Bilgisayarlı görü görevleri için Google Gemini 2.5'i uygulamalı olarak dene

AI alanındaki gelişmeler hızla ilerliyor ve yeni yenilikler neredeyse her gün manşetlere taşınıyor. Bu çığır açan yeniliklerden biri, Google DeepMind'ın 26 Mart 2025'te tanıttığı çok modlu Gemini 2.5 modeli. Geleneksel Büyük Dil Modelleri (LLM'ler), insan benzeri metinler oluşturmak için büyük miktarda veriden öğrenebilirken Gemini 2.5 bunun ötesine geçiyor.

Görüntüleri, sesi ve videoyu işleyebilen bir "düşünen model" olarak tasarlandı. Akıl yürütme ve kodlama becerileri geliştirildi. İlginç bir şekilde, makinelerin nesne algılama, görüntü açıklaması oluşturma ve optik karakter tanıma (OCR) gibi görsel verileri yorumlayıp analiz ettiği bilgisayarlı görü görevlerinde de iyi performans gösteriyor.

Şekil 1. Bir görselin içeriğini anlamak için Gemini 2.5 kullanımına örnek.

Bu makalede, Gemini 2.5'in bilgisayarlı görü yeteneklerini uygulamalı olarak deneyimlemene yardımcı olacak Ultralytics not defterlerinden birini adım adım inceleyeceğiz. Ayrıca Gemini 2.5'in temel özelliklerine yakından bakacak ve gerçek dünyadaki uygulamalar için bilgisayarlı görü çözümleri geliştirmede nasıl kullanılabileceğini göstereceğiz.

Gemini 2.5’e genel bakış: özellikler ve yetenekler#

Gemini 2.5 model serisinin yayımlanan ilk sürümü, Gemini 2.5 Pro'nun deneysel bir sürümüydü. Yanıt vermeden önce üzerinde düşünerek karmaşık sorunları çözmek üzere tasarlandı. Pekiştirmeli öğrenme (modelin geri bildirimlerden öğrendiği yöntem) ve düşünce zinciri istemleri (sorunları adım adım çözme yaklaşımı) gibi yöntemlerden yararlanıyor.

Temel özelliklerinden biri, 1 milyon belirteç (yaklaşık bir milyon sözcük veya sözcük parçası) alabilen ve bu kapasitenin 2 milyona çıkarılması beklenen devasa bağlam penceresidir. Böylece model aynı anda çok miktarda bilgi alabilir ve daha ayrıntılı, doğru sonuçlar üretebilir.

Gemini 2.5, dili işlemenin yanı sıra aşağıdaki bilgisayarlı görü görevlerinde kullanılabilir:

• Nesne tespiti: Bir görseldeki nesneleri tanımlama ve konumlarını belirleme işlemidir. Gözetim veya otonom araçlar gibi uygulamalarda kullanılabilir.
• Görüntü açıklaması oluşturma: Bu görev, bir görüntüyü açıklayan metin oluşturmayı içerir. Görsel içeriğin daha erişilebilir ve anlaşılır olmasını sağlar.
• Optik karakter tanıma: Bu teknoloji, görsellerdeki metni düzenlenebilir ve makinelerce okunabilir metne dönüştürür. Belgeleri dijitalleştirmek ve veri girişini otomatikleştirmek için kullanışlıdır.

Google Gemini 2.5’i kıyaslama ve diğer modellerle karşılaştırma#

Günümüzde yapay zekâ alanında kullanılabilen çeşitli çok kipli modeller var; bu nedenle Gemini 2.5 Pro’nun onlarla karşılaştırıldığında nasıl bir performans sergilediğini anlamak önemli. Google DeepMind’ın paylaştığı kıyaslama sonuçlarına göre Gemini 2.5 Pro, çeşitli görevlerde etkileyici bir performans gösteriyor.

Örneğin, pek çok konuyu kapsayan zorlu bir sınavı simüle eden ve ileri düzey akıl yürütme ile genel bilgiyi ölçen Humanity’s Last Exam adlı testte Gemini 2.5 Pro yaklaşık %18,8 puan alarak yaklaşık %14 puan alan OpenAI’nin o3-mini modeli gibi modelleri geride bırakıyor.

Şekil 2. Gemini 2.5 Pro’nun kıyaslama performansına genel bakış.

Matematik ve kodlama problemlerinde de çok başarılıdır; genellikle OpenAI GPT-4.5, Claude 3.7 Sonnet, Grok 3 Beta ve DeepSeek R1 gibi modellerle aynı veya daha yüksek performans göstererek karmaşık görevleri yerine getirme ve büyük miktarda veriyi işleme becerisini kanıtlar. Nesne algılama konusunda Gemini 4 Argon ve Gemini 3.8 Flash gibi daha yeni Gemini modelleri, diğer çok modlu modellerle VLM Leaderboard üzerinde karşılaştırılır.

Gemini 2.5’i uygulamalı olarak tanıma: Google Gemini API nasıl kullanılır#

Gemini 2.5 Pro birden fazla platformda kullanılabilir. Google AI Studio'da deneyebilir ve Gemini Advanced kullanıcılarına sunulan Gemini uygulaması üzerinden erişebilirsin. Google DeepMind, lansman duyurusunda modelin Vertex AI'da da destekleneceğini belirtti. Bu erişim noktaları, geliştiricilerin gerçek dünyadaki AI uygulamalarında Gemini 2.5 Pro'yu kullanmasını kolaylaştırıyor.

Ancak Google Gemini API’yi kullanmak, karmaşık kurulumlarla uğraşmadan yalnızca birkaç dakika içinde işe koyulmak ve bilgisayarlı görü yeteneklerini daha iyi anlamak istiyorsan, Gemini 2.5 Pro ile nesne algılama ve görüntü altyazısı oluşturma gibi görevleri gösteren Ultralytics not defterine göz atabilirsin. Not defterinde seni nelerin beklediğini ayrıntılı olarak inceleyelim.

Google Gemini 2.5 not defteriyle çıkarım ayarlama#

Ultralytics not defterini kullanmaya ve Google Gemini 2.5 ile çalışmaya başlamak için önce Google AI Studio üzerinden bir API anahtarı oluşturman gerekir. Bu anahtar, modeli kullanabilmen için Gemini API’ye erişmeni sağlar.

API anahtarını aldıktan sonra ortamında gerekli kitaplıkların yüklü olduğundan emin ol; bunlar arasında Ultralytics paketleri ve Google’ın yapay zekâ araç seti bulunur. Bu adım not defterinde açıkça anlatılıyor, böylece çalışma alanını kurmak için talimatları kolayca izleyebilirsin.

Her şeyi yapılandırdıktan sonra, çalışma alanın ile model arasında bağlantı kuran API anahtarını (aşağıda gösterildiği gibi) girerek Gemini API’ye bağlanabilirsin. Bundan sonra Gemini 2.5’e görüntüler ve metin istemleri göndermeye hazır olacaksın.

Temelde modele bir görüntü ve basit bir talimat (örneğin “bu görüntüdeki nesneleri algıla” veya “ne gördüğünü açıkla”) verebilirsin; model de ihtiyacın olan sonuçları döndürür. Bu yalın süreç, Gemini 2.5’in bilgisayarlı görü yeteneklerini keşfetmeye başlamayı kolaylaştırır.

Google Gemini 2.5 ile nesne algılama#

Not defterindeki önemli örneklerden biri, Gemini 2.5 Pro ile nesne algılamadır. Bu örnekte modele bir görüntü ve nesneleri algılamasını isteyen basit bir istem verirsin.

Model görüntüyü işler ve bulduğu her nesne için bir koordinat ve etiket kümesi döndürür; koordinatlar normalleştirilmiş biçimdedir. Ardından Ultralytics Python paketindeki işlevler, bu normalleştirilmiş değerleri görüntünün gerçek boyutlarına uygun hâle getirmek ve aşağıda gösterildiği gibi her nesnenin çevresine belirgin sınırlayıcı kutular çizmek için kullanılır.

Şekil 3. Google Gemini 2.5 ile nesne algılama.

Gemini 2.5 ile görüntü altyazısı oluşturma#

Not defterindeki bir diğer ilginç örnek, Gemini 2.5 Pro ile görüntü açıklaması oluşturma. Bu örnekte modele bir görüntü verip görüntüde ne olduğunu açıklayan ayrıntılı bir açıklama oluşturmasını isteyen bir istem sunuyorsun.

Model daha sonra görsel içeriği analiz eder ve görüntünün hem içeriğini hem de bağlamını yansıtan, çoğunlukla birden fazla cümle olarak biçimlendirilmiş bir anlatım döndürür. Bu özellik erişilebilirliği iyileştirmek, görsel bilgileri özetlemek ve hatta yaratıcı hikâye anlatımını geliştirmek için kullanışlıdır.

Google Gemini modelleriyle OCR doğruluğunu artırma#

Görüntülerdeki metni okuyabilme özelliğinden yararlanan bir bilgisayarlı görü görevi OCR’dir. Not defterinde modele metin içeren bir görüntüyle birlikte bu metni çıkarmasını isteyen bir istem verebilirsin. Model görüntüyü işler ve aşağıda gösterildiği gibi hem algılanan metni hem de metnin bulunduğu koordinatları döndürür.

Ardından Ultralytics Python paketindeki işlevler, bu normalleştirilmiş koordinatları görüntünün gerçek boyutlarına dönüştürmek ve metin bölgelerinin çevresine sınırlayıcı kutular çizmek için kullanılır. Bu açıklama eklenmiş çıktı, metnin nerede bulunduğunu net bir şekilde gösterir; bu da belgeleri dijitalleştirmek, veri girişini otomatikleştirmek ve erişilebilirliği iyileştirmek için kullanışlıdır.

Şekil 4. Google Gemini 2.5 ile görüntüdeki metin verilerini çıkarma.

Google Gemini 2.5’in gerçek dünyadaki uygulamaları#

Google Gemini 2.5 Pro’nun çeşitli bilgisayarlı görü görevlerinde nasıl kullanılabileceğini ele aldığımıza göre, şimdi bu yeteneklerden yararlanılabilecek bazı gerçek dünya uygulamalarını inceleyelim.

Örneğin Gemini 2.5 Pro'nun nesne algılama becerisi, geniş görüntü koleksiyonlarını otomatik olarak etiketlemeye ve düzenlemeye yardımcı olarak veri kümesi oluşturma veya içerik yönetimi gibi görevleri çok daha hızlı hâle getirebilir. Model ayrıca perakende ve tarım gibi alanlarda görüntüleri analiz etmek; örneğin raflardaki ürünleri algılamak veya tarla fotoğraflarında ürün stresi belirtilerini belirlemek için de kullanılabilir.

Şekil 5. Gemini 2.5 Pro bir bitkinin sağlığını analiz ediyor.

Bu sırada modelin görüntü altyazısı oluşturma özelliği, görme engelli kullanıcıların bir görüntüde ne olduğunu anlamasına yardımcı olabilir. Örneğin kalabalık bir caddenin fotoğrafı varsa model, araç türlerinden yayaların hareketliliğine ve hatta ışık ipuçlarına dayanarak günün hangi saati olduğuna kadar sahneyi ayrıntılı biçimde açıklayan bir altyazı oluşturabilir.

Bunun yanı sıra Gemini 2.5’in OCR işlevi çeşitli uygulamalarda kullanılabilir. Örneğin sayfaları veya makbuzları tarayarak basılı belgeleri dijitalleştirebilirsin. Bu özellik, veri girişi görevlerini otomatikleştirmek, formları işlemek, hatta kartvizit ve tabelalardaki metinleri okumak için idealdir.

Genel olarak Google Gemini 2.5 Pro, çok çeşitli pratik yapay zekâ uygulamalarının önünü açıyor.

Önemli çıkarımlar#

Google Gemini 2.5 Pro, metin oluşturup analiz etmenin ötesinde nesne algılama, görüntü altyazısı oluşturma ve OCR gibi bilgisayarlı görü görevlerinde kullanılabilir. Geniş bağlam penceresi ve gelişmiş akıl yürütme yetenekleri sayesinde gerçek dünya senaryolarında işe yarayan, ayrıntılı ve bağlamı dikkate alan sonuçlar üretir.

Yapay zekâ modelleri gelişmeye devam ettikçe Gemini 2.5 Pro gibi araçlar, farklı sektörlerdeki karmaşık sorunları çözmeyi kolaylaştırıyor. Daha fazla kuruluş görsel anlamadan dil işlemeye kadar çok çeşitli görevleri yerine getirebilen esnek, çok modlu çözümler aradıkça yapay zekânın çok daha geniş ölçekte benimsenmesi olası.

Topluluğumuzun bir parçası ol ve AI projeleri hakkında bilgi edinmek için GitHub depomuza göz at. Çözümler sayfalarımızda tarımda görsel AI uygulamalarını ve üretimde AI'nin rolünü keşfet. Lisans planlarımızı incele ve bugün bilgisayarlı görü çözümleri geliştir!