ve yazılım kullanıcı arayüzü öğelerinde (GroundCUA, 0.021) sıfıra yakın puan alıyor.

Tıbbi görüntü analizinde herhangi bir modelin kutularını, klinik uzmanların kontrol edip onaylayacağı bir taslak olarak gör; asla tanı olarak kullanma.

Gemini 4 Hydrogen model sayfasındaki veri kümesi sonuçları tablosu; her veri kümesinde UL37 mAP50, kesinlik ve duyarlılık puanlarını listeliyor

14 Kasım 2026 itibarıyla Gemini 4 Hydrogen model sayfasındaki UL37 veri kümesi bazında sonuçları.

Her veri kümesi 10 görüntü içeriyor; bu nedenle tek bir satırı kesin hüküm değil, kendi görüntülerinde test etmen için bir işaret olarak değerlendir. Kısa bir model listen olduğunda, yanlış kutularla kaçırılan nesneler arasında nasıl denge kuracağını kesinlik ve duyarlılığa göre VLM seçme rehberimiz açıklıyor.

Veri kümen üzerinde Gemini 4 Hydrogen otomatik etiketleme nasıl çalıştırılır?#

Hydrogen, 1 ila 200 sınıflı algılama veri kümeleri için sınıf istemiyle yönlendirilen bir modeldir. Veri kümenin kendi sınıf adlarıyla kutular döndürür; eğitimden önce bu kutuları gözden geçirirsin.

  1. Google AI Studio üzerinden bir Gemini API anahtarı oluştur.
  2. Çalışma alanı sahibinden, veri kümenin bulunduğu Platform çalışma alanında Ayarlar > API Anahtarları bölümüne anahtarı eklemesini iste. Google ücreti doğrudan anahtarından tahsil eder; ayrıntılar için sağlayıcı anahtarı belgelerine bak.
  3. Etiketleme düzenleyicisinde bir görüntü aç, Smart moduna geç ve model seçicisinde Google bölümünden Gemini 4 Hydrogen'ı seç.
  4. Geçerli görüntüyü etiketlemek için Tahmin Et düğmesine veya P komutuna bas. Sağlayıcı bir maliyet tahmini döndürdüğünde her tahminden sonra çıkan bildirim bu tutarı gösterir; böylece birkaç temsilî görüntüyle kendi verinin maliyetini tahmin edebilirsin.
  5. Veri kümesi sayfasında, etiketlenmemiş tüm görüntüleri tek seferde etiketlemek için Diğer işlemler > Toplu Etiketleme seçeneğini belirle. Tahmini Maliyet değerini kontrol et ve Başlat'a tıkla. Platform önce bir veri kümesi sürümü kaydeder; böylece geri dönebilirsin ve mevcut etiketler asla değiştirilmez.
  6. Kutuları gözden geçirip düzelt, ardından aynı çalışma alanında bulut eğitimi ile sonuç üzerinde bir Ultralytics YOLO26 modeli eğit.

Bu modellerin düzenleyiciye nasıl uyduğunu öğrenmek için Ultralytics Platform'un etiketlemeyi otomatikleştirmek üzere yapay zekâyı nasıl kullandığına ve insan denetimli incelemenin iş akışının neden bir parçası olmaya devam ettiğine bak.

Gemini 4 Hydrogen kimler için uygun?#

Bugün etiketleme için Gemini 3.8 Flash kullanan ekipler, Google'ın hızlı model katmanındaki Hydrogen ile UL37'de 0.037 mAP50 artışı elde ediyor. Model sayfası, PlantDoc'daki en yüksek puan ve Kvasir-SEG'deki en yüksek puan beraberliği dahil her veri kümesindeki sonucu gösteriyor. Sonuçlar veri kümesine göre değişir; bu nedenle Batch Annotation'ı çalıştırmadan önce temsilî görüntülerde dene, kutuları ve tahmini maliyeti kontrol et.

Her modelin doğruluk, maliyet ve hızını karşılaştırmak için VLM Leaderboard üzerinde modelleri incele. Qwen3.8 27B ve SAM 3.1 Text gibi barındırılan modeller için API anahtarına hiç gerek yok.

Sık sorulan sorular

  • 36 gerçek dünya algılama veri kümesini kapsayan UL37 kıyaslamamızda 0.553 mAP50 puanıyla Ultralytics VLM Leaderboard'da Gemini 4 Carbon'ın (0.584) ve GPT-6.1 Terra'nın (0.560) ardından üçüncü sırada yer alıyor. 0.350 mAP50-95 puanı Carbon'ın ardından ikinci sırada; PlantDoc, SeaDronesSee 2 ve IEDXray'de 46 model arasındaki en yüksek puanı alıyor.

  • Kıyaslamamızda Google'ın token ücretleri, 16 Kasım 2026 itibarıyla Hydrogen'ın liste fiyatlarıyla (bir milyon girdi token'ı için 1,50 $, bir milyon çıktı token'ı için 7,50 $) 1.000 görüntü başına 20,32 $ tuttu. Ultralytics Platform'daki Batch Annotation 1.000 görüntü başına 1,00 $ ekler; token ücretlerini Google, senin anahtarından tahsil eder.

  • Hydrogen'ın token başına fiyatı Carbon'ın tanıtım fiyatının %75'i, ancak UL37'de Hydrogen çalıştırmaları görüntü başına yaklaşık iki katı fiyat ağırlıklı token kullandı; bu da 1.000 görüntü başına 20,32 $, Carbon içinse 12,93 $ maliyet oluşturdu. Carbon'ın 1 Aralık'tan itibaren geçerli olacağı duyurulan fiyatıyla, aynı token kullanımı yaklaşık 25,87 $ tutardı.

  • UL37'de Carbon 0.584 mAP50, Hydrogen ise 0.553 puan alıyor; aradaki fark 0.031. Hydrogen, PlantDoc, SeaDronesSee 2, IEDXray, Kvasir-SEG, EgoHands ve TN5000'de Carbon'dan daha yüksek puan alıyor. Kendi görüntülerindeki performans farklı olabilir; bu nedenle büyük bir toplu işlemden önce her ikisini de örnek bir veri kümesinde dene.

  • UL37'de GPT-6.1 Terra 0.560 mAP50, Hydrogen 0.553, GPT-6.1 Sol ise 0.514 puan alıyor. Hydrogen'ın 0.350 mAP50-95 puanı Terra'nın 0.345 ve Sol'un 0.318 puanından yüksek; PlantDoc, SeaDronesSee 2 ve Kvasir-SEG'de Terra'dan daha yüksek puan alıyor. Terra ise TN5000 tiroid ultrasonu veri kümesinde Hydrogen'ın 0.704 puanına karşı 0.935 puan alıyor. GPT-6.1 Terra sonuçları yazımızda Terra'nın en güçlü olduğu alanları ele alıyoruz.

  • UL37'de Hydrogen, Flash'ın 0.516 puanına karşı 0.553 mAP50 alıyor. Çalıştırmalarımızdaki sağlayıcı maliyeti, Hydrogen için 1.000 görüntü başına 20,32 $, Google'ın 31 Aralık'ta sona ereceğini belirttiği tanıtım fiyatıyla Flash için 5,86 $ oldu. Flash'ın 1 Ocak 2027'den itibaren duyurulan fiyatıyla aynı token kullanımı yaklaşık 11,72 $ tutardı.

  • Evet. Çalışma alanı sahibi, veri kümenin bulunduğu çalışma alanında Google AI Studio'dan alınan Gemini API anahtarını Ayarlar > API Anahtarları bölümüne ekler; Google ücreti doğrudan bu anahtara bağlı hesaptan tahsil eder. Sağlayıcı anahtarı kullanmadan etiketleme yapmak için Qwen3.8 27B veya SAM 3.1 Text gibi barındırılan bir modeli ya da kendi YOLO modellerinden birini kullan.

Yazan

Glenn Jocher
Glenn Jocher

Kurucu ve CEO · Ultralytics

Glenn Jocher, dünyanın en yaygın benimsenen bilgisayarlı görü modelleri olan Ultralytics YOLO'nun geliştirilmesine liderlik ettiği Ultralytics'in Kurucusu ve CEO'sudur. Çalışmaları yalnızca daha hızlı ve doğru modeller geliştirmekle ilgili değil; her yerdeki insanların Görsel Yapay Zekâ ile anlamlı sorunları çözmesini sağlamayı amaçlıyor.

Yorumlar

Soru sor, sonuçlarını paylaş veya başka birine yardım et.

Çözümleri keşfet

Sporda bilgisayarlı görü

Sporda bilgisayarlı görü

Ultralytics YOLO'nun oyuncu ve top takibi, performans analitiği, antrenörlük içgörüleri ve sporcu rehabilitasyonuyla spor alanında görsel yapay zekâyı nasıl güçlendirdiğini keşfet.
Daha fazla bilgi edin
Hava görüntüleri için bilgisayarlı görü

Hava görüntüleri için bilgisayarlı görü

İHA ve hava görüntülerini Ultralytics YOLO ile tarım, su ürünleri yetiştiriciliği, koruma çalışmaları ve jeo-uzamsal analiz için gerçek zamanlı içgörülere dönüştür.
Daha fazla bilgi edin
Havacılıkta bilgisayarlı görü

Havacılıkta bilgisayarlı görü

Uçak denetimi, pistteki yabancı madde tespiti, havaalanı yer operasyonları ve kompozit malzeme kusurlarının tespiti için Ultralytics YOLO ile havacılık ve uzay sektöründe bilgisayarlı görü uygula.
Daha fazla bilgi edin
Güvenlikte bilgisayarlı görü

Güvenlikte bilgisayarlı görü

Ultralytics YOLO modelleriyle her sahayı koru. Görsel yapay zekâ; çevre izleme, tehdit tespiti, plaka tanıma ve iş yeri güvenliğini destekler.
Daha fazla bilgi edin
Robotikte bilgisayarlı görü

Robotikte bilgisayarlı görü

Ultralytics YOLO modelleriyle daha akıllı makinelere güç ver. Robotikte görsel yapay zekâ; otonom navigasyonu, algılamayı, nesne takibini ve gerçek zamanlı kontrolü destekler.
Daha fazla bilgi edin
Lojistikte bilgisayarlı görü

Lojistikte bilgisayarlı görü

Ultralytics YOLO modelleriyle lojistiği kolaylaştır. Görüntü yapay zekâsı; paket denetimini, ayrıştırmayı, araç takibini ve gerçek zamanlı depo güvenliği izlemeyi mümkün kılar.
Daha fazla bilgi edin
Perakendede bilgisayarlı görü

Perakendede bilgisayarlı görü

Ultralytics YOLO modelleriyle perakendeyi yeniden tasarla. Görüntü yapay zekâsı; envanter takibini, raf izlemeyi, kuyruk yönetimini ve daha kapsamlı müşteri analizlerini mümkün kılar.
Daha fazla bilgi edin
Sağlık hizmetlerinde bilgisayarlı görü

Sağlık hizmetlerinde bilgisayarlı görü

Ultralytics YOLO modelleriyle sağlık çözümleri geliştir. Sağlık hizmetlerinde görüntü yapay zekâsı; daha hızlı tıbbi görüntüleme, daha akıllı tanı ve hasta takibini mümkün kılar.
Daha fazla bilgi edin
Üretimde bilgisayarlı görü

Üretimde bilgisayarlı görü

Ultralytics YOLO modelleriyle üretimi optimize et. Görsel yapay zekâ; kalite kontrolünü, kusur tespitini, kişisel koruyucu donanım uyumunu ve montaj hattı otomasyonunu destekler.
Daha fazla bilgi edin
Otomotivde bilgisayarlı görü

Otomotivde bilgisayarlı görü

Ultralytics YOLO modelleriyle otomotivde bilgisayarlı görüden yararlan. Görsel yapay zekâ; daha akıllı yollar için yol güvenliğini, sürüş desteğini ve araç otomasyonunu ileri taşır.
Daha fazla bilgi edin
Tarımda bilgisayarlı görü

Tarımda bilgisayarlı görü

Ultralytics YOLO modelleriyle akıllı tarıma görüntü yapay zekâsı kazandır. Daha yüksek ve akıllı verim için mahsul izleme, hayvan takibi ve hassas tarımı destekle.
Daha fazla bilgi edin

Geleceğin yapay zekasını birlikte inşa edelim!

Makine öğreniminin geleceğine yolculuğuna başla