Önceden eğitilmiş Ultralytics YOLOv8 modeliyle nesne algılama

Bu eğitimde Ultralytics YOLO modellerini ve nesne algılama için bunların nasıl kullanılacağını inceliyoruz.

Ultralytics YOLOv8 modeline genel bakış#

Ultralytics YOLOv8 modelinin özellikleriyle başlayalım. Bu model, nesne algılama alanında önemli bir gelişmeyi temsil ediyor ve hız ile doğruluk arasında güçlü bir denge sunuyor. Önceki YOLO modelleriyle karşılaştırıldığında YOLOv8, algılama doğruluğundan ödün vermeden daha hızlı çıkarım yapıyor.

İncelememiz sırasında Ultralytics YOLOv8'in çıkarım hızını ve doğruluğunu diğer YOLO modelleriyle karşılaştırarak gerçek zamanlı nesne algılamadaki avantajlarını göstereceğiz. YOLOv8 ile kullanıcılar çok çeşitli uygulamalarda performansta önemli bir iyileşme bekleyebilir.

Önceden eğitilmiş Ultralytics YOLOv8 modellerini kullanma#

Ultralytics YOLOv8 modelinin öne çıkan özelliklerinden biri, özellikle önceden eğitilmiş modellerle kullanımının kolay olmasıdır. İster uzman bir geliştirici ol ister bilgisayarlı görü, makine öğrenmesi veya derin öğrenme yolculuğuna yeni başla, önceden eğitilmiş YOLOv8 modellerini kullanmak kolaydır.

Yalnızca iki satır Python koduyla, önceden eğitilmiş bir Ultralytics YOLOv8 modelini nesne algılama için çalıştırabilirsin. Böylece bilgisayarlı görü özelliklerini projelerine en az çabayla entegre edebilirsin.

Ultralytics YOLOv8 belgeleri ve argümanları#

Ultralytics YOLOv8 modeli için sunulan kaynakları bilmek de işine yarar. Gelecekteki eğitimlerimiz özel nesne algılama, nesne takibi, poz tahmini ve segmentasyon gibi çeşitli konuları ele alarak her seviyedeki kullanıcıya kapsamlı rehberlik sunacak.

Şekil 1. Ultralytics YOLO modellerinin gerçekleştirdiği temel görevler.

Ayrıca Ultralytics YOLOv8'den en iyi şekilde yararlanmak için temel tahmin argümanlarını ele alacağız. Kaynak, güven eşiği ve cihaz seçimi gibi argümanları anlamak, modellerini belirli gereksinimlere göre uyarlamana yardımcı olacak.

Web kamerasıyla gerçek zamanlı nesne algılama#

Ultralytics YOLOv8, web kamerasında gerçek zamanlı nesne algılama da yapabilir. Videoda YOLOv8, canlı web kamerası akışındaki nesneleri saniyede 100 karenin üzerinde algılıyor.

İster işlek bir caddeyi izle ister karmaşık bir ortamda nesneleri takip et, Ultralytics YOLOv8 gerçek zamanlı senaryolarda iyi performans gösterir. Çok çeşitli nesneleri hassas ve verimli biçimde algılama yeteneğiyle YOLOv8; sağlık, tarım ve üretim dâhil çeşitli sektörlerdeki uygulamalar için yeni olanaklar sunar.

Kapanış#

Sonuç olarak YOLOv8, nesne algılama alanında önemli bir ilerlemeyi temsil ediyor. Ultralytics olarak geliştiricilere ve araştırmacılara makine öğrenmesi ve yapay zekâ için pratik araçlar ve kaynaklar sunmaya kararlıyız. YOLOv8'in yerini daha sonra Ultralytics YOLO26 aldı; YOLO26'yı aynı Python API ile çalıştırabilirsin.

Videonun tamamını izle ve daha fazla eğitim, rehber ve bilgi için bizi takipte kal. Ultralytics YOLO ile geliştirdiklerini paylaşmak için topluluğumuza katıl!