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

26 Ekim'de, YOLO Vision 2025 (YV25) Çin'deki ilk çıkışını Shenzhen'deki OCT Creative Culture Park'ta bulunan B10 Binası'nda gerçekleştirdi. Ultralytics'in hibrit vizyon AI etkinliği, 200'den fazla katılımcıyı yüz yüze bir araya getirirken, çok daha fazlası da YouTube ve Bilibili üzerinden çevrimiçi olarak katıldı.

YV25 Shenzhen canlı yayını YouTube'da şimdiden 3.500 izlenmeyi geçti ve etkinlikten öne çıkan anlar topluluk genelinde paylaşıldıkça dikkat çekmeye devam ediyor. Vizyon AI'ın geleceğinin nereye gittiğine dair fikirler, sohbetler ve uygulamalı keşiflerle dolu bir gündü.

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!

Link to this sectionUltralytics YOLO modellerinin bugüne kadarki yolculuğu#

The first keynote of the day was led by Ultralytics Founder & CEO Glenn Jocher, who shared how Ultralytics YOLO models have grown from a research breakthrough into some of the most widely used vision AI models in the world. Glenn explained that his early work focused on making YOLO easier to use.

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."

Link to this sectionUltralytics YOLO26 güncellemeleri#

Ultralytics YOLO26'ya ilk bakış, bu yılın başlarında, Ultralytics YOLO model ailesinde bir sonraki büyük adım olarak tanıtıldığı YOLO Vision 2025 Londra etkinliğinde paylaşılmıştı. YV25 Shenzhen'de Glenn, o duyurudan bu yana kaydedilen ilerlemeye dair bir güncelleme sundu ve AI topluluğuna modelin nasıl geliştiğine daha yakından bakma fırsatı verdi.

YOLO26, gerçek dünya kullanımı için pratik kalırken daha küçük, daha hızlı ve daha doğru olacak şekilde tasarlanmıştır. Glenn, ekibin geçtiğimiz yılı mimariyi iyileştirmeye, cihazlar arası performans kıyaslaması yapmaya ve araştırma ile topluluk geri bildirimlerinden gelen içgörüleri dahil etmeye harcadığını açıkladı. Amaç, modelleri dağıtmayı zorlaştırmadan en gelişmiş performansı sunmaktır.

Link to this sectionUltralytics YOLO26'dan neler beklenebilir#

Glenn'in vurguladığı temel güncellemelerden biri, YOLO26'nın tamamen sıfırdan eğitim almaktan, daha büyük veri setleri üzerinde ince ayarlamaya (fine-tuning) geçiş yapan özel bir hiperparametre ayarlama kampanyasıyla eşleştirilmiş olmasıdır. Kendisi, bu yaklaşımın gerçek dünya kullanım durumlarıyla çok daha uyumlu olduğunu ayrıntılarıyla anlattı.

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: YOLO26 yerel olarak uçtan ucadır, yani ayrı bir NMS katmanı olmadan çalışabilir. Bu, ONNX ve TensorRT gibi formatlara dışa aktarmayı ve uç donanımlarda dağıtmayı çok daha kolaylaştırıyor.
• 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.

Link to this sectionUltralytics YOLO26, pratik vizyon AI'da bir sonraki adımdır#

Bu güncellemeler bir araya geldiğinde, Ultralytics YOLO11'den daha doğru olurken CPU'da %43'e kadar daha hızlı çalışan modeller ortaya çıkıyor; bu da YOLO26'yı gömülü cihazlar, robotik ve uç sistemler için özellikle etkili kılıyor.

YOLO26, YOLO11'de halihazırda mevcut olan tüm görevleri ve model boyutlarını destekleyecek ve aile genelinde 25 model varyantı oluşturacak. Bu, nano'dan ekstra büyüğe kadar değişen tespit, segmentasyon, poz tahmini, yönlendirilmiş sınırlayıcı kutular ve sınıflandırma için modelleri içerir.

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

Bu, farklı kullanım durumlarına uyarlanması daha kolay olan, daha esnek ve talimat tabanlı vizyon iş akışlarına doğru atılmış erken bir adımdır. YOLO26 modelleri hala aktif geliştirme aşamasındadır, ancak erken performans sonuçları güçlüdür ve ekip yakında bunları yayınlamak için çalışmaktadır.

Link to this sectionUltralytics Platformuna bir bakış#

YOLO26 güncellemesinden sonra Glenn, Ultralytics Platformunun canlı bir demosunu yapmak için Ürün Mühendisliği Başkanımız Prateek Bhatnagar'ı sahneye davet etti. Bu platform, veri setlerini keşfetme, görüntüleri açıklama, modelleri eğitme ve sonuçları karşılaştırma dahil olmak üzere bilgisayarlı görü iş akışının önemli kısımlarını bir araya getirmek için oluşturuluyor.

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 iyileştirebileceği iki topluluk alanı (bir veri seti topluluğu ve bir projeler topluluğu) tanıttı. Demo sırasında AI destekli açıklama, kolay bulut eğitimi ve yerel GPU kaynaklarına ihtiyaç duymadan doğrudan topluluktan modelleri ince ayar yapabilme yeteneğini sergiledi.

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

Link to this sectionYOLO'nun arkasındaki sesler: Yazarlar paneli#

Momentum artarken etkinlik, farklı YOLO modellerinin arkasındaki birkaç araştırmacının yer aldığı bir panel tartışmasına dönüştü. Panelde Glenn Jocher'ın yanı sıra Kıdemli Makine Öğrenimi Mühendisimiz Jing Qiu, Meta'da Makine Öğrenimi Mühendisi ve YOLOv10 yazarlarından biri olan Chen Hui ve Meituan'da Algoritma Stratejisti ve YOLOv6 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 (lightweight attention) mekanizmaları yükselişte: Panel, her yerde tam dikkat yerine verimli dikkat mekanizmaları kullanmanın, uç cihazlar için çıkarımı 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.

Link to this sectionAI 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.

Link to this sectionAI'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, zero-shot görünüm ve hareket kopyalaması ve doğrudan canlı kamera görüntüsünden bir yüzü canlandırabilen hafif modeller dahil olmak üzere gerçek zamanlı etkileşimli avatarlara doğru kaydedilen ilerlemeden bahsetti; bu da gerçekçi dijital insanları günlük cihazlarda sorunsuz çalışmaya yaklaştırıyor.

Link to this sectionAlgıdan 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, D-Robotics'ten Hu Chunxu, açılış konuşmasında geliştirme kitlerinin ve SoC (çip üzerinde sistem) çözümlerinin algılama, gerçek zamanlı hareket kontrolü ve karar vermeyi birleşik bir donanım ve yazılım yığını üzerinde nasıl entegre ettiğini anlattı. Algı ve eylemi ayrı aşamalar yerine sürekli bir geri bildirim döngüsü olarak ele alan yaklaşımları, gerçek ortamlarda daha güvenilir bir şekilde hareket edebilen, uyum sağlayabilen ve etkileşime girebilen robotları 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'nin nesneleri tespit etmek ve ardından etraflarındaki metni ve yapıyı yorumlamak için nasıl birlikte çalıştığını açıkladı. Bu, sistemlerin görüntüleri ve belgeleri lojistik, denetimler ve otomatik işleme gibi görevler için kullanılabilir, yapılandırılmış bilgilere dönüştürmesini sağlıyor.

Link to this sectionUçta zeka: Her cihaz için verimli AI#

YV25 Shenzhen'deki bir diğer ilginç konu ise 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.

Link to this sectionDaha akıllı AI sistemleri için vizyon ve dili birleştirmek#

Yakın zamana kadar, hem görüntüleri anlayabilen hem de dili yorumlayabilen tek bir model oluşturmak, çalıştırılması maliyetli olan büyük transformer mimarileri gerektiriyordu. YV25 Shenzhen'de, Yuanshi Intelligence'dan Yue Ziyin, transformer'ların uzun bağlamlı muhakeme yeteneklerini tekrarlayan modellerin verimliliğiyle harmanlayan bir mimari olan RWKV'ye 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.

Link to this sectionVizyon 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, geliştiricileri canlı model demoları, eğitim ipuçları ve uygulamalı rehberlikle etkileşime sokarak paylaşılan bilginin inovasyonu nasıl hızlandırdığını pekiştirdi.

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

Link to this sectionVizyon 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 notlarını karşılaştırdı, sorular sordu ve dağıtımdan model eğitimine kadar gerçek dünya deneyimlerini paylaştı. Grupo Osborne'dan Cinco Jotas sayesinde, taze kesilmiş jamón ile etkinliğe İspanyol kültüründen bir dokunuş katarak sıcak bir bağlantı anı yarattık. Güzel bir mekan, coşkulu bir kalabalık ve paylaşılan bir momentum duygusu günü gerçekten özel kıldı.

Link to this sectionÖne 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.

AI ve bilgisayarlı görü ile nelerin mümkün olduğunu yeniden hayal et. Daha fazlasını keşfetmek için topluluğumuza ve GitHub depomuza katıl. Tarımda bilgisayarlı görü ve perakendede AI gibi uygulamalar hakkında daha fazla bilgi edin. Lisanslama seçeneklerimizi keşfet ve bugün bilgisayarlı görü ile çalışmaya başla!