Ultralytics YOLO11 geldi! Yapay zekâda mümkün olanları yeniden tanımla!

Ultralytics modellerinin yeni evrimi YOLO11’i tanıtmaktan heyecan duyuyoruz! Önceki YOLO model sürümlerinin etkileyici gelişmeleri üzerine inşa edilen YOLO11, onu daha hızlı, daha doğru ve son derece çok yönlü kılan bir dizi güçlü özellik ve optimizasyon sunuyor. Ultralytics’in yapay zekâ uzmanlarını, yenilikçileri ve geliştiricileri bir araya getiren yıllık hibrit etkinliği YOLO Vision 2024 (YV24) kapsamında duyurulan bu yeni Ultralytics ailesi üyesi, yerini Ultralytics YOLO26 aldı ve bilgisayarlı görüyle mümkün olanları yeniden tanımlamaya hazırlanıyor.

Yenilikçi mimarisi sayesinde Ultralytics YOLO11, gerçek zamanlı nesne algılamadan sınıflandırmaya kadar çeşitli bilgisayarlı görü görevlerinde kullanılabilir ve geliştiricilerle araştırmacılar için pratik bir seçenek sunar. Temel iyileştirmeler arasında ayrıntıların daha hassas biçimde yakalanmasını sağlayan gelişmiş özellik çıkarımı, daha az parametreyle daha yüksek doğruluk ve gerçek zamanlı performansı önemli ölçüde artıran daha hızlı işleme yer alır. Bu yazıda YOLO11’i öne çıkaran özelliklere ve bilgisayarlı görü uygulamalarını nasıl dönüştürebileceğine daha yakından bakacağız.

Şekil 1. Glenn Jocher, YOLO Vision 24 sahnesinde Ultralytics YOLO11'i duyuruyor.

Ultralytics YOLO11'i tanıyalım#

YOLO11, YOLO ailesinde yeni bir dönemin başlangıcını temsil ediyor ve bilgisayarlı görüyü yeni zirvelere taşıyan, daha yetenekli ve çok yönlü bir model sunuyor. Geliştirilmiş mimarisi ve yetenekleriyle model, görsel yapay zekâ topluluğunun Ultralytics YOLOv8 ile benimsediği poz tahmini ve örnek segmentasyonu gibi bilgisayarlı görü görevlerini destekliyor; üstelik çok daha yüksek performans ve hassasiyet sunuyor. Ultralytics’in Kurucusu ve CEO’su Glenn Jocher şöyle konuştu: “YOLO11 ile gerçek dünya uygulamalarına hem güç hem de pratiklik sunan bir model geliştirmeyi hedefledik. Verimliliği ve doğruluğundaki artış, onu farklı sektörlerin karşılaştığı özgün zorluklara uyarlanabilen güçlü bir araca dönüştürüyor. Görsel yapay zekâ topluluğunun YOLO11’i yenilikçi çözümler üretmek ve bilgisayarlı görüyü bir üst seviyeye taşımak için nasıl kullanacağını görmek için sabırsızlanıyorum.”

Şekil 2. YV24'te Ultralytics YOLO11'i duyururken sahnede Glenn Jocher.

Ultralytics YOLO11'in desteklediği computer vision görevlerinden bazılarına göz atalım:

• Nesne algılama: Görüntülerdeki veya video karelerindeki nesneleri tanımlar ve konumlarını belirler; gözetim, otonom sürüş ve perakende analitiği gibi uygulamalar için nesnelerin çevresine sınırlayıcı kutular çizer.
• Örnek segmentasyonu: Bir görüntüdeki nesneleri piksel düzeyine kadar tanımlamayı ve birbirinden ayırmayı içerir. Tıbbi görüntüleme ve üretimde kusur tespiti gibi uygulamalarda yararlıdır.
• Görüntü sınıflandırma: Görüntülerin tamamını önceden tanımlanmış sınıflara ayırır; bu özelliğiyle e-ticarette ürün kategorilendirme veya yaban hayatı izleme gibi uygulamalar için idealdir.
• Poz tahmini: Hareketleri veya pozları izlemek için görüntü ya da video karelerindeki belirli kilit noktaları tespit eder; fitness takibi, spor analitiği ve sağlık uygulamalarında fayda sağlar.
• Yönlendirilmiş nesne algılama (OBB): Yön açısı olan nesneleri tespit ederek döndürülmüş nesnelerin daha hassas biçimde konumlandırılmasını sağlar. Bu özellik özellikle hava görüntüleme, robotik ve depo otomasyonu görevlerinde değerlidir.
• Nesne takibi: Nesnelerin hareketini izler ve ardışık video kareleri boyunca takip eder; bu da onu birçok gerçek zamanlı uygulama için vazgeçilmez kılar.

Şekil 3. Ultralytics YOLO11'in desteklediği bilgisayarlı görü görevleri.

Ultralytics YOLO11'i öne çıkaran nedir?#

YOLO11, bu yılın başlarında YOLOv9 ve YOLOv10 ile sunulan gelişmeleri temel alarak geliştirilmiş mimari tasarımlar, gelişmiş özellik çıkarma teknikleri ve optimize edilmiş eğitim yöntemleri içeriyor. YOLO11'i gerçekten öne çıkaran, hız, doğruluk ve verimliliğin etkileyici birleşimi; bu özellikler onu Ultralytics'in şimdiye kadar geliştirdiği en yetenekli modellerden biri hâline getiriyor. Geliştirilmiş tasarımıyla YOLO11, görüntülerdeki önemli örüntüleri ve ayrıntıları belirleme süreci olan özellik çıkarmayı iyileştiriyor. Böylece zorlu senaryolarda bile ince ayrıntıların daha doğru yakalanmasını sağlıyor.

Dikkat çekici biçimde YOLO11m, COCO veri kümesinde ortalama Ortalama Hassasiyet (mAP) puanını YOLOv8m modelinden %22 daha az parametre kullanarak yükseltir; böylece performanstan ödün vermeden daha az hesaplama gerektirir. Bu sayede daha verimli çalışırken daha doğru sonuçlar verir. Üstelik YOLO11 daha yüksek işlem hızları sunar; çıkarım süreleri YOLOv10’a kıyasla yaklaşık %2 daha kısadır ve bu da onu gerçek zamanlı uygulamalar için ideal kılar.

Şekil 4. Nesne tespiti için Ultralytics YOLO11 kullanımı.

Kaynakları daha az kullanırken karmaşık görevlerin üstesinden gelecek şekilde tasarlanan model, büyük ölçekli modellerin performansını artırmaya da yardımcı oluyor ve zorlu yapay zekâ projeleri için çok uygun bir seçenek sunuyor. Veri artırma hattındaki iyileştirmeler de eğitim sürecini geliştirdi. Bu sayede küçük projelerde veya büyük ölçekli uygulamalarda çalışırken Ultralytics YOLO11'i farklı görevlere uyarlamak kolaylaştı.

YOLO11, işlem gücü açısından son derece verimlidir ve hem bulut hem de uç cihazlarda dağıtıma uygundur; bu sayede farklı ortamlarda esneklik sağlar. Basitçe söylemek gerekirse YOLO11 yalnızca bir yükseltme değildir; çok daha doğru, verimli ve esnek bir modeldir ve çok çeşitli bilgisayarlı görü zorluklarının üstesinden daha iyi gelir. Otonom sürüş, gözetim, sağlık görüntüleme, akıllı perakende veya endüstriyel kullanım senaryoları olsun, YOLO11 neredeyse her bilgisayarlı görü uygulamasına uyum sağlayacak kadar çok yönlüdür.

Ultralytics YOLO11, sistemlerin ve platformların için hazır#

Ultralytics YOLO11, kullandığın sistemler ve platformlarla bütünleşecek şekilde tasarlanmıştır. YOLOv8’in sunduğu desteği temel alan YOLO11, eğitim, test ve dağıtım için çok çeşitli ortamlarla uyumludur. NVIDIA GPU’ları, uç cihazlar veya bulut platformlarına dağıtım üzerinde çalışıyor olsan da YOLO11 iş akışına uyum sağlayacak şekilde optimize edilmiştir.

Bu entegrasyonlar YOLO11’in farklı sektörlere uyum sağlamasına yardımcı olan harika eklentilerdir ve işletmelerin modeli mevcut süreçlerine kolayca uygulamasını sağlar. Örneğin, YOLO11’i tarım alanında, özellikle mahsul takibi için kullanmak istediğini varsayalım. Geniş tarlalardaki bitki sağlığı sorunlarını gerçek zamanlı belirlemek için modeli dronlara dağıtman gerekebilir. Ancak güvenlik alanındaysan, nesne algılama amacıyla birden fazla kamera görüntüsünü izlemek için YOLO11’i bulut tabanlı bir sistemle kullanmayı tercih edebilirsin.

Şekil 5. Tarımda Ultralytics YOLO11 kullanımı.

Ultralytics YOLO11 ile yapay zekâ topluluğunu güçlendirmek#

YOLO11’in piyasaya sürülmesiyle görsel yapay zekâ topluluğu heyecan verici gelişmeler bekleyebilir. Artan doğruluğu ve verimliliği sayesinde bu yeni model, mevcut uygulamaları dönüştürme ve yenilerini oluşturma potansiyeline sahip. Bu ilerlemenin önemli etkenlerinden biri Ultralytics HUB’dır; yerini Ultralytics Platform almıştır. Ultralytics HUB, YOLO11 dâhil YOLO modellerinin eğitimini ve dağıtımını basitleştiren, kullanıcı dostu bir platformdur.

Şekil 6. Ultralytics HUB’da YOLO11 çıkarımı çalıştırma.

Ultralytics HUB; kullanıcıların veri kümelerini yüklemesine, önceden eğitilmiş çeşitli modellere erişmesine ve projelerini tek bir yerden yönetmesine olanak tanıyarak geliştirme sürecini kolaylaştırır. HUB ayrıca ekiplerin yapay zekâ projelerinde birlikte çalışmasını kolaylaştıran iş birliği özelliklerini de destekler. Ultralytics HUB'ın diğer önemli özelliklerinden bazıları şunlardır:

• Bulut eğitimi: Ultralytics HUB, ölçeklenebilirlik ve verimlilik için bulut tabanlı model eğitimi sunar.
• Önceden eğitilmiş modeller: Platform, önceden eğitilmiş çeşitli YOLOv5, YOLOv8 ve YOLO11 modellerine erişim sağlar.
• Model dışa aktarımı: Eğitilmiş modeller dağıtım için çeşitli biçimlerde dışa aktarılabilir.
• Entegrasyonlar: Ultralytics HUB; Roboflow, Google Colab ve Weights & Biases gibi platformlarla bütünleşir.
• Ayrıntılı dokümantasyon: Ultralytics HUB, kullanıcı desteği için kapsamlı kılavuzlar ve SSS'ler sunar.
• Topluluk desteği: Sorular ve tartışmalar için aktif bir Discord topluluğu bulunur.

HUB’ın sezgisel tasarımı sayesinde hem deneyimli geliştiriciler hem de yeni başlayanlar hızla işe koyulabilir. Daha fazla geliştirici HUB üzerinden Ultralytics YOLO11’i kullandıkça, çok daha fazla yüksek performanslı bilgisayarlı görü uygulaması göreceğimizi umuyoruz.

Ultralytics YOLO11'i uygulamalı olarak deneyimle#

YOLOv8 gibi YOLO11'i de Ultralytics Platform ve Ultralytics Python paketi üzerinden deneyebilirsin. Ultralytics Platform'da oturum açabilir veya paketi yüklemeye ilişkin adım adım talimatlar için hızlı başlangıç kılavuzumuza göz atabilirsin. Özelliklerini keşfedebilir, farklı veri kümeleriyle denemeler yapabilir ve YOLO11'in çeşitli senaryolarda nasıl performans gösterdiğini görebilirsin. Yapay zekâ topluluğunun YOLO11'in geliştirilmesine katkıda bulunmasını, geri bildirim sunmasını veya YOLO11 üzerine yeni çalışmalar yapmasını sabırsızlıkla bekliyoruz.

İster mevcut projelerini optimize etmek isteyen bir geliştirici ol ister yeni uygulamalar oluşturmakla ilgilen; katılımın yeniliği desteklemeye yardımcı olabilir. Ultralytics YOLO11'in tüm potansiyelini ortaya çıkarmak için tartışmalara katıl, deneyimlerini paylaş ve başkalarıyla iş birliği yap. Gerçek dünya zorluklarının üstesinden gelmek ve yaratıcı fikirlerini hayata geçirmek için YOLO11'i nasıl kullandığını görmek bizi heyecanlandırıyor!

Ultralytics YOLO11 ile yeni bir dönem başlıyor#

Ultralytics YOLO11, etkileyici doğruluk, hız ve verimliliği bir araya getirerek computer vision alanında bir sonraki adımı temsil ediyor. YV24'te duyurulan model, otonom araçlardan akıllı perakende çözümlerine kadar çeşitli gerçek zamanlı uygulamalara uyum sağlayan gelişmiş özellikler sunuyor. Yapay zekâ topluluğu bu modeli keşfetmeye ve kullanmaya başlarken YOLO11'in yeniliği nasıl destekleyeceğini ve yeni olanakları nasıl hayata geçireceğini görmek için heyecanlıyız. Yapay zekâ alanındaki en yeni gelişmeleri keşfetmek istiyorsan YOLO11'i dene ve computer vision projelerini nasıl ileriye taşıyabileceğini gör!

Yapay zekâ hakkında daha fazla bilgi edinmek için GitHub depomuza göz at ve aktif topluluğumuza katıl. Yapay zekânın sağlık ve tarım gibi alanlarda nasıl ilerleme sağladığını keşfet.