Ultralytics'in YOLO Vision 2025 Shenzhen'deki önemli anları!

26 Ekim'de YOLO Vision 2025 (YV25), Shenzhen'deki OCT Creative Culture Park'ın B10 Binası'nda Çin'deki ilk çıkışını yaptı. Ultralytics'in hibrit vizyon AI etkinliği, YouTube ve Bilibili üzerinden çevrim içi katılan çok sayıda kişinin yanı sıra 200'den fazla katılımcıyı şahsen bir araya getirdi.

YV25 Shenzhen canlı yayını, YouTube'da şimdiden 3.500'den fazla izlenmeyi aştı ve etkinlik öne çıkanları toplulukta paylaşıldıkça ilgi görmeye devam ediyor. Gün; fikirler, sohbetler ve vizyon AI'ın gelecekte nereye doğru gittiğine dair uygulamalı keşiflerle doluydu.

Gün, ev sahibimiz Huang Xueying'in herkesi bağlantı kurmaya, öğrenmeye ve etkinlik boyunca tartışmalara katılmaya davet ettiği sıcak bir karşılama ile başladı. Kendisi, bunun Eylül ayındaki Londra edisyonunun ardından yılın ikinci YOLO Vision'ı olduğunu açıkladı ve vizyon AI topluluğunu burada, Shenzhen'de yeniden bir araya getirmenin ne kadar heyecan verici olduğunu paylaştı.

Bu makalede, model güncellemeleri, konuşmacı oturumları, canlı demolar ve herkesi bir araya getiren topluluk anları dahil olmak üzere günün öne çıkan kısımlarını tekrar gözden geçireceğiz. Hadi başlayalım!

Ultralytics YOLO modellerinin bugüne kadarki yolculuğu#

Günün ilk açılış konuşması, Ultralytics YOLO modellerinin bir araştırma bulgusundan nasıl dünyada en yaygın kullanılan vizyon AI modellerinden birine dönüştüğünü paylaşan Ultralytics Kurucusu ve CEO'su Glenn Jocher tarafından gerçekleştirildi. Glenn, erken dönem çalışmalarının YOLO'yu kullanmayı daha kolay hale getirmeye odaklandığını açıkladı.

Modelleri PyTorch'a taşıdı, belgeleri iyileştirdi ve her şeyi açık bir şekilde paylaşarak dünyanın her yerindeki geliştiricilerin bunun üzerine inşa edebilmelerini sağladı. Kendisi o günleri şöyle hatırlıyor: "2018'de işin içine balıklama daldım. Geleceğimin burada olduğuna karar verdim." Kişisel bir çaba olarak başlayan şey, hızla küresel bir açık kaynak hareketine dönüştü.

Şekil 1. Glenn Jocher, YOLO Vision 2025 Shenzhen'de sahnede konuşuyor.

Bugün Ultralytics YOLO modelleri her gün milyarlarca çıkarım gerçekleştiriyor ve Glenn bu ölçeğin sadece onu inşa etmeye yardımcı olan insanlar sayesinde mümkün olduğunu vurguladı. Dünyanın dört bir yanından araştırmacılar, mühendisler, öğrenciler, hobi meraklıları ve açık kaynak katkıda bulunanlar YOLO'yu bugünkü haline getirdi.

Glenn'in ifade ettiği gibi: "Dışarıda neredeyse bin kadar [katkıda bulunan] var ve bunun için çok minnettarız. Bugün bulunduğumuz yere bu insanlar olmadan gelemezdik."

Ultralytics YOLO26 güncellemeleri#

Ultralytics YOLO26'ya dair ilk bakış, bu yılın başlarında Ultralytics YOLO model ailesindeki bir sonraki büyük adım olarak tanıtıldığı YOLO Vision 2025 London etkinliğinde paylaşılmıştı. YV25 Shenzhen'de Glenn, bu duyurudan bu yana kaydedilen ilerleme hakkında bir güncelleme sundu ve AI topluluğuna modelin nasıl evrildiğini daha yakından inceleme fırsatı verdi.

Ultralytics YOLO26, gerçek dünyadaki kullanım için pratik kalırken daha küçük, daha hızlı ve daha doğru olacak şekilde tasarlanmıştır. Glenn, ekibin son bir yılı mimariyi iyileştirmeye, cihazlar arası performansı kıyaslamaya ve araştırma ile topluluk geri bildirimlerinden gelen içgörüleri entegre etmeye harcadığını açıkladı. Buradaki amaç, modelleri dağıtmayı zorlaştırmadan son teknoloji performans sunmaktır.

Ultralytics YOLO26'dan neler beklenebilir#

Glenn'in vurguladığı temel güncellemelerden biri, Ultralytics YOLO26'nın özel bir hiperparametre ayar kampanyasıyla eşleştirilmesi ve tamamen sıfırdan training yapmaktan daha büyük veri kümeleri üzerinde ince ayar yapmaya geçilmesidir. Bu yaklaşımın gerçek dünya kullanım senaryolarıyla çok daha uyumlu olduğunu ayrıntılı olarak açıkladı.

Etkinlikte paylaşılan diğer önemli iyileştirmelerden bazıları şunlardır:

• Basitleştirilmiş mimari: Distribution Focal Loss (DFL) katmanı kaldırıldı. Bu, modelleri çalıştırırken aynı doğruluk seviyesini korurken onları daha basit ve daha hızlı hale getiriyor.
• Uçtan uca çıkarım desteği: Ultralytics YOLO26 yerel olarak uçtan ucadır, yani ayrı bir NMS katmanı olmadan çalışabilir. Bu, ONNX ve TensorRT gibi formatlara exporting yapmayı ve uç donanıma dağıtım gerçekleştirmeyi çok daha kolay hale getirir.
• Daha iyi küçük nesne performansı: Güncellenmiş kayıp (loss) stratejileri, bilgisayarlı görüde uzun süredir devam eden bir zorluk olan küçük nesneleri modelin daha güvenilir bir şekilde tespit etmesine yardımcı oluyor.
• Yeni bir hibrit optimize edici: YOLO26, model doğruluğunu artıran ve artık doğrudan Ultralytics Python paketine yerleşik olarak gelen, yakın tarihli büyük dil modeli eğitimi araştırmalarından esinlenen yeni bir optimize edici içeriyor.

Ultralytics YOLO26, pratik vizyon AI'da bir sonraki adımdır#

Bu güncellemeler birlikte, CPU üzerinde %43'e kadar daha hızlı çalışırken aynı zamanda Ultralytics YOLO11'den daha doğru sonuçlar veren modeller ortaya çıkarıyor; bu da YOLO26'yı gömülü cihazlar, robotik ve uç sistemler için özellikle etkili kılıyor.

Ultralytics YOLO26, YOLO11'de şu anda mevcut olan tüm aynı görevleri ve model boyutlarını destekleyerek aile genelinde 25 model varyantı sağlayacak. Buna nano boyuttan ekstra büyük boyuta kadar değişen algılama, segmentasyon, poz tahmini, yönlendirilmiş sınırlayıcı kutular (OBB) ve sınıflandırma modelleri dahildir.

Ekip ayrıca beş istem tabanlı (promptable) varyant üzerinde çalışıyor. Bunlar, eğitim gerektirmeden metin istemi alabilen ve doğrudan sınırlayıcı kutular döndürebilen modellerdir.

Farklı kullanım senaryolarına uyarlanması daha kolay olan, daha esnek, komut tabanlı görüntü işleme iş akışlarına doğru atılmış erken bir adımdır. Ultralytics YOLO26 modelleri hâlâ aktif geliştirme aşamasındadır, ancak erken performans sonuçları güçlüdür ve ekip bunları yakında yayınlamak için çalışmaktadır.

Ultralytics Platformuna bir bakış#

YOLO26 güncellenmesinden sonra Glenn, Ultralytics Platform'un canlı demosunu yapmak üzere Ürün Mühendisliği Başkanımız Prateek Bhatnagar'ı sahneye davet etti. Bu platform; veri setlerini keşfetmek, görselleri etiketlemek, modelleri eğitmek ve sonuçları karşılaştırmak dahil olmak üzere bilgisayarlı görü iş akışının temel parçalarını bir araya getirmek için inşa ediliyor.

Şekil 2. Prateek Bhatnagar, Ultralytics Platformunu sergiliyor.

Prateek, platformun Ultralytics'in açık kaynak köklerine sadık kaldığına dikkat çekerek geliştiricilerin birbirlerinin çalışmalarına katkıda bulunabileceği, yeniden kullanabileceği ve geliştirebileceği iki topluluk alanı (bir veri seti topluluğu ve bir projeler topluluğu) tanıttı. Demo sırasında yapay zeka destekli etiketlemeyi, kolay bulut eğitimini ve yerel GPU kaynaklarına ihtiyaç duymadan doğrudan topluluktan modellerde ince ayar yapma yeteneğini sergiledi.

Platform şu anda geliştirme aşamasındadır. Prateek, dinleyicileri duyuruları takip etmeye teşvik etti ve ekibin lansmanı desteklemek için Çin'de büyüdüğünü belirtti.

YOLO'nun arkasındaki sesler: Yazarlar paneli#

Artan ivmeyle birlikte etkinlik, farklı YOLO modellerinin arkasındaki araştırmacılardan birkaçının yer aldığı bir panel tartışmasına dönüştü. Panelde Glenn Jocher'in yanı sıra Kıdemli Makine Öğrenimi Mühendisimiz Jing Qiu; Meta'da Makine Öğrenimi Mühendisi ve YOLOv10'un yazarlarından biri olan Chen Hui; ve Meituan'da Algoritma Stratejisti ve YOLOv6'nın yazarlarından biri olan Bo Zhang yer aldı.

Şekil 3. Huang Xueying, Chen Hui, Bo Zhang, Jing Qiu ve Glenn Jocher'ın yer aldığı YOLO modellerinin geliştirilmesi üzerine bir panel.

Tartışma, YOLO'nun gerçek dünya kullanımı yoluyla nasıl gelişmeye devam ettiğine odaklandı. Konuşmacılar, ilerlemenin genellikle uç cihazlarda verimli çalışma, küçük nesne tespitini iyileştirme ve model dışa aktarmayı basitleştirme gibi pratik dağıtım zorlukları tarafından yönlendirildiğine değindi.

Panel, sadece doğruluğu kovalamak yerine üretim ortamlarında hız, kullanılabilirlik ve güvenilirliği dengelemenin önemine dikkat çekti. Paylaşılan bir diğer çıkarım ise yineleme ve topluluk geri bildiriminin değeriydi.

Sohbetten diğer bazı ilginç içgörüler şunlardır:

• Açık sözcüklü tespit (open-vocabulary detection) YOLO ekosisteminde ilgi görüyor: Daha yeni modeller, vizyon-dil uyumu ve istem tabanlı iş akışlarının sabit kategorilerin ötesindeki nesneleri nasıl tespit edebileceğini gösteriyor.
• Hafif dikkat mekanizmaları yükselişte: Panel, her yerde tam dikkat yerine verimli dikkat mekanizmaları kullanmanın, çıkarımı uç cihazlar için yeterince hafif tutarken doğruluğu nasıl artırabileceğini tartıştı.
• Toplulukla erken ve sık yineleyin: Panelistler, modelleri daha erken yayınlamanın ve kullanıcılardan öğrenmenin uzun özel geliştirme döngülerinden daha güçlü sonuçlar doğurduğu bir inşa et-test et-iyileştir zihniyetini pekiştirdiler.

AI ve vizyonun geleceğini tanımlayan düşünce liderleri#

Sırada, vizyon AI'ın dijital insanlardan robotiğe, çok modlu muhakemeden verimli uç dağıtımına kadar nasıl evrimleştiğinin paylaşıldığı YV25 Shenzhen'deki açılış konuşmalarına daha yakından bakalım.

AI'ya insan deneyimini anlamayı öğretmek#

Aydınlatıcı bir oturumda, Alibaba Qwen Lab'den Dr. Peng Zhang, ekibinin daha doğal hareket ve kontrol ile etkileyici dijital insanlar üretebilen büyük video modellerini nasıl geliştirdiğini paylaştı. Sadece metin odaklı üretimin sınırlamalarını ele alarak gerçekçi konuşma, jest ve animasyon üretmek için ses veya hareket referanslarını kullanan Wan S2V ve Wan Animate süreçlerini anlattı.

Şekil 4. Peng Zhang, büyük video modellerinin dijital insanları nasıl destekleyebileceğini açıklıyor.

Dr. Zhang ayrıca, görünüm ve hareketin sıfır atışlı (zero-shot) klonlanması ve canlı kamera akışından doğrudan bir yüzü canlandırabilen hafif modeller dahil olmak üzere gerçek zamanlı interaktif avatarlara doğru kaydedilen ilerlemeden bahsetti; bu da gerçeğe yakın dijital insanları günlük cihazlarda sorunsuz çalışmaya bir adım daha yaklaştırıyor.

Algıdan eyleme: Somutlaşmış zeka çağı#

YV25 Shenzhen'deki temel temalardan biri, dünyayı sadece gören vizyon modellerinden, içinde eylemde bulunabilen sistemlere geçişti. Başka bir deyişle, algı artık boru hattının sonu değil; eylemin başlangıcı haline geliyor.

Örneğin, açılış konuşmasında D-Robotics'ten Hu Chunxu, geliştirme kitlerinin ve SoC (system on a chip) çözümlerinin algılama, gerçek zamanlı hareket kontrolü ve karar vermeyi birleşik bir donanım ve yazılım yığınında nasıl entegre ettiğini açıkladı. Algılama ve eylemi ayrı aşamalar yerine sürekli bir geri bildirim döngüsü olarak ele alan yaklaşımları, robotların gerçek ortamlarda daha güvenilir bir şekilde hareket etmesini, uyum sağlamasını ve etkileşime girmesini destekliyor.

Şekil 5. D-Robotics'in Shenzhen, Çin'deki YOLO Vision 2025 demosu.

Baidu Paddle'dan Alex Zhang konuşmasında bu fikri yineleyerek YOLO ve PaddleOCR'ın nesneleri tespit etmek ve ardından etraflarındaki metni ve yapıyı yorumlamak için birlikte nasıl çalıştığını açıkladı. Bu, sistemlerin lojistik, denetimler ve otomatik işleme gibi görevler için görselleri ve belgeleri kullanılabilir, yapılandırılmış bilgilere dönüştürmesini sağlar.

Uçta zeka: Her cihaz için verimli AI#

YV25 Shenzhen'deki bir diğer ilginç konu da Vizyon AI'ın uç cihazlarda nasıl daha verimli ve yetenekli hale geldiğiydi.

DEEPX'ten Paul Jung, YOLO modellerini doğrudan gömülü donanım üzerinde çalıştırmaktan ve buluta olan bağımlılığı azaltmaktan bahsetti. Düşük güç tüketimi, optimize edilmiş çıkarım ve donanıma duyarlı model ayarlamaya odaklanan DEEPX; dronlar, mobil robotlar ve dinamik ortamlarda çalışan endüstriyel sistemler için gerçek zamanlı algılamayı mümkün kılıyor.

Benzer şekilde, Moore Threads'ten Liu Lingfei, Moore Threads E300 platformunun kompakt cihazlarda yüksek hızlı vizyon çıkarımı sunmak için merkezi işlem birimi (CPU), grafik işlem birimi (GPU) ve sinir işleme birimi (NPU) hesaplamasını nasıl entegre ettiğini paylaştı.

Platform, yüksek kare hızlarında birden fazla YOLO akışını çalıştırabilir ve araç zinciri niceleme, statik derleme ve performans ayarlama gibi adımları basitleştirir. Moore Threads ayrıca, geliştiricilerin giriş engelini düşürmek için çok çeşitli bilgisayarlı görü modellerini ve dağıtım örneklerini açık kaynaklı hale getirdi.

Daha akıllı AI sistemleri için vizyon ve dili birleştirmek#

Yakın zamana kadar, hem görselleri anlayabilen hem de dili yorumlayabilen tek bir model oluşturmak, çalıştırılması maliyetli olan büyük transformer mimarilerini gerektiriyordu. YV25 Shenzhen'de Yuanshi Intelligence'dan Yue Ziyin, transformer'ların uzun bağlamlı akıl yürütme yeteneklerini yinelemeli modellerin verimliliğiyle harmanlayan bir mimari olan RWKV hakkında genel bir bakış sundu.

Vision-RWKV'nin bu tasarımı, görüntüleri çözünürlükle doğrusal olarak ölçeklenen bir şekilde işleyerek bilgisayarlı görüye nasıl uyguladığını açıkladı. Bu, yüksek çözünürlüklü girişler ve hesaplamanın sınırlı olduğu uç cihazlar için uygun hale getiriyor.

Yue ayrıca, görüntü özelliklerinin metin anlayışıyla eşleştirildiği ve nesne tespitinin ötesine geçerek sahneleri, belgeleri ve gerçek dünya bağlamını yorumlamaya geçtiği vizyon-dil sistemlerinde RWKV'nin nasıl kullanıldığını gösterdi.

Şekil 6. Yue Ziyin, RWKV'nin uygulamaları hakkında konuşuyor.

Vizyon AI'ı hayata geçiren stantlar ve canlı demolar#

Sahnedeki konuşmalar vizyon AI'ın nereye gittiğine bakarken, alandaki stantlar bugün nasıl kullanıldığını gösterdi. Katılımcılar modelleri canlı çalışırken görme, donanım seçeneklerini karşılaştırma ve bu sistemleri inşa eden ekiplerle doğrudan konuşma fırsatı buldu.

İşte sergilenen teknolojilerden bir kesit:

• Geliştirici ve prototipleme platformları: Seeed, M5Stack ve Infermove, YOLO tabanlı uygulamalarla denemeler yapmayı ve fikirlerden çalışan demolara hızla geçmeyi kolaylaştıran kompakt geliştirme kartlarını ve başlangıç kitlerini sergiledi.
• Yüksek performanslı uç donanımı: Hailo, DEEPX, Intel ve Moore Threads hızlı, verimli çıkarım için üretilmiş çipleri ve modülleri tanıttı.
• Vizyon ve dil iş akışları: Baidu Paddle ve RWKV, nesneleri tespit edebilen ve ayrıca bir görüntü veya belgede görünenleri okuyabilen, yorumlayabilen ve üzerinde mantık yürütebilen yazılım yığınlarını vurguladı.
• Açık kaynak ve topluluk araçları: Ultralytics ve Datawhale; canlı model demoları, eğitim ipuçları ve uygulamalı rehberlikle geliştiricilerin ilgisini çekti ve paylaşılan bilginin inovasyonu nasıl hızlandırdığını pekiştirdi.

Şekil 7. M5Stack'in YV25 Shenzhen'deki standına bir bakış.

Vizyon AI topluluğu ile bağlantı kurmak#

Tüm heyecan verici teknolojinin yanı sıra YV25 Shenzhen'in en iyi kısımlarından biri, bilgisayarlı görü topluluğunu ve Ultralytics ekibini tekrar yüz yüze getirmekti. Gün boyunca insanlar demoların etrafında toplandı, kahve molalarında fikir paylaştı ve konuşmalar bittikten sonra bile sohbetlere devam etti.

Araştırmacılar, mühendisler, öğrenciler ve geliştiriciler notları karşılaştırdı, sorular sordu ve dağıtımdan model eğitimine kadar gerçek dünya deneyimlerini paylaştı. Grupo Osborne'dan Cinco Jotas sayesinde, taze kesilmiş jamón ile etkinliğe bir tutam İspanyol kültürü de katarak sıcak bir bağlantı anı yarattık. Muhteşem bir mekan, hevesli bir kalabalık ve ortak bir ivme duygusu günü gerçekten özel kıldı.

Öne çıkanlar#

İlham verici açılış konuşmalarından uygulamalı demolara kadar, YOLO Vision 2025 Shenzhen, Ultralytics topluluğunu tanımlayan inovasyon ruhunu yakaladı. Gün boyunca konuşmacılar ve katılımcılar fikir alışverişinde bulundu, yeni teknolojileri keşfetti ve AI'ın geleceğine dair paylaşılan bir vizyon üzerinden bağ kurdu. Birlikte, enerjik bir şekilde ayrıldılar ve Ultralytics YOLO ile sırada ne olduğuna hazır hale geldiler.

Yapay zeka ve bilgisayarlı görü ile mümkün olanları yeniden hayal edin. Daha fazlasını keşfetmek için topluluğumuza ve GitHub depomuza katılın. Tarımda bilgisayarlı görü ve perakendede yapay zeka gibi uygulamalar hakkında daha fazla bilgi edinin. Lisanslama seçeneklerimizi inceleyin ve bilgisayarlı görüye bugün başlayın!