Ultralytics Platform: Beş araç, tek bilgisayarlı görü platformu

Bugün, görme tabanlı yapay zeka sistemlerinin oluşturulmasını ve dağıtılmasını basitleştirmek için tasarlanmış nihai uçtan uca computer vision platformu olan Ultralytics Platform'ı kullanıma sunduk. Makinelerin görüntüleri ve videoları yorumlamasını sağlayan bir yapay zeka alanı olan computer vision, bugün güvendiğimiz birçok sistemin arkasındaki güç olsa da, bu çözümleri oluşturmak geleneksel olarak karmaşık olmuştur.

Birçok yapay zeka mühendisi ve makine öğrenimi geliştiricisi için, bir bilgisayarlı görü uygulaması oluşturmak hala geliştirme süreci boyunca birden fazla araç arasında geçiş yapmayı gerektiriyor. Bir ekip, veri setlerini ve etiketlemeyi tek bir platformda yönetebilir, model eğitimini başka bir platformda yürütebilir ve tahminleri test etmek, deneyleri izlemek ve sistemleri üretime dağıtmak için ek hizmetlere ihtiyaç duyabilir.

Projeler büyüdükçe araç değiştirmek geliştirmeyi yavaşlatabilir ve operasyonel yükü artırabilir. Ekipler modelleri geliştirmeye ve yeni bilgisayarlı görü uygulamaları oluşturmaya odaklanmak yerine, genellikle iş akışlarını yönetmek, verileri araçlar arasında taşımak ve altyapıyı yapılandırmakla zaman harcıyor.

Ultralytics Platform bu süreci kolaylaştırmak ve hızlandırmak için oluşturuldu. Etiketleme, eğitim, doğrulama, dağıtım ve izlemeyi tek bir ortama getirerek, yapay zeka görü yığınındaki birden fazla aracın yerini tek bir bilgisayarlı görü platformuyla alıyor ve ekiplerin ölçeklenebilir vizyon yapay zeka sistemlerini daha verimli bir şekilde oluşturmasına ve dağıtmasına yardımcı oluyor.

Şekil 1. Ultralytics Platform kullanılarak veri seti hazırlamaya bir bakış (Kaynak)

Bu makalede, Ultralytics Platform'un birden fazla aracın yerini nasıl tek bir birleşik bilgisayarlı görü platformuyla aldığını keşfedeceğiz. Başlayalım!

Bilgisayarlı görü geliştirmede çoklu araç sorunu#

Bir bilgisayarlı görü çözümü oluşturmak, veri setlerini hazırlamaktan sistemleri üretimde dağıtmaya kadar birkaç aşamayı içerir. Birçok durumda ekipler bu iş akışının her parçası için farklı araçlara güvenirler; bunlar şunları içerir:

• Veri seti yönetim araçları: Ekipler bu araçları, daha sonra bilgisayarlı görü sistemleri için eğitim verisi olarak kullanılacak görüntü ve videoları depolamak ve düzenlemek için kullanırlar.
• Etiketleme araçları: Bu platformlar, geliştiricilerin ve veri ekiplerinin sistemlerin görsel verilerden desenleri öğrenebilmesi için görüntüler içindeki nesneleri, bölümleri veya anahtar noktaları etiketlemesini sağlar.
• Model eğitim araçları ve çerçeveleri: Geliştiriciler, etiketlenmiş veri setlerini ve derin öğrenme modellerini kullanarak bilgisayarlı görü sistemlerini eğitmek için bu araçlara güvenirler ve genellikle PyTorch ve TensorFlow gibi Python tabanlı makine öğrenimi çerçeveleri içinde çalışırlar.
• Test ve çıkarım araçları: Dağıtımdan önce ekipler, tahminleri kontrol etmek ve sistemin ne kadar iyi performans gösterdiğini değerlendirmek için modelleri yeni görüntüler veya videolar üzerinde çalıştırırlar.
• Dağıtım ve izleme araçları: Bir vizyon yapay zeka çözümü gönderilmeye hazır olduğunda, uygulamayı üretimde çalıştırmak ve performansını zaman içinde izlemek için ek altyapı kullanılır.

Bu araçları ayrı ayrı yönetmek, geliştirme iş akışlarını koordine etmeyi zorlaştırabilir. Ekipler, bilgisayarlı görü uygulamalarını geliştirmeye odaklanmak yerine platformlar arasında veri taşımak, entegrasyonları sürdürmek ve altyapıyı yapılandırmakla zaman kaybederler.

Uçtan uca vizyon yapay zeka platformu nedir?#

Ultralytics Platform'un temel özelliklerine ve neler yapabileceğine dalmadan önce, uçtan uca bilgisayarlı görü platformu ile ne demek istediğimizi anlayalım.

Basitçe söylemek gerekirse, Ultralytics Platform geliştiricilerin bilgisayarlı görü uygulamaları oluşturup çalıştırabileceği tek bir yer sağlar. Geliştirme sürecinin farklı bölümleri için ayrı servislete güvenmek yerine, bireyler ve ekipler aynı ortamda görsel verilerle çalışabilir, model ve algoritmaları eğitebilir, sonuçları test edebilir ve uygulamaları çalıştırabilir.

Şekil 2. Ultralytics Platform üzerinde bir modeli test etme (Kaynak)

Bu yaklaşım, geliştiricilerin sürekli araçlar arasında geçiş yapmadan denemeler yapmasını, sistemlerini geliştirmesini ve projeleri ilerletmesini kolaylaştırır.

Ultralytics Platform vizyon yapay zeka iş akışını nasıl basitleştirir#

Ultralytics Platform, bilgisayarlı görü topluluğuyla yakından çalışmanın getirdiği yılların deneyimiyle şekillendi. Geliştiriciler ve vizyon yapay zeka sistemleri oluşturan ekiplerle yaptığımız görüşmeler, birkaç yaygın zorluğu sürekli olarak gündeme getiriyordu.

Örneğin, önemli bir endişe, büyük veri setlerinin etiketlenmesi gerektiğinde önemli miktarda zaman alabilen veri etiketlemeydi. Bir başka zorluk, ekipler sistemleri üretime taşımaya çalıştığında ortaya çıktı; burada uygulamaların farklı ortamlara ve donanım kurulumlarına dağıtılması genellikle ek araçlar gerektirir.

Birçok ekip ayrıca, etiketleme araçları, eğitim ortamları ve dağıtım sistemleri sıklıkla birden fazla platforma yayıldığı için araç değiştirme sorunlarıyla uğraşıyor. Ultralytics Platform, tüm bu karmaşıklıkları bir dizi yerleşik özellikle çözer.

Ultralytics Platform'un temel özelliklerine genel bakış#

Öyleyse, bu zorlukları ve genel vizyon yapay zeka iş akışını kolaylaştırmaya yardımcı olan Ultralytics Platform'un bazı temel işlevlerine dalalım:

• Smart data annotation: Yerleşik etiketleme araçları; Segment Anything Model (SAM) tarafından desteklenen akıllı etiketleme gibi özellikler ve etiketleme iş akışlarını kolaylaştıran klavye kısayolları ile ekiplerin veri setlerini daha hızlı etiketlemesine yardımcı olur.
• Entegre model eğitimi: Geliştiriciler, etkileşimli panolar aracılığıyla deneyleri takip ederken ve performansı izlerken, önceden eğitilmiş modelleri doğrudan platform içinde eğitebilirler.
• Tarayıcı tabanlı çıkarım testi: Ekipler, bir sistemi üretime dağıtmadan önce nasıl performans gösterdiğini değerlendirmek için tarayıcıdaki tahminleri hızlıca test edebilirler.
• Flexible deployment options: Modeller 17 farklı formata dışarı aktarılabilir veya 43 küresel bölgedeki paylaşılan çıkarım servisleri ve adanmış uç noktalar aracılığıyla dağıtılabilir.
• Yerleşik izleme: Platform, ekiplerin deney sonuçlarını, sistem performansını ve dağıtım sağlığını tek bir yerde izlemelerine yardımcı olan panolar sağlar.

Ultralytics Platform ile ham veriden dağıtıma#

Ultralytics Platform hakkında daha fazla şey öğrendikçe, onunla çalışmanın gerçekte neye benzediğini merak edebilirsiniz. Daha iyi bir fikir edinmek için basit bir örneği inceleyelim.

Bir üretim hattı için bir görsel denetim sistemi oluşturduğumuzu düşünün. Amaç, hasarlı veya hatalı ürünleri üretim hattından geçerken otomatik olarak tanımlamaktır.

Süreç genellikle görsel veri toplamakla başlar. Ultralytics'in yeni bilgisayarlı görü platformunu kullanarak, üretim hattından ürünlerin görüntülerini veya videolarını yükleyebilir ve bunları kusur tespiti için bir model eğitmek amacıyla kullanılacak veri setlerine düzenleyebilirsiniz.

Sırada veri etiketleme var. Platformun yerleşik manuel veya yapay zeka destekli etiketleme araçlarıyla, kusurları 5 farklı tespit görevi genelinde doğrudan görüntüler içinde etiketleyebilirsiniz. SAM tarafından desteklenen akıllı etiketleme ve anahtar noktaların tek bir tıklamayla yerleştirilmesini sağlayan yerleşik poz iskeleti şablonları gibi özelliklerin arkasındaki yenilik, aksi takdirde saatler sürecek iş akışlarını kolaylaştırır.

Veri seti hazır olduğunda model eğitimine geçebilirsin. Platform, etiketlenmiş verileri kullanarak Ultralytics YOLO models gibi bilgisayarlı görü modelleri eğitmeni sağlar. Eğitim sırasında, performans metriklerini izleyebilir, deneyleri takip edebilir ve tek bir gösterge panelinden sistem performansını artırmak için modelleri zamanla optimize edebilirsin.

Eğitimden sonraki adım test ve doğrulamadır. Sistemin kusurları ne kadar iyi tespit ettiğini kontrol etmek ve daha fazla iyileştirmenin gerekebileceği alanları belirlemek için yeni görüntüler üzerinde doğrudan platform içinde tahminler çalıştırabilirsiniz.

Son olarak, sistem iyi performans gösterdiğinde, üretime dağıtılabilir. Ultralytics Platform, modellerin birden fazla formata aktarılmasını veya gerçek dünya ortamlarında çalışabilmeleri için çıkarım hizmetleri ve uç noktalar aracılığıyla dağıtılmasını destekler.

Şekil 3. Ultralytics Platform ile modelleri dışarı aktarma örneği (Kaynak)

Bu hattın her adımını destekleyerek, Ultralytics Platform, ham görsel veriden bir üretim hattındaki kusurları otomatik olarak tespit edebilen çalışan bir bilgisayarlı görü uygulamasına geçmeyi kolaylaştırır.

Ultralytics Platform ile oluşturabileceğin vizyon yapay zeka destekli kullanım örnekleri#

Görsel verilerin bilgiye dönüştürülebildiği ve süreçleri otomatikleştirmek için kullanılabildiği çoğu uygulamada, bilgisayarlı görü fark yaratabilir. Bu, sağlık hizmetlerinden otomotiv endüstrisine kadar tüm sektörler için geçerlidir ve Ultralytics Platform bu çok yönlülüğü desteklemek üzere inşa edilmiştir.

Platform; Ultralytics YOLO26 gibi son teknoloji modelleri ve nesne tespiti, görüntü sınıflandırma, örnek bölütleme, poz tahmini ve yönlendirilmiş sınırlayıcı kutu (OBB) tespiti dahil olmak üzere çeşitli computer vision tasks süreçlerini yerel olarak destekler. Bu esneklik sayesinde geliştiriciler, görsel veya videoların analiz edilmesini gerektiren pek çok farklı senaryo için uygulamalar oluşturabilir.

Örneğin ekipler; deniz ortamlarında gerçek zamanlı underwater monitoring için sistemler, tıbbi ve biyolojik araştırmalarda hücre sayımı, uzak ekosistemlerde yaban hayatı takibi, otonom araçlar için algılama sistemleri sağlama ve robotları karmaşık ortamlarda yönlendirme gibi sistemler oluşturabilir. Ve bu, bilgisayarlı görü ile mümkün olanların sadece görünen kısmıdır.

Şekil 4. Ultralytics Platform üzerinde yaban hayatı tespiti için bir görseli etiketleme (Kaynak)

Ultralytics Platform neden vizyon yapay zekanın geleceğidir#

Bilgisayarlı görü daha yaygın hale geldikçe, vizyon yapay zeka geliştirmeyi daha erişilebilir kılmak giderek daha önemli hale geliyor. Birçok geliştirici ve kuruluş görsel verilerle denemeler yapmak ve yapay zeka uygulamaları oluşturmak istiyor, ancak geleneksel geliştirme kurulumları başlamayı zorlaştırabilir.

Ultralytics Platform, geliştiricilerin bilgisayarlı görü teknolojisiyle hızlı bir şekilde çalışmaya başlayabileceği bir ortam sağlayarak bu engelleri aşmaya yardımcı olur. Altyapı kurmak veya farklı araçları entegre etmekle zaman harcamak yerine, ekipler fikirleri denemeye ve pratik uygulamalar oluşturmaya odaklanabilirler.

Bu erişilebilirlik, daha geniş bir geliştirici, araştırmacı ve kuruluş yelpazesinin vizyon yapay zekayı keşfetmesinin kapısını aralar. Sonuç olarak, daha fazla ekip görsel verileri anlamlı içgörülere dönüştürebilir ve gerçek dünya sorunlarını çözen uygulamalar oluşturabilir.

Vizyon yapay zeka sektörler arasında genişlemeye devam ederken, Ultralytics Platform'un geliştirmeyi daha ulaşılabilir hale getireceğine ve bilgisayarlı görünün geleceğini şekillendirmede kilit bir rol oynayacağına inanıyoruz.

Ultralytics Platform ile çalışmaya başlama#

Bugün Ultralytics Platform ile bilgisayarlı görü projeleri Start building. Bulut eğitimi için kayıt kredileri ve veri setlerini yönetme, görselleri etiketleme, modelleri eğitme ve uygulamaları dağıtma gibi temel araçlara erişim içeren ücretsiz plan aracılığıyla platformu keşfedebilirsin.

Projeleriniz büyüdükçe, daha fazla bilgi işlem kaynağı, depolama, iş birliği özellikleri ve dağıtım kapasitesi sunan ek planlarla kullanımınızı ölçeklendirebilirsiniz. Platform ayrıca bulut eğitimi ve yönetilen uç noktalar gibi hizmetler için kredi tabanlı bir fiyatlandırma sistemi kullanır, bu da ekiplerin denemeler yapmasını ve uygulamaları dağıtırken kullanımı şeffaf bir şekilde takip etmesini sağlar.

Öne çıkanlar#

Görüntü işleme ve bilgisayarlı görü teknolojisi, araştırma deneylerinden günlük teknolojiye güç veren gerçek dünya sistemlerine hızla geçiyor. Ultralytics Platform, geliştiricilere vizyon yapay zeka uygulamaları oluşturmak, test etmek ve dağıtmak için daha basit bir yol sunarak bu değişimi hızlandırmaya yardımcı olur. Fikirler ve dağıtım arasındaki engeller azaldıkça, gelecek nesil bilgisayarlı görü çözümleri her zamankinden daha hızlı oluşturulabilir.

community topluluğumuza katıl ve bilgisayarlı görü modelleri hakkında daha fazla bilgi edinmek için GitHub repository deposunu keşfet. Çözüm sayfalarımızda AI in agriculture ve computer vision in robotics gibi uygulamalar hakkında bilgi oku. licensing options seçeneklerimizi incele ve kendi vizyon yapay zeka modelini oluşturmaya başla.