Ultralytics'in YOLO Vision 2025 Shenzhen'deki öne çıkanları!

26 Ekim'de YOLO Vision 2025 (YV25), Shenzhen'deki OCT Creative Culture Park'ta bulunan B10 binasında Çin'deki ilk etkinliğini gerçekleştirdi. Ultralytics'in hibrit görsel yapay zekâ etkinliği, yüz yüze 200'den fazla katılımcıyı bir araya getirdi; çok daha fazla kişi de YouTube ve Bilibili üzerinden çevrim içi katıldı.

YV25 Shenzhen canlı yayını YouTube'da şimdiden 3.500 izlenmeyi geçti ve etkinliğin öne çıkan anları topluluk genelinde paylaşılmaya devam ettikçe ilgi görmeyi sürdürüyor. Görsel yapay zekânın geleceğine ilişkin fikirlerle, sohbetlerle ve uygulamalı keşiflerle dolu bir gündü.

Gün, ev sahibimiz Huang Xueying'in sıcak karşılamasıyla başladı. Huang, herkesi etkinlik boyunca bağlantı kurmaya, öğrenmeye ve tartışmalara katılmaya davet etti. Eylül ayındaki Londra etkinliğinin ardından bunun yılın ikinci YOLO Vision etkinliği olduğunu açıkladı ve görsel yapay zekâ 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 buluşmaları dâhil olmak üzere günün öne çıkan anlarını yeniden ele alacağız.

Ultralytics YOLO modellerinin bugüne kadarki yolculuğu#

Günün ilk açılış konuşmasını Ultralytics'in Kurucusu ve CEO'su Glenn Jocher yaptı; Ultralytics YOLO modellerinin bir araştırma atılımından dünyanın en yaygın kullanılan görsel yapay zekâ modellerinden bazılarına nasıl dönüştüğünü anlattı. Glenn, ilk çalışmalarının YOLO'yu kullanmayı kolaylaştırmaya odaklandığını açıkladı.

Modelleri PyTorch'a taşıdı, belgeleri iyileştirdi ve dünyanın dört bir yanındaki geliştiricilerin bu çalışmalar üzerine inşa edebilmesi için her şeyi açıkça paylaştı. Kendi sözleriyle: “2018'de hiç düşünmeden bu işe daldım. Geleceğimin burada olduğuna karar verdim.” Kişisel bir çaba olarak başlayan bu girişim, kısa sürede küresel bir açık kaynak hareketine dönüştü.

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

Bugün Ultralytics YOLO modelleri her gün milyarlarca çıkarıma güç veriyor ve Glenn bu ölçeğe yalnızca onu geliştirmeye yardım eden insanlar sayesinde ulaşılabildiğini vurguladı. Dünyanın dört bir yanındaki araştırmacılar, mühendisler, öğrenciler, hobi amaçlı çalışanlar ve açık kaynak katkıcıları YOLO'nun bugünkü hâlini almasına katkıda bulundu.

Glenn'in dediği gibi: “Dışarıda neredeyse bin [katkıcı] var ve onlara minnettarız. Bu insanlar olmasaydı bugün bulunduğumuz yerde olamazdık.”

Ultralytics YOLO26 güncellemeleri#

Ultralytics YOLO26 ilk kez bu yılın başlarında YOLO Vision 2025 Londra etkinliğinde tanıtıldı ve Ultralytics YOLO model ailesinin ileriye dönük bir sonraki büyük adımı olarak duyuruldu. YV25 Shenzhen'de Glenn, bu duyurudan bu yana kaydedilen ilerlemeyi paylaştı ve yapay zekâ topluluğuna modelin nasıl geliştiğini daha yakından görme fırsatı sundu.

Ultralytics YOLO26, gerçek dünyada kullanıma elverişli kalırken daha küçük, daha hızlı ve daha doğru olacak şekilde tasarlandı. Glenn, ekibin son bir yılı mimariyi iyileştirmeye, farklı cihazlardaki performansı kıyaslamaya ve araştırmalardan ve topluluk geri bildirimlerinden elde edilen bilgileri değerlendirmeye ayırdığını açıkladı. Amaç, modellerin dağıtımını zorlaştırmadan son teknoloji performans sunmak.

Ultralytics YOLO26'dan neler beklenebilir?#

Glenn'in vurguladığı temel güncellemelerden biri, Ultralytics YOLO26'ya özel bir hiperparametre ayarlama kampanyasının eşlik etmesi. Bu yaklaşım, tamamen sıfırdan eğitim yapmak yerine daha büyük veri kümelerinde ince ayara geçiyor. Glenn, bu yaklaşımın gerçek dünya kullanım senaryolarıyla çok daha uyumlu olduğunu açıkladı.

Etkinlikte paylaşılan diğer önemli iyileştirmelerden bazıları şunlar:

• Basitleştirilmiş mimari: Distribution Focal Loss (DFL) katmanı kaldırıldı. Böylece modeller aynı doğruluk düzeyini korurken daha basit ve daha hızlı çalışıyor.
• Uçtan uca çıkarım desteği: Ultralytics YOLO26 yerel olarak uçtan uca çalışır; yani ayrı bir NMS katmanı olmadan çalışabilir. Bu, ONNX ve TensorRT gibi biçimlere dışa aktarmayı ve uç donanımlara dağıtımı çok daha kolay hâle getirir.
• Küçük nesnelerde daha iyi performans: Güncellenen kayıp stratejileri, modelin çok küçük nesneleri daha güvenilir biçimde algılamasına yardımcı oluyor. Bu, bilgisayarlı görü alanında uzun süredir karşılaşılan bir zorluktu.
• Yeni bir hibrit optimize edici: YOLO26, son dönem büyük dil modeli eğitimi araştırmalarından esinlenen ve model doğruluğunu artıran yeni bir optimize edici içeriyor. Bu optimize edici artık doğrudan Ultralytics Python paketine dâhil.

Ultralytics YOLO26, pratik görsel yapay zekâ alanında bir sonraki adım#

Bu güncellemeler bir araya gelerek CPU'da %43'e kadar daha hızlı ve Ultralytics YOLO11'den daha doğru modeller ortaya çıkarıyor. Bu da YOLO26'yı gömülü cihazlar, robotik ve uç sistemler için özellikle önemli hâle getiriyor.

Ultralytics YOLO26, şu anda YOLO11'de bulunan tüm görevleri ve model boyutlarını destekleyecek; böylece aile genelinde 25 model çeşidi sunacak. Bunlar nano boyuttan ekstra büyüğe kadar uzanan, tespit, segmentasyon, sınıflandırma, poz tahmini ve yönlendirilmiş sınırlayıcı kutu görevlerine yönelik modelleri kapsıyor.

Ekip ayrıca istemle yönlendirilebilen beş model çeşidi üzerinde çalışıyor. Bu modeller bir metin istemi alıp eğitim gerektirmeden doğrudan sınırlayıcı kutular döndürebiliyor.

Bu, farklı kullanım alanlarına daha kolay uyarlanabilen, talimat tabanlı ve daha esnek görüntü işleme iş akışlarına doğru atılmış ilk adımlardan biri. Ultralytics YOLO26 modelleri hâlâ etkin biçimde geliştiriliyor; ancak ilk performans sonuçları güçlü ve ekip yakın zamanda yayımlamak için çalışıyor. (Güncelleme: Ultralytics YOLO26 o tarihten bu yana yayımlandı.)

Ultralytics Platform'a bir bakış#

YOLO26 güncellemesinin ardından Glenn, Ürün Mühendisliği Başkanımız Prateek Bhatnagar'ı Ultralytics Platformu için canlı bir demo sunmaya davet etti. Bu platform; veri kümelerini keşfetme, görüntüleri açıklama, modelleri eğitme ve sonuçları karşılaştırma dâhil olmak üzere bilgisayarlı görü iş akışının temel parçalarını bir araya getirmek üzere geliştiriliyor.

Şekil 2. Prateek Bhatnagar, Ultralytics Platform'u tanıtırken.

Prateek, platformun Ultralytics'in açık kaynak köklerine bağlı kaldığını vurgulayarak geliştiricilerin katkıda bulunabileceği, birbirlerinin çalışmalarını yeniden kullanabileceği ve geliştirebileceği veri kümesi topluluğu ile proje topluluğu olmak üzere iki topluluk alanını tanıttı. Demo sırasında yapay zekâ destekli açıklama ekleme, kolay bulut eğitimi ve yerel GPU kaynaklarına ihtiyaç duymadan doğrudan topluluktan modellerde ince ayar yapma olanağını gösterdi.

Platform şu anda geliştirme aşamasında (daha sonra kullanıma sunuldu). Prateek, izleyicileri duyuruları takip etmeye teşvik etti ve lansmanı desteklemek için ekibin Çin'de büyüdüğünü belirtti.

YOLO'nun arkasındaki isimler: Yazarlar paneli#

Heyecan giderek artarken etkinlik, farklı YOLO modellerinin arkasındaki araştırmacıların katıldığı bir panelle devam etti. Panelde Glenn Jocher'ın yanı sıra Kıdemli Makine Öğrenimi Mühendisimiz Jing Qiu, Meta'da Makine Öğrenimi Mühendisi ve YOLOv10'un yazarlarından Chen Hui ve Meituan'da Algoritma Stratejisti ve YOLOv6'nın yazarlarından Bo Zhang yer aldı.

Şekil 3. Huang Xueying, Chen Hui, Bo Zhang, Jing Qiu ve Glenn Jocher'ın katıldığı YOLO modellerinin geliştirilmesine ilişkin panel.

Tartışmada, YOLO'nun gerçek dünyadaki kullanımlarla nasıl gelişmeye devam ettiği ele alındı. Konuşmacılar; uç cihazlarda verimli çalışmak, küçük nesneleri algılamayı iyileştirmek ve model dışa aktarımını kolaylaştırmak gibi pratik dağıtım zorluklarının ilerlemeyi nasıl yönlendirdiğine değindi.

Panelde, yalnızca doğruluğa odaklanmak yerine üretim ortamlarında hız, kullanılabilirlik ve güvenilirliği dengelemenin önemi vurgulandı. Öne çıkan bir diğer ortak görüş, yinelemenin ve topluluk geri bildirimlerinin değeriydi.

Sohbetten öne çıkan diğer bazı ilginç noktalar şöyle:

• Açık sözcük dağarcıklı algılama, YOLO ekosisteminde giderek yaygınlaşıyor: Yeni modeller, görsel-dil uyumunun ve istem tabanlı iş akışlarının sabit kategorilerin dışındaki nesneleri nasıl algılayabildiğini gösteriyor.
• Hafif dikkat mekanizmaları öne çıkıyor: Panelde, her yerde tam dikkat kullanmak yerine verimli dikkat mekanizmalarından yararlanmanın, çıkarımı uç cihazlar için yeterince hafif tutarken doğruluğu artırabileceği konuşuldu.
• Toplulukla erkenden ve sık sık yineleme yap: Panelistler, modelleri daha erken yayımlayıp kullanıcılardan öğrenmenin uzun özel geliştirme döngülerinden daha iyi sonuçlar sağladığı bir oluştur–test et–iyileştir yaklaşımını vurguladı.

Yapay zekâ ve görmenin geleceğini şekillendiren düşünce liderleri#

Şimdi, yapay zekâ topluluğunun önde gelen isimlerinin dijital insanlardan robotik sistemlere, çok modlu akıl yürütmeden verimli uç dağıtımına kadar görsel yapay zekânın nasıl geliştiğini paylaştığı YV25 Shenzhen'deki açılış konuşmalarından bazılarına daha yakından bakalım.

Yapay zekâya insan deneyimini anlamayı öğretmek#

Alibaba Qwen Lab'den Dr. Peng Zhang, bilgilendirici bir oturumda ekibinin daha doğal hareket ve kontrolle etkileyici dijital insanlar oluşturabilen büyük video modellerini nasıl geliştirdiğini anlattı. Yalnızca metinle yönlendirilen üretimin sınırlamalarını aşmak için ses veya hareket referanslarını kullanarak gerçekçi konuşma, jest ve animasyon oluşturan Wan S2V ile Wan Animate'i tanıttı.

Şekil 4. Peng Zhang, büyük video modellerinin dijital insanlara nasıl güç verebileceğini açıklıyor.

Dr. Zhang, görünümün ve hareketin sıfır örnekle kopyalanması ve canlı kamera akışından doğrudan bir yüzü canlandırabilen hafif modeller de dahil olmak üzere gerçek zamanlı etkileşimli avatarlar geliştirme yönündeki ilerlemeyi anlattı. Bu gelişmeler, gerçeğe yakın dijital insanların sıradan cihazlarda sorunsuz çalışmasını daha mümkün kılıyor.

Algıdan eyleme: Bedenlenmiş zekâ çağı#

YV25 Shenzhen'in temel temalarından biri, dünyayı yalnızca gören görsel modellerden dünya içinde eyleme geçebilen sistemlere doğru yaşanan dönüşümdü. Başka bir deyişle, algı artık işlem hattının son noktası değil; eylemin başlangıcı hâline geliyor.

Örneğin D-Robotics'ten Hu Chunxu, açılış konuşmasında geliştirme kitlerinin ve SoC (yonga üzerinde sistem) çözümlerinin algılama, gerçek zamanlı hareket kontrolü ve karar verme süreçlerini birleşik bir donanım ve yazılım yığınına nasıl entegre ettiğini anlattı. Yaklaşımları, algı ve eylemi ayrı aşamalar yerine sürekli bir geri bildirim döngüsü olarak ele alarak gerçek ortamlarda daha güvenilir hareket edebilen, uyum sağlayabilen ve etkileşim kurabilen robotları destekliyor.

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

Baidu Paddle'dan Alex Zhang da konuşmasında bu fikri destekleyerek YOLO ile PaddleOCR'nin nesneleri algılamak ve ardından çevrelerindeki metin ile yapıyı yorumlamak için birlikte nasıl çalıştığını açıkladı. Böylece sistemler, görüntüleri ve belgeleri lojistik, denetim ve otomatik işleme gibi görevlerde kullanılabilir, yapılandırılmış bilgilere dönüştürebiliyor.

Uçta zekâ: Her cihaz için verimli yapay zekâ#

YV25 Shenzhen'deki bir diğer ilgi çekici konu, görüntü tabanlı yapay zekânın uç cihazlarda nasıl daha verimli ve yetenekli hâle geldiğiydi.

DEEPX'ten Paul Jung, buluta bağımlılığı azaltarak YOLO modellerini doğrudan gömülü donanımda dağıtma konusunu anlattı. Düşük güç tüketimine, optimize edilmiş çıkarıma ve donanım odaklı model ayarlamasına odaklanan DEEPX; dinamik ortamlarda çalışan dronlar, mobil robotlar ve endüstriyel sistemler için gerçek zamanlı algılama olanağı sunuyor.

Benzer şekilde Moore Threads'ten Liu Lingfei, Moore Threads E300 platformunun kompakt cihazlarda yüksek hızlı görsel çıkarım sağlamak için merkezi işlem birimi (CPU), grafik işlem birimi (GPU) ve sinirsel işlem birimi (NPU) hesaplamalarını nasıl entegre ettiğini paylaştı.

Platform, yüksek kare hızlarında birden fazla YOLO akışını çalıştırabiliyor; araç zinciri ise niceleme, statik derleme ve performans ayarlaması gibi adımları kolaylaştırıyor. Moore Threads, geliştiricilerin işe başlamasını kolaylaştırmak için çok çeşitli bilgisayarlı görü modellerini ve dağıtım örneklerini de açık kaynaklı hâle getirdi.

Daha akıllı yapay zekâ sistemleri için görme ve dili birleştirmek#

Yakın zamana kadar hem görüntüleri anlayabilen hem de dili yorumlayabilen tek bir model oluşturmak, çalıştırılması maliyetli büyük transformatör mimarileri gerektiriyordu. YV25 Shenzhen'de Yuanshi Intelligence'tan Yue Ziyin, transformatörlerin uzun bağlamlı akıl yürütme yeteneklerini tekrarlayan modellerin verimliliğiyle birleştiren RWKV mimarisine genel bir bakış sundu.

Vision-RWKV'nin bu tasarımı bilgisayarlı görüye nasıl uyguladığını ve görüntüleri çözünürlükle doğrusal ölçeklenen bir biçimde işlediğini açıkladı. Bu özellik, Vision-RWKV'yi yüksek çözünürlüklü girdiler ve hesaplama kaynaklarının sınırlı olduğu uç cihazlar için uygun hâle getiriyor.

Yue ayrıca RWKV'nin görsel-dil sistemlerinde nasıl kullanıldığını da gösterdi. Bu sistemlerde görüntü özellikleri, nesne algılamanın ötesine geçip sahneleri, belgeleri ve gerçek dünya bağlamını yorumlamak için metin anlama yeteneğiyle eşleştiriliyor.

Şekil 6. Yue Ziyin, RWKV'nin uygulamalarından söz ediyor.

Görsel yapay zekâyı hayata geçiren stantlar ve canlı demolar#

Sahnede yapılan konuşmalar görsel yapay zekânın geleceğine odaklanırken, etkinlik alanındaki stantlar bu teknolojinin bugün nasıl kullanıldığını gösterdi. Katılımcılar modelleri canlı olarak çalışırken gördü, donanım seçeneklerini karşılaştırdı ve bu sistemleri geliştiren ekiplerle doğrudan konuştu.

Sergilenen teknolojilere kısaca göz atalım:

• Geliştirici ve prototipleme platformları: Seeed, M5Stack ve Infermove; YOLO tabanlı uygulamalarla denemeler yapmayı ve fikirlerden hızla çalışan demolara geçmeyi kolaylaştıran kompakt geliştirme kartlarını ve başlangıç kitlerini sergiledi.
• Yüksek performanslı uç donanımlar: Hailo, DEEPX, Intel ve Moore Threads; hızlı ve verimli çıkarım için tasarlanmış yongaları ve modülleri tanıttı.
• Görsel ve dil iş akışları: Baidu Paddle ve RWKV; nesneleri algılayabilen, ayrıca bir görüntüde veya belgede bulunanları okuyup yorumlayabilen ve bunlar hakkında akıl yürütebilen yazılım yığınlarını öne çıkardı.
• Açık kaynak ve topluluk araçları: Ultralytics ve Datawhale, canlı model demoları, eğitim ipuçları ve uygulamalı rehberlikle geliştiricilerle buluşarak bilgi paylaşımının yenilikleri nasıl hızlandırdığını gösterdi.

Şekil 7. YV25 Shenzhen'deki M5Stack standından bir görüntü.

Görsel yapay zekâ topluluğuyla buluşmak#

Heyecan verici teknolojilerin yanı sıra YV25 Shenzhen'in en güzel yanlarından biri, bilgisayarlı görü topluluğunu ve Ultralytics ekibini yeniden yüz yüze bir araya getirmesiydi. Gün boyunca insanlar demoların etrafında toplandı, kahve molalarında fikirlerini paylaştı ve konuşmalar bittikten çok sonra bile sohbet etmeyi sürdürdü.

Araştırmacılar, mühendisler, öğrenciler ve geliştiriciler deneyimlerini karşılaştırdı, sorular sordu ve dağıtımdan model eğitimine kadar gerçek dünya deneyimlerini paylaştı. Ayrıca Grupo Osborne bünyesindeki Cinco Jotas sayesinde, taze kesilmiş jamón ile etkinliğe İspanyol kültüründen bir dokunuş kattık ve sıcak bir paylaşım anı yarattık. Güzel bir mekân, coşkulu bir kalabalık ve ortak heyecan, günü gerçekten özel kıldı.

Önemli çıkarımlar#

İlham veren açılış konuşmalarından uygulamalı demolara kadar YOLO Vision 2025 Shenzhen, Ultralytics topluluğunu tanımlayan yenilik ruhunu yansıttı. Gün boyunca konuşmacılar ve katılımcılar fikir alışverişinde bulundu, yeni teknolojileri keşfetti ve yapay zekânın geleceğine dair ortak bir vizyon etrafında bir araya geldi. Ultralytics YOLO ile sırada ne olduğunu görmek için heyecan ve enerjiyle etkinlikten ayrıldılar.

Yapay zekâ ve bilgisayarlı görüyle mümkün olanları yeniden düşün. Daha fazlasını keşfetmek için topluluğumuza ve GitHub depomuza katıl. Tarımda bilgisayarlı görü ve perakendede yapay zekâ gibi uygulamalar hakkında bilgi edin. Lisanslama seçeneklerimizi incele ve bugün bilgisayarlı görüyle işe başla!