Ultralytics YOLO Vision 2026'dan öne çıkanlar!

13 Eylül'de Ultralytics YOLO Vision 2026 (YV26) kapılarını açarak küresel bilgisayarlı görü topluluğunu bir kez daha yüz yüze ve çevrimiçi ortamda bir araya getirdi. Bu yılın “Açık görü, gerçek dünya için geliştirildi” teması, üretim, lojistik, robotik ve güvenlik alanlarında çalışan üretim sistemlerinde açık kaynak köklerinin rolünü aydınlatan bir güne yön verdi.

Kurumsal şirketlerin liderleri, kurucular, mühendisler, araştırmacılar, öğrenciler ve açık kaynak katkıcıları salonu doldururken, çok daha fazla kişi etkinliği YouTube üzerinden takip etti. Bu yazıda, Ultralytics YOLO27 duyurusu, Ultralytics Platform'a gelen önemli güncellemeler, konuşma oturumları ve YV26'yı unutulmaz kılan topluluk anları dahil, günün en önemli duyurularını ele alacağız.

Günün açılışı: Ultralytics'in açık ve gerçek dünyaya yönelik yapay zekâ vizyonu#

Etkinlik, Ultralytics Kurucusu ve CEO'su Glenn Jocher, Büyümeden Sorumlu Başkan Yardımcısı Paula Derrenger ve Kıdemli Makine Öğrenimi Mühendisi Jing Qiu ile birlikte gerçekleştirdiği açılış konuşmasıyla başladı. Birlikte günün temasını ortaya koydular: Görsel yapay zekâ, laboratuvarda yalnızca kıyaslama testlerine tabi tutulduğunda değil, açık, erişilebilir ve sahada gerçekten kullanan kişiler tarafından şekillendirildiğinde en büyük değeri yaratır.

Şekil 1. Ultralytics YOLO Vision 2026 sergi alanı.

Bu çerçeve, gündemin geri kalanını şekillendirdi. YV26, model mimarisine ve model eğitildikten sonra olanlara eşit zaman ayırdı: modelin üretim ortamında nasıl dağıtıldığı, izlendiği ve yinelendiği. Bu tema, günün iki önemli duyurusunda da öne çıktı.

Ultralytics YOLO27: Yeni amiral gemisi nesli sahnede tanıtıldı#

Ultralytics YOLO Vision 2026'nın en önemli duyurusu, YOLO ailesinin yeni amiral gemisi nesli Ultralytics YOLO27 oldu. YOLO27, küçük çaplı bir güncellemeden çok daha fazlasını sunarak aileyi görevler, model mimarileri ve özelleşmiş uygulamalar genelinde genişletiyor.

Duyuru üç temel başlığa odaklandı:

• Ultralytics YOLO27: Dört boyuta (n, s, m ve l) ve yedi göreve yayılan 28 modelden oluşan bir ürün ailesi: nesne algılama, örnek segmentasyonu, anlamsal segmentasyon, derinlik tahmini, sınıflandırma, poz tahmini ve yönelimli nesne algılama. Kompakt modeller, uçta hızlı dağıtım için tasarlanırken büyük modeller üretim GPU iş yüklerine ve doğruluğun kritik olduğu uygulamalara öncelik verir. YOLO27l, COCO'da 60 mAP değerini aşan ilk Ultralytics modelidir ve her boyut aynı tanıdık Ultralytics arayüzünü kullanır.
• Ultralytics YOLO27 Enterprise modelleri: Perakende, depolama, güvenlik ve havadan görsel yapay zekâ dahil, yüksek talep gören kurumsal uygulamalar için oluşturulmuş, alana özgü önceden eğitilmiş modeller. Bu alanlarda yaygın olan nesneler, ortamlar ve uç durumlar üzerinde eğitilen modeller, ekiplere özelleşmiş ve üretime hazır algılama sistemleri için daha güçlü bir başlangıç noktası sunacak.
• Ultralytics YOLOE-27: Ultralytics'in gerçek zamanlı, açık sözcük dağarcıklı algılama ve segmentasyon modellerinin yeni nesli. YOLOE-27; metin, görsel veya istem gerektirmeyen çıkarım yoluyla nesneleri tanıyacak şekilde tasarlanmıştır ve görsel sistemlerini önceden tanımlanmış sabit sınıf kümesinin ötesine taşır.

Bu üç temel başlık birlikte YOLO27'yi tek bir model sürümünün ötesine taşıyarak daha geniş bir aile oluşturuyor: genel amaçlı bir temel model, alana göre ayarlanmış Enterprise çeşitleri ve Ultralytics Python paketinde zaten bulunan LLM arayüzüne doğrudan bağlanmak üzere tasarlanmış açık sözcük dağarcıklı bir model.

YOLO27, YV26 sahnesinde duyuruldu ve bu yılın ilerleyen aylarında kullanıma sunulacak. Yayınlandığı anda bildirim almak için bekleme listesine katıl.

Ultralytics Platform: AutoTrain, Agents ve Monitoring#

Model duyurularının ardından ekip, Ultralytics Platform'a geçti ve bilgisayarlı görü sistemleri oluşturmanın günlük işlerini nasıl kolaylaştırdığını gösterdi. Üç odak alanı, Platform'un verileri hazırlama ile üretimde modelleri çalıştırma arasındaki manuel işi nasıl azalttığını ortaya koydu.

• AutoTrain: Modelleri eğitmek, karşılaştırmak ve iyileştirmek için konuşmaya dayalı bir deneyim. Kullanıcılar ne elde etmek istediklerini doğal dille açıklayabilir, ardından veri kümelerini bulma, eğitim çalıştırmalarını başlatma, sonuçları karşılaştırma ve dağıtım modelleri hazırlama gibi işlemleri gerçekleştirebilir.
• Agents: Görüntüleri, YOLO modellerini, görsel-dil modellerini, koşulları ve eylemleri eksiksiz iş akışlarında birleştirmeye yarayan görsel bir tuval. Örneğin bir işlem hattı, görsel-dil modelini yalnızca YOLO bir kişiyi algıladığında çağırabilir veya güven düzeyi düşük tahminleri inceleme için bir veri kümesine gönderebilir. Şablonlar, kullanıcıların kendi uygulamalarına uyarlamadan önce yaygın örüntülerle başlamasına yardımcı olur.
• Monitoring: İstek hacmi, gecikme, hatalar, sağlık durumu ve günlükler dahil, dağıtılmış uç noktalara yönelik yerleşik görünürlük. Ücretli özel uç noktalar ayrıca canlı tahmin istatistikleri ve kullanıcıların inceleyip veri kümelerine kaydedebileceği geçici örnekler sunar.

Bu yetenekler birlikte daha bağlantılı bir model yaşam döngüsü oluşturur: verileri hazırla, modelleri eğitip karşılaştır, en iyi sonucu dağıt, tahminler etrafında iş akışları oluştur, üretim davranışını izle ve yararlı örnekleri sonraki eğitim döngüsüne aktar.

Konuşma oturumları: Uç silikonlardan somutlaşmış yapay zekâya#

Ürün duyurularının yanı sıra gündem, günümüzde gerçek dünyada görsel yapay zekâ dağıtımının nasıl göründüğünü ele almak üzere yapay zekâ ekosisteminin farklı kesimlerinden liderleri bir araya getirdi.

• İnşaat ve endüstriyel denetim: Keith Povich, Ultralytics YOLO26'nın inşaat sahalarını anlamak için nasıl kullanıldığını anlattı. Basit nesne algılamanın ötesine geçen sistem, saha düzeyinde bağlam sağlıyor, disiplinler arası çakışmaları belirliyor ve uzmanların incelemesi için kanıtlarla desteklenen düzeltmeler hazırlıyor.
• Görsel yapay zekâ için açık işlem gücü: Alex Zhang, denemelerden ve eğitimden gerçek dünya çıkarımına kadar Ultralytics YOLO'nun PyTorch ve ROCm üzerinden AMD GPU'larda nasıl çalıştığını gösterdi.
• Uçta hızlandırma: NVIDIA, Intel ve Qualcomm oturumlarında, Intel'in OpenVINO™ ile Core Ultra işlemciler için yaptığı optimizasyonlar da dahil olmak üzere, yeni nesil uç donanımlarda YOLO modellerinin eğitimden dağıtıma kadar hızlandırılması ele alındı.
• Sahada robotik: Lisa Li, D-Robotics RDK aracılığıyla gerçek dünyadaki robotlarda Ultralytics YOLO'yu kullanan küresel üreticilerin deneyimlerini ve kıyaslama sonuçlarını paylaştı.
• Somutlaşmış görsel yapay zekâ: Paul Li, robotik araştırmalarını güvenilir, gerçek dünya robotik sistemlerine dönüştürme çalışmalarını ve algılamayı laboratuvardan çıkarıp çalışan robotlara aktarmanın pratik zorluklarını ele aldı.
• İnsanlık için yapay zekâ: Dr. James Ong'un konuşması, görsel yapay zekâyı büyük ölçekte dağıtmanın beraberinde getirdiği daha geniş sorumluluğu ele alarak odağı tek tek ürünlerin ötesine taşıdı.
• Değerin bir sonraki durağı: Steve Nouri, modeller daha yetenekli ve metalaşmış hâle geldikçe yapay zekâ ekonomisinin nasıl değiştiğini inceledi ve kalıcı avantajın modelin kendisinden değil, veriden, bağlamdan, iş akışlarından ve güvenden geleceğini savundu.

Gün, bu teknolojilerin nasıl yakınsadığını ve daha yetenekli görsel yapay zekâyı gerçek dünyaya taşımak için bundan sonra neler yapılması gerektiğini ele alan; model geliştiricileri, donanım yenilikçileri ve gerçek ürünler geliştiren ekiplerin katıldığı bir panel tartışmasıyla sona erdi.

Etkinlik alanındaki stantlar, atölyeler ve canlı demolar#

Sahne, görsel yapay zekânın gelecekte nereye gittiğini ele alırken etkinlik alanı, bu teknolojinin ne kadarının bugün çalışır durumda olduğunu gösterdi. YV26'da gün boyunca üç ayrı demo molası ve tam bir öğle yemeği oturumu düzenlendi; böylece katılımcılar yalnızca koltuklarından izlemek yerine uygulamalı deneyim için bolca zaman buldu.

Bu yılki demolar, etkinlik alanının büyük bölümünü doldurdu:

• LimX Dynamics, somutlaşmış yapay zekâ donanımını etkinlik alanında hayata geçirerek katılımcılara YOLO gibi algılama modellerinin gerçek robotik platformlara nasıl bağlandığını yakından görme fırsatı sundu.
• D-Robotics, uçta kullanılan SoC geliştirme kitlerini sergileyerek algılama, hareket kontrolü ve karar vermeyi tek bir birleşik yığında çalıştırma konusundaki geçmiş YOLO Vision etkinliklerinde başlayan tartışmayı sürdürdü.
• Axera, verimli ve düşük güçlü çıkarım için geliştirilmiş çipleri ve işlem platformlarını tanıttı; katılımcılar aynı YOLO modellerinin farklı uç silikonlarda nasıl çalıştığını karşılaştırabildi.

Sponsor stantlarının yanı sıra AMD, gruplara Ultralytics YOLO'yu doğrudan AMD ROCm ve AMD donanımında dağıtmayı gösteren özel bir uygulamalı atölye düzenledi; bu atölye, günün erken saatlerinde ana sahnede yapılan AMD konuşmasını daha teknik bir bakışla tamamladı.

Şekil 2. Ultralytics YOLO Vision 2026'da düzenlenen atölyeler

Demo molaları, Ultralytics ekibine günün duyurularını katılımcılara doğrudan deneyimletme fırsatı da verdi: Ultralytics Platform'da Auto-training ve Agents özelliklerini canlı olarak gösteren ekip, Ask AI'ı denemelerine ve sahnede yapılan bir demoyu izlemek yerine kendi iş akışlarını oluşturmalarına olanak tanıdı.

Önceki etkinliklerde olduğu gibi, en iyi anlardan bazıları bu aralarda yaşandı. Ultralytics kariyer girişimlerinden ürün mağazasına kadar, katılımcılar stantlarda dağıtım zorlukları hakkında deneyimlerini paylaştı, iş ortağı mühendislerine sorular sormak için sıraya girdi ve bir önceki yıl YV25'in Londra ve Shenzhen etkinliklerinde başlayan sohbetleri sürdürdü. Kurumsal şirketlerin liderlerinin, açık kaynak katkıcılarının, öğrencilerin ve hobi amaçlı çalışanların aynı stantlarda omuz omuza durması, sahnedeki teknoloji yıldan yıla ne kadar değişirse değişsin her YOLO Vision etkinliğinde sürekliliğini koruyor.

Önemli çıkarımlar#

YOLO Vision 2026, Ultralytics'in birbiriyle bağlantılı iki alanda ilerleme kaydettiğini gösterdi: Ultralytics YOLO ailesini YOLO27, Enterprise modelleri ve açık sözcük dağarcığı yetenekleriyle genişletirken, Ultralytics Platform aracılığıyla model yaşam döngüsünün tamamını daha erişilebilir hâle getirmek.

Bu gelişmeler, yalnızca daha hızlı ve daha isabetli değil, gerçek dünya ortamlarında eğitmesi, bağlaması, dağıtması, izlemesi ve iyileştirmesi de daha kolay olan görüntü yapay zekâsına işaret ediyor.

Ultralytics Platform Platformunu bugün keşfet ve YOLO27'nin yayınlanmasına yaklaşırken güncellemeler için bekleme listesine katıl. Sırada neler olacağının parçası olmak için topluluğumuza ve GitHub depomuza katıl.