Ultralytics’in YOLO Vision 2025 Shenzhen etkinliğindeki önemli noktaları!

26 Ekim’de YOLO Vision 2025 (YV25), Shenzhen’deki OCT Yaratıcı Kültür Parkı’nın B10 Binası’nda Çin’deki ilk etkinliğini gerçekleştirdi. Ultralytics’in hibrit görsel yapay zekâ etkinliği, 200’den fazla katılımcıyı yüz yüze bir araya getirirken çok daha fazla kişi de YouTube ve Bilibili üzerinden çevrim içi olarak katıldı.

YV25 Shenzhen canlı yayını YouTube’da şimdiden 3.500 izlenmeyi geçti ve etkinlikten öne çıkanlar topluluk genelinde paylaşılırken ilgi görmeye devam ediyor. Görsel yapay zekânın gelecekte nereye ilerlediğine dair fikirler, sohbetler 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. Bunun, Eylül ayındaki Londra etkinliğinin ardından 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 yazıda model güncellemeleri, konuşmacı oturumları, canlı demolar ve herkesi bir araya getiren topluluk buluşmaları dâhil olmak üzere günün öne çıkanlarını yeniden ele alacağız. Hadi başlayalım!

Ultralytics YOLO modellerinin bugüne kadarki yolculuğu#

Günün ilk açılış konuşmasını Ultralytics Kurucusu ve CEO’su Glenn Jocher yaptı. Glenn, Ultralytics YOLO modellerinin bir araştırma atılımından dünyada 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 bunları temel alarak geliştirme yapabilmesi için her şeyi açıkça paylaştı. Hatırladığı üzere, “2018’de kendimi tamamen bu işe verdim. Geleceğimin burada olduğuna karar verdim.” Kişisel bir çaba olarak başlayan şey, kısa sürede küresel bir açık kaynak hareketine dönüştü.

Şekil 1. YOLO Vision 2025 Shenzhen’de sahnede konuşan Glenn Jocher.

Günümüzde Ultralytics YOLO modelleri her gün milyarlarca çıkarıma güç veriyor. Glenn, bu ölçeğin yalnızca onu geliştirmeye yardımcı olan insanlar sayesinde mümkün olduğunu vurguladı. Dünyanın dört bir yanındaki araştırmacılar, mühendisler, öğrenciler, meraklılar ve açık kaynak katkıcıları YOLO’nun bugünkü hâline gelmesini sağladı.

Glenn’in ifadesiyle, “Dışarıda neredeyse bin tane [katkıcı] var ve bunun için son derece minnettarız. Bu insanlar olmasaydı bugün bulunduğumuz yerde olamazdık.”

Ultralytics YOLO26 güncellemeleri#

Ultralytics YOLO26’nın ilk tanıtımı bu yılın başlarında YOLO Vision 2025 London etkinliğinde yapıldı ve model, Ultralytics YOLO model ailesinde ileriye doğru atılmış bir sonraki büyük adım olarak tanıtıldı. YV25 Shenzhen’de Glenn, bu duyurudan bu yana kaydedilen ilerlemeler hakkında güncelleme sundu ve yapay zekâ topluluğuna modelin nasıl geliştiğini daha yakından gösterdi.

Ultralytics YOLO26, gerçek dünya kullanımına uygunluğunu korurken daha küçük, daha hızlı ve daha doğru olacak şekilde tasarlanmıştır. Glenn, ekibin son bir yılı mimariyi geliştirmeye, farklı cihazlardaki performansı karşılaştırmalı olarak değerlendirmeye ve araştırmalardan ve topluluk geri bildirimlerinden elde edilen içgörüleri dâhil etmeye harcadığını açıkladı. Amaç, modellerin dağıtımını zorlaştırmadan son teknoloji performans sunmak.

Ultralytics YOLO26’dan ne beklenmeli?#

Glenn’in vurguladığı temel güncellemelerden biri, Ultralytics YOLO26’nın özel bir hiperparametre ayarlama kampanyasıyla birlikte sunulmasıdır. Bu yaklaşım, tamamen sıfırdan eğitim yerine daha büyük veri kümeleri üzerinde ince ayara geçiş anlamına geliyor. Glenn, bu yaklaşımın gerçek dünyadaki kullanım senaryolarıyla çok daha uyumlu olduğunu açıkladı.

Etkinlikte paylaşılan diğer önemli iyileştirmelerden bazıları şöyle:

• Basitleştirilmiş mimari: Distribution Focal Loss (DFL) katmanı kaldırıldı. Bu, aynı doğruluk düzeyi korunurken modelleri daha basit ve çalıştırılmalarını daha hızlı hâle getiriyor.
• Uçtan uca çıkarım desteği: Ultralytics YOLO26 yerel olarak uçtan uca çalışır; yani ayrı bir NMS katmanı olmadan çalıştırılabilir. Bu, ONNX ve TensorRT gibi biçimlere dışa aktarmayı ve uç donanımlarda dağıtımı çok daha kolay hâle getiriyor.
• Daha iyi küçük nesne performansı: Güncellenen kayıp stratejileri, modelin çok küçük nesneleri daha güvenilir biçimde algılamasına yardımcı oluyor. Bu, bilgisayarlı görüde uzun süredir karşılaşılan bir zorluktu.
• Yeni bir hibrit optimize edici: YOLO26, güncel büyük dil modeli eğitimi araştırmalarından ilham alan yeni bir optimize edici içeriyor. Bu optimize edici model doğruluğunu artırıyor ve artık doğrudan Ultralytics Python paketine yerleşik olarak geliyor.

Ultralytics YOLO26: pratik görsel yapay zekâda bir sonraki adım#

Bu güncellemeler bir araya geldiğinde, modeller CPU üzerinde Ultralytics YOLO11’den daha doğru olurken %43’e kadar daha hızlı çalışıyor. Bu da YOLO26’yı gömülü cihazlar, robotik ve uç sistemler için özellikle etkili hâle getiriyor.

Ultralytics YOLO26, şu anda YOLO11’de bulunan tüm görevleri ve model boyutlarını destekleyecek ve aile genelinde 25 model çeşidi sunacak. Buna algılama, segmentasyon, poz tahmini, yönlendirilmiş sınırlayıcı kutular ve sınıflandırma modelleri dâhil; boyutlar nano’dan ekstra büyüğe kadar değişiyor.

Ekip ayrıca beş istemlenebilir varyant üzerinde çalışıyor. Bunlar, eğitime ihtiyaç duymadan metin istemi alıp doğrudan sınırlayıcı kutular döndürebilen modellerdir.

Bu, farklı kullanım senaryolarına daha kolay uyarlanabilen ve daha esnek, talimat tabanlı görsel iş akışlarına doğru atılmış erken bir adımdır. Ultralytics YOLO26 modelleri hâlâ aktif olarak geliştiriliyor; ancak ilk performans sonuçları güçlü ve ekip bunları yakında yayımlamak için çalışıyor.

Ultralytics Platform’a bir bakış#

YOLO26 güncellemesinin ardından Glenn, Ultralytics Platform’un canlı demosunu gerçekleştirmesi için Ürün Mühendisliği Başkanımız Prateek Bhatnagar’ı davet etti. Bu platform; veri kümelerini keşfetme, görüntülere açıklama ekleme, modelleri eğitme ve sonuçları karşılaştırma dâhil olmak üzere bilgisayarlı görü iş akışının temel bölümlerini bir araya getirmek üzere geliştiriliyor.

Şekil 2. Prateek Bhatnagar Ultralytics Platform’u tanıtırken.

Prateek, platformun Ultralytics’in açık kaynak köklerine bağlı kaldığını belirtti ve iki topluluk alanı tanıttı: geliştiricilerin birbirlerinin çalışmalarına katkıda bulunabileceği, bunları yeniden kullanabileceği ve geliştirebileceği veri kümesi topluluğu ile projeler topluluğu. Demo sırasında yapay zekâ destekli açıklama eklemeyi, kolay bulut eğitimini ve yerel GPU kaynaklarına ihtiyaç duymadan modelleri doğrudan topluluktan ince ayarlama olanağını gösterdi.

Platform şu anda geliştirme aşamasında. Prateek, izleyicileri duyuruları takip etmeye teşvik etti ve lansmanı desteklemek için ekibin Çin’de büyüdüğünü belirtti.

YOLO’nun arkasındaki sesler: Yazarlar paneli#

Etkinlik ivme kazanırken farklı YOLO modellerinin arkasındaki araştırmacıların yer aldığı bir panel tartışmasına geçildi. 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 kullanımıyla nasıl gelişmeye devam ettiğine odaklandı. Konuşmacılar; uç cihazlarda verimli çalıştırma, küçük nesne algılamayı iyileştirme ve model dışa aktarımını basitleştirme gibi pratik dağıtım zorluklarının ilerlemeyi sıklıkla nasıl yönlendirdiğine değindi.

Panel, yalnızca doğruluğun peşinden koşmak yerine üretim ortamlarında hız, kullanılabilirlik ve güvenilirliği dengelemenin önemine dikkat çekti. Paylaşılan bir diğer çıkarım da yineleme ve topluluk geri bildirimlerinin değeriydi.

Sohbetten öne çıkan diğer ilginç içgörüler şöyle:

• Açık kelime dağarcıklı algılama YOLO ekosisteminde ivme kazanıyor: Daha yeni modeller, görsel-dil hizalamasının ve istem tabanlı iş akışlarının sabit kategorilerin ötesindeki nesneleri nasıl algılayabildiğini gösteriyor.
• Hafif dikkat mekanizmaları yükselişte: Panelde, her yerde tam dikkat kullanmak yerine verimli dikkat mekanizmalarından yararlanmanın, çıkarımı uç cihazlar için yeterince hafif tutarken doğruluğu artırabileceği tartışıldı.
• Toplulukla erken ve sık yineleme yapın: Panelistler, modelleri daha erken yayımlayıp kullanıcılardan öğrenmenin uzun süreli özel geliştirme döngülerine kıyasla daha güçlü sonuçlar sağladığı bir oluştur–test et–iyileştir yaklaşımını pekiştirdi.

Yapay zekânın ve görsel yapay zekânın geleceğini şekillendiren fikir önderleri#

Şimdi YV25 Shenzhen’deki bazı açılış konuşmalarına daha yakından bakalım. Yapay zekâ topluluğunun farklı alanlarından liderler; dijital insanlardan ve robotikten çok modlu akıl yürütmeye ve verimli uç dağıtıma kadar görsel yapay zekânın nasıl geliştiğini paylaştı.

Yapay zekâya insan deneyimini anlamayı öğretmek#

Alibaba Qwen Lab’den Dr. Peng Zhang, ufuk açıcı bir oturumda ekibinin daha doğal hareket ve kontrol özelliklerine sahip, etkileyici dijital insanlar üretebilen büyük video modellerini nasıl geliştirdiğini anlattı. Metin odaklı üretimin sınırlamalarını ele alan ve gerçekçi konuşma, jest ve animasyon oluşturmak için ses veya hareket referansları kullanan Wan S2V ile Wan Animate’i tanıttı.

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

Dr. Zhang ayrıca görünüm ve hareketin sıfır atışlı kopyalanması ve yüzü doğrudan canlı kamera akışından canlandırabilen hafif modeller dâhil olmak üzere gerçek zamanlı etkileşimli avatarlar yönünde kaydedilen ilerlemelerden bahsetti. Bu gelişmeler, gerçeğe yakın dijital insanların günlük cihazlarda sorunsuz çalışmasını mümkün kılmaya yaklaştırıyor.

Algıdan eyleme: Bedenlenmiş zekâ çağı#

YV25 Shenzhen’in temel temalarından biri, dünyayı yalnızca gören görsel modellerden onun içinde eyleme geçebilen sistemlere geçişti. Başka bir deyişle algı artık işlem hattının sonu değil; eylemin başlangıcı hâline geliyor.

Örneğin D-Robotics’ten Hu Chunxu, açılış konuşmasında geliştirme kitlerinin ve SoC (çip üstü sistem) çözümlerinin algılama, gerçek zamanlı hareket kontrolü ve karar vermeyi birleşik bir donanım ve yazılım yığını üzerinde nasıl entegre ettiğini anlattı. Yaklaşımları, algı ve eylemi ayrı aşamalar yerine sürekli bir geri bildirim döngüsü olarak ele alıyor ve gerçek ortamlarda daha güvenilir biçimde 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 destekledi ve YOLO ile PaddleOCR’nin nesneleri algılamak, ardından çevrelerindeki metni ve yapıyı yorumlamak için nasıl birlikte çalıştığını açıkladı. Bu sayede sistemler görüntüleri ve belgeleri lojistik, denetimler ve otomatik işleme gibi görevlerde kullanılabilecek yapılandırılmış bilgilere dönüştürebiliyor.

Uçta zekâ: Her cihaz için verimli yapay zekâ#

YV25 Shenzhen’deki bir diğer ilginç konu, Görsel Yapay Zekânın uç cihazlarda nasıl daha verimli ve yetenekli hâle geldiğiydi.

DEEPX’ten Paul Jung, YOLO modellerinin doğrudan gömülü donanımda çalıştırılması ve buluta olan bağımlılığın azaltılması hakkında konuştu. Düşük güç tüketimine, optimize edilmiş çıkarıma ve donanım farkındalıklı model ayarlamaya odaklanan DEEPX; dinamik ortamlarda çalışan dronlar, mobil robotlar ve endüstriyel sistemler için gerçek zamanlı algılama olanağı sağlıyor.

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

Platform, birden fazla YOLO akışını yüksek kare hızlarında çalıştırabiliyor ve araç zinciri niceleme, statik derleme ve performans ayarlama gibi adımları basitleştiriyor. Moore Threads ayrıca geliştiricilerin önündeki engelleri azaltmak için çok çeşitli bilgisayarlı görü modellerini ve dağıtım örneklerini açık kaynak hâline 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 pahalı olan büyük Transformer mimarileri gerektiriyordu. YV25 Shenzhen’de Yuanshi Intelligence’tan Yue Ziyin, Transformer’ların uzun bağlamlı akıl yürütme yeteneklerini tekrarlayan modellerin verimliliğiyle birleştiren bir mimari olan RWKV hakkında genel bir bakış sundu.

Vision-RWKV’nin bu tasarımı bilgisayarlı görüye, görüntüleri çözünürlükle doğrusal olarak ölçeklenen bir şekilde işleyerek nasıl uyguladığını açıkladı. Bu özellik, mimariyi yüksek çözünürlüklü girdiler ve hesaplama kaynaklarının sınırlı olduğu uç cihazlar için uygun hâle getiriyor.

Yue ayrıca RWKV’nin görsel-dil sistemlerinde nasıl kullanıldığını gösterdi. Bu sistemlerde görüntü özellikleri metin anlayışıyla birleştirilerek nesne algılamanın ötesine geçiliyor ve sahneler, belgeler ve gerçek dünya bağlamı yorumlanıyor.

Şekil 6. Yue Ziyin, RWKV’nin uygulamaları hakkında konuşurken.

Görsel yapay zekâyı hayata geçiren stantlar ve canlı demolar#

Sahnede gerçekleştirilen konuşmalar görsel yapay zekânın nereye gittiğine odaklanırken, alandaki stantlar bu teknolojinin bugün nasıl kullanıldığını gösterdi. Katılımcılar modellerin canlı çalışmasını izledi, donanım seçeneklerini karşılaştırdı ve bu sistemleri geliştiren ekiplerle doğrudan sohbet etti.

Sergilenen teknolojilere bir göz atalım:

• Geliştirici ve prototipleme platformları: Seeed, M5Stack ve Infermove; YOLO tabanlı uygulamaları denemeyi ve fikirlerden çalışan demolara hızla geçmeyi kolaylaştıran kompakt geliştirme kartları ve başlangıç kitleri tanıttı.
• Yüksek performanslı uç donanım: Hailo, DEEPX, Intel ve Moore Threads; hızlı ve verimli çıkarım için geliştirilen çipleri ve modülleri sergiledi.
• Görsel ve dil iş akışları: Baidu Paddle ve RWKV; nesneleri algılayabilen, ayrıca bir görüntüde veya belgede görünenleri 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 rehberlik ile geliştiricilerle etkileşim kurarak ortak bilginin inovasyonu nasıl hızlandırdığını pekiştirdi.

Şekil 7. YV25 Shenzhen’de M5Stack standına bir bakış.

Görsel yapay zekâ topluluğuyla bağlantı kurmak#

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

Araştırmacılar, mühendisler, öğrenciler ve geliştiriciler notlarını 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 bağ kurma anı oluşturduk. Güzel bir mekân, coşkulu bir kalabalık ve ortak bir ivme duygusu günü gerçekten özel hâle getirdi.

Önemli çıkarımlar#

İlham verici açılış konuşmalarından uygulamalı demolara kadar YOLO Vision 2025 Shenzhen, Ultralytics topluluğunu tanımlayan inovasyon ruhunu yansıttı. Gün boyunca konuşmacılar ve katılımcılar fikir alışverişinde bulundu, yeni teknolojileri keşfetti ve yapay zekânın geleceğine dair ortak bir vizyon etrafında bağ kurdu. Hep birlikte etkinlikten enerji toplamış ve Ultralytics YOLO ile sırada ne olduğunu görmeye hazır bir şekilde ayrıldılar.

Yapay zekâ ve bilgisayarlı görüyle mümkün olanları yeniden hayal et. Daha fazlasını keşfetmek için topluluğumuza ve GitHub depomuza katıl. Tarımda bilgisayarlı görü ve perakendede yapay zekâ gibi uygulamalar hakkında daha fazla bilgi edin. Lisanslama seçeneklerimizi keşfet ve bilgisayarlı görüyle bugün çalışmaya başla!