En yeni Ultralytics YOLO modeli olan Ultralytics YOLO26'yı ve hız, doğruluk ve dağıtılabilirlik arasında optimum dengeyi destekleyen son teknoloji özelliklerini keşfedin.
25 Eylül'de, Londra'daki yıllık hibrit etkinliğimiz YOLO Vision 2025'te (YV25), Kurucumuz ve CEO'muz Glenn Jocher, Ultralytics YOLO model serisindeki en son atılım olan Ultralytics YOLO 'yı resmi olarak duyurdu! Yeni bilgisayarla görme modelimiz YOLO26, hız, doğruluk ve dağıtım kolaylığını dengeleyen modern bir mimari ile görüntüleri ve videoları analiz edip yorumlayabiliyor.
Ultralytics YOLO26, modelin tasarımını basitleştirip yeni geliştirmeler eklerken, kullanıcıların Ultralytics YOLO modellerinden beklediği tanıdık özellikleri de sunmaya devam ediyor. Örneğin, Ultralytics YOLO26'nın kullanımı kolaydır, bir dizi bilgisayarla görme görevini destekler ve esnek entegrasyon ve dağıtım seçenekleri sunar.
Söylemeye gerek yok, bu Ultralytics YOLO26'yı kullanmaya geçişi sorunsuz hale getiriyor ve Ekim sonunda halka açık hale geldiğinde kullanıcıların kendileri için deneyimlediklerini görmek için sabırsızlanıyoruz.
Basitçe söylemek gerekirse, Ultralytics YOLO26 daha iyi, daha hızlı ve daha küçük bir Vision AI modelidir. Bu makalede, Ultralytics YOLO26'nın temel özelliklerini ve masaya neler getirdiğini keşfedeceğiz. Hadi başlayalım!
Ultralytics YOLO26'nın temel özelliklerine ve mümkün kıldığı uygulamalara geçmeden önce, bir adım geriye gidelim ve bu modelin geliştirilmesine neden olan ilham ve motivasyonu tartışalım.
Ultralytics'te her zaman inovasyonun gücüne inandık. En başından beri misyonumuz iki yönlü oldu. Bir yandan Vision AI'yı herkesin engelsiz bir şekilde kullanabilmesi için erişilebilir kılmak istiyoruz. Diğer yandan, bilgisayarla görme modellerinin başarabileceklerinin sınırlarını zorlayarak onu en ileri noktada tutmaya eşit derecede kararlıyız.
Bu misyonun arkasındaki temel faktör, yapay zeka alanının sürekli gelişiyor olmasıdır. Örneğin, yapay zeka modellerini buluta güvenmek yerine doğrudan cihazlarda çalıştırmayı içeren uç yapay zeka, endüstrilerde hızla benimseniyor.
Akıllı kameralardan otonom sistemlere kadar, uçtaki cihazlardan artık bilgileri gerçek zamanlı olarak işlemesi bekleniyor. Bu değişim, aynı yüksek doğruluk seviyesini sunarken daha hafif ve daha hızlı modeller gerektiriyor.
Bu nedenle Ultralytics YOLO modellerimizi sürekli olarak geliştirmeye ihtiyaç duyuyoruz. Glenn Jocher'in de belirttiği gibi, "En büyük zorluklardan biri, kullanıcıların YOLO26'dan en iyi şekilde yararlanmasını sağlarken aynı zamanda en yüksek performansı sunmaya devam etmekti."
YOLO26, kutudan beş farklı model çeşidiyle çıkar ve size her ölçekteki uygulamada yeteneklerinden yararlanma esnekliği sunar.
Bu model çeşitlerinin tümü, önceki Ultralytics YOLO modellerinde olduğu gibi birden fazla bilgisayarla görme görevini destekler. Bu, hangi boyutu seçerseniz seçin, YOLO26'nın aşağıdaki gibi geniş bir yetenek yelpazesi sunacağına güvenebileceğiniz anlamına gelir Ultralytics YOLO11.
İşte YOLO26 tarafından desteklenen bilgisayarlı görü görevlerine genel bir bakış:
YOLOv8'in neler yapabileceğini daha iyi anladığımıza göre, mimarisindeki bazı yenilikleri inceleyelim.
Modelin tasarımı, daha önce çıkarımı yavaşlatan ve sınırlayıcı kutu regresyonunu kısıtlayan Dağıtım Odak Kaybı (DFL) modülünün kaldırılmasıyla daha da basitleştirildi.
Tahmin süreci, modelin geleneksel Maksimum Olmayan Bastırma (NMS) adımını atlamasını sağlayan uçtan uca (E2E) çıkarım seçeneği ile de basitleştirilmiştir. Bu iyileştirme karmaşıklığı azaltır ve modelin daha hızlı sonuç vermesini sağlayarak gerçek dünya uygulamalarında dağıtımı kolaylaştırır.
Diğer iyileştirmeler, modeli daha akıllı ve daha güvenilir hale getirir. Aşamalı Kayıp Dengeleme (ProgLoss), eğitimi dengelemeye ve doğruluğu artırmaya yardımcı olurken, Küçük Hedef Farkında Etiket Atama (STAL), modelin küçük nesneleri daha etkili bir şekilde algılamasını sağlar. Buna ek olarak, yeni bir MuSGD optimize edici, eğitim yakınsamasını iyileştirir ve genel performansı artırır.
Aslında, YOLO26'nın en küçük versiyonu olan nano modeli, artık standart CPU'larda %43'e kadar daha hızlı çalışıyor ve bu da onu özellikle mobil uygulamalar, akıllı kameralar ve hız ve verimliliğin kritik olduğu diğer uç cihazlar için çok uygun hale getiriyor.
İşte YOLO26'nın özelliklerinin ve kullanıcıların dört gözle bekleyebileceği şeylerin hızlı bir özeti:
İster mobil uygulamalar, ister akıllı kameralar veya kurumsal sistemler üzerinde çalışıyor olun, YOLO26'yı kullanmak basit ve esnektir. Ultralytics Python paketi, YOLO26'yı mevcut iş akışlarına entegre etmeyi kolaylaştıran ve neredeyse tüm platformlarla uyumlu hale getiren, sürekli artan sayıda dışa aktarma formatını destekler.
Maksimum GPU hızlandırma için TensorRT , geniş uyumluluk için ONNX , yerel iOS uygulamaları için CoreML , Android ve uç cihazlar için TFLite ve Intel donanımında optimize edilmiş performans için OpenVINO dışa aktarma seçeneklerinden birkaçıdır. Bu esneklik, YOLO26'yı ekstra engeller olmadan geliştirmeden üretime taşımayı kolaylaştırır.
Dağıtımın bir diğer önemli parçası da modellerin sınırlı kaynaklara sahip cihazlarda verimli bir şekilde çalışmasını sağlamaktır. Kuantalama burada devreye giriyor. Basitleştirilmiş mimarisi sayesinde YOLO26, bunu son derece iyi bir şekilde ele alıyor. Desteklenen donanımlarda daha hızlı çıkarım için yarı hassasiyetin (FP16) yanı sıra INT8 dağıtımını (boyutu küçültmek ve hızı minimum doğruluk kaybıyla artırmak için 8 bitlik sıkıştırma kullanılarak) destekler.
En önemlisi, YOLO26 bu niceleme seviyelerinde tutarlı performans sunar, bu nedenle güçlü bir sunucuda veya kompakt bir uç cihazda çalışıyor olmasına bakılmaksızın ona güvenebilirsiniz.
YOLO26, birçok farklı sektör ve kullanım alanında çok çeşitli bilgisayarlı görü uygulamalarında kullanılabilir. Robotikten üretime kadar, iş akışlarını iyileştirerek ve daha hızlı, daha doğru karar almayı sağlayarak önemli bir etki yaratabilir.
Örneğin, iyi bir örnek robotikte bulunur; burada YOLO26, robotların çevrelerini gerçek zamanlı olarak yorumlamalarına yardımcı olabilir. Bu, navigasyonu daha sorunsuz ve nesne işlemeyi daha hassas hale getirir. Ayrıca insanlarla daha güvenli işbirliğini sağlar.
Bir diğer örnek de üretimdir, burada model kusur tespiti için kullanılabilir. Üretim hatlarındaki kusurları manuel incelemeden daha hızlı ve doğru bir şekilde otomatik olarak belirleyebilir.
Genel olarak, YOLO26 daha iyi, daha hızlı ve daha hafif olduğundan, hafif uç cihazlardan büyük kurumsal sistemlere kadar çok çeşitli ortamlara kolayca uyum sağlar. Bu, verimliliği, doğruluğu ve güvenilirliği artırmak isteyen endüstriler için pratik bir seçimdir.
Ultralytics YOLO26, kullanımı kolay ve güçlü performans sunmaya devam ederken daha iyi, daha hızlı ve daha hafif olan bir bilgisayarla görme modelidir. Çok çeşitli görevlerde ve platformlarda çalışır ve Ekim ayı sonunda herkes tarafından kullanılabilir olacaktır. Topluluğun yeni çözümler yaratmak ve bilgisayarla görmenin sınırlarını zorlamak için bunu nasıl kullandığını görmek için sabırsızlanıyoruz.
Büyüyen topluluğumuza katılın! AI hakkında daha fazla bilgi edinmek için GitHub depomuzu keşfedin. Çözüm sayfalarımızı ziyaret ederek perakende sektöründe bilgisayarlı görü ve otomotiv sektöründe AI gibi yenilikleri keşfedin. Bilgisayarlı görü ile geliştirmeye bugün başlamak için lisanslama seçeneklerimize göz atın.
.webp)
