Ultralytics YOLO11 geldi! Yapay zekâda mümkün olanları yeniden tanımla!

Ultralytics modellerinin bir sonraki evrimi olan YOLO11'i tanıtmaktan büyük heyecan duyuyoruz! Önceki YOLO model sürümlerinin etkileyici ilerlemeleri üzerine inşa edilen YOLO11, onu daha hızlı, daha doğru ve inanılmaz derecede çok yönlü hâle getiren bir dizi güçlü özellik ve optimizasyon sunuyor. Yapay zekâ uzmanları, yenilikçiler ve geliştiricilerin katıldığı Ultralytics'in yıllık hibrit etkinliği YOLO Vision 2024 (YV24) etkinliğinde duyurulan bu son Ultralytics ailesi üyesi, bilgisayarlı görü alanında mümkün olanların sınırlarını yeniden tanımlamaya hazırlanıyor.

Yenilikçi mimarisi sayesinde Ultralytics YOLO11, gerçek zamanlı nesne tespitinden sınıflandırmaya kadar çeşitli bilgisayarlı görü görevlerinde kullanılabilir ve geliştiriciler ile araştırmacılar için ezber bozan bir çözüm sunar. Önemli iyileştirmeler arasında daha hassas ayrıntı yakalama için geliştirilmiş özellik çıkarımı, daha az parametreyle daha yüksek doğruluk ve gerçek zamanlı performansı önemli ölçüde artıran daha yüksek işlem hızları bulunur. Bu makalede, YOLO11'i öne çıkaran özelliklere ve bilgisayarlı görü uygulamalarını nasıl dönüştürebileceğine daha yakından bakacağız. Hadi başlayalım!

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

Ultralytics YOLO11'i tanıyalım#

YOLO11, YOLO ailesi için yeni bir bölüm başlatıyor ve bilgisayarlı görü alanını yeni seviyelere taşıyan daha yetenekli ve çok yönlü bir model sunuyor. Geliştirilmiş mimarisi ve yetenekleriyle model, görü yapay zekâ topluluğunun Ultralytics YOLOv8 hakkında sevdiği poz tahmini ve örnek segmentasyonu gibi bilgisayarlı görü görevlerini destekliyor; ancak çok daha yüksek performans ve hassasiyet sunuyor. Ultralytics'in Kurucusu ve CEO'su Glenn Jocher şunları paylaştı: “YOLO11 ile gerçek dünya uygulamaları için hem güçlü hem de pratik bir model geliştirmeyi hedefledik. Geliştirilmiş verimliliği ve doğruluğu, onu çeşitli sektörlerin karşılaştığı özgün zorluklara uyarlanabilen sağlam bir araç hâline getiriyor. Görü yapay zekâsı topluluğunun yenilikçi çözümler oluşturmak ve bilgisayarlı görüyü bir sonraki seviyeye taşımak için YOLO11'i nasıl kullanacağını görmek için sabırsızlanıyorum.”

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

Ultralytics YOLO11'in desteklediği bilgisayarlı görü görevlerine kısaca göz atalım:

• Nesne tespiti: Görüntüler veya video kareleri içindeki nesneleri tespit eder ve konumlarını belirler; gözetim, otonom sürüş ve perakende analitiği gibi uygulamalar için nesnelerin çevresine sınırlayıcı kutular çizer.
• Örnek segmentasyonu: Bir görüntü içindeki bağımsız nesneleri piksel düzeyine kadar tespit etmeyi ve birbirinden ayırmayı içerir. Tıbbi görüntüleme ve üretimde kusur tespiti gibi uygulamalar için kullanışlıdır.
• Görüntü sınıflandırma: Görüntülerin tamamını önceden tanımlanmış sınıflara kategorize eder ve e-ticarette ürün kategorilendirme veya yaban hayatı izleme gibi uygulamalar için ideal hâle getirir.
• Poz tahmini: Hareketleri veya pozları takip etmek için görüntü ya da video karesi içindeki belirli kilit noktaları tespit eder; fitness takibi, spor analitiği ve sağlık hizmetleri uygulamaları için faydalıdır.
• Yönelimli nesne tespiti (OBB): Yönelim açısına sahip nesneleri tespit ederek döndürülmüş nesnelerin daha hassas biçimde konumlandırılmasını sağlar; bu özellik özellikle hava görüntüleri, robotik ve depo otomasyonu görevleri için değerlidir.
• Nesne takibi: Nesnelerin ardışık video kareleri boyunca hareketini izler ve takip eder; bu da onu birçok gerçek zamanlı uygulama için vazgeçilmez kılar.

Şekil 3. Ultralytics YOLO11 tarafından desteklenen bilgisayarlı görü görevleri.

Ultralytics YOLO11'i farklı kılan nedir?#

YOLO11, bu yılın başlarında YOLOv9 ve YOLOv10 ile sunulan ilerlemeler üzerine inşa edilerek geliştirilmiş mimari tasarımları, iyileştirilmiş özellik çıkarma tekniklerini ve optimize edilmiş eğitim yöntemlerini bünyesinde barındırıyor. YOLO11'i gerçekten öne çıkaran şey, onu Ultralytics'in şimdiye kadar oluşturduğu en yetenekli modellerden biri hâline getiren etkileyici hız, doğruluk ve verimlilik bileşimidir. Geliştirilmiş tasarımıyla YOLO11, görüntülerdeki önemli örüntüleri ve ayrıntıları belirleme süreci olan daha iyi özellik çıkarımı sunar; böylece zorlu senaryolarda bile karmaşık unsurların daha doğru biçimde yakalanmasını mümkün kılar.

Dikkat çekici biçimde YOLO11m, YOLOv8m'den %22 daha az parametre kullanırken COCO veri kümesinde daha yüksek bir ortalama Kesinlik (mAP) puanına ulaşıyor; böylece performanstan ödün vermeden hesaplama açısından daha hafif bir yapı sunuyor. Bu, daha verimli çalışırken daha doğru sonuçlar verdiği anlamına geliyor. Bunun yanı sıra YOLO11 daha yüksek işlem hızları sunuyor ve çıkarım süreleri YOLOv10'dan yaklaşık %2 daha kısa; bu da onu gerçek zamanlı uygulamalar için ideal hâle getiriyor.

Şekil 4. Nesne tespiti için Ultralytics YOLO11 kullanımı.

Karmaşık görevleri kaynakları daha az tüketerek ele alacak ve büyük ölçekli modellerin performansını artıracak şekilde tasarlanmıştır; bu da onu zorlu yapay zekâ projeleri için mükemmel bir seçenek hâline getirir. Zenginleştirme işlem hattındaki iyileştirmeler de eğitim sürecini geliştirmiş ve küçük projeler veya büyük ölçekli uygulamalar üzerinde çalışıyor olmandan bağımsız olarak Ultralytics YOLO11'in farklı görevlere uyarlanmasını kolaylaştırmıştır.

Aslında YOLO11, işlem gücü açısından son derece verimlidir ve hem bulut hem de uç cihazlara dağıtım için mükemmel biçimde uygundur; bu sayede farklı ortamlarda esneklik sağlar. Basitçe ifade etmek gerekirse YOLO11 yalnızca bir yükseltme değildir; çok daha doğru, verimli ve esnek bir modeldir ve her türlü bilgisayarlı görü zorluğunun üstesinden gelmek için daha donanımlıdır. İster otonom sürüş, gözetim, sağlık görüntüleme, akıllı perakende ister endüstriyel kullanım senaryoları olsun, YOLO11 neredeyse her bilgisayarlı görü uygulamasının ihtiyaçlarını karşılayacak kadar çok yönlüdür.

Ultralytics YOLO11 sistemlerin ve platformların için hazır#

Ultralytics YOLO11, hâlihazırda kullandığın sistemler ve platformlarla sorunsuz bir şekilde entegre olacak şekilde tasarlanmıştır. YOLOv8 tarafından sunulan desteği temel alan YOLO11, eğitim, test ve dağıtım için çok çeşitli ortamlarla uyumludur. İster NVIDIA GPU'ları, uç cihazları kullanıyor ister bulut platformlarına dağıtım yapıyor ol, YOLO11 iş akışına zahmetsizce uyum sağlayacak şekilde optimize edilmiştir.

Bu entegrasyonlar, YOLO11'i farklı sektörlere uyarlanabilir hâle getiren ve işletmelerin modeli mevcut süreçlerine kolayca uygulamasına yardımcı olan harika eklentilerdir. Örneğin YOLO11'i tarım için, özellikle de ürün izleme amacıyla kullanmak istediğini düşünelim. Geniş tarlalarda bitki sağlığı sorunlarını gerçek zamanlı olarak tespit etmek için modeli dronlara dağıtman gerekebilir. Ancak güvenlik alanındaysan, birden fazla kamera akışını nesne tespiti için izlemek üzere YOLO11'i bulut tabanlı bir sistemle kullanmayı tercih edebilirsin.

Şekil 5. Tarımda Ultralytics YOLO11 kullanımı.

Ultralytics YOLO11 ile yapay zekâ topluluğunu güçlendirmek#

Görü yapay zekâsı topluluğu, YOLO11'in piyasaya sürülmesiyle heyecan verici ilerlemeler bekleyebilir. Geliştirilmiş doğruluğu ve verimliliği sayesinde bu yeni model, mevcut uygulamaları dönüştürme ve yenilerini oluşturma potansiyeline sahip. Bu ilerlemedeki başlıca etkenlerden biri Ultralytics HUB'dır. Ultralytics HUB, YOLO11 de dâhil olmak üzere YOLO modellerinin eğitimini ve dağıtımını basitleştiren kullanıcı dostu bir platformdur.

Şekil 6. Ultralytics HUB üzerinde YOLO11 çıkarımlarını çalıştırma.

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

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

HUB'ın sezgisel tasarımı sayesinde hem deneyimli geliştiriciler hem de yeni başlayanlar hızlıca çalışmaya başlayabilir. Daha fazla geliştirici Ultralytics HUB üzerinden Ultralytics YOLO11'i kullandıkça, bilgisayarlı görünün sınırlarını zorlayan ve yapay zekâ teknolojisinin geleceğini şekillendiren yüksek performanslı uygulamalarda bir artış görmeyi bekleyebiliriz.

Ultralytics YOLO11'i uygulamalı olarak deneyimle#

YOLOv8 gibi YOLO11 de yakında Ultralytics HUB ve Ultralytics Python paketi üzerinden denenebilecek. Ultralytics HUB'a giriş yapabilir veya paketin nasıl kurulacağına ilişkin adım adım talimatlar için hızlı başlangıç kılavuzumuza göz atabilirsin. Yayınlandığında özelliklerini keşfedebilecek, farklı veri kümeleri ile denemeler yapabilecek ve YOLO11'in çeşitli senaryolardaki performansını görebileceksin. Yapay zekâ topluluğunun YOLO11'in geliştirilmesine katkıda bulunarak, geri bildirim sağlayarak veya onu temel alarak yeni çalışmalar geliştirerek projeye dâhil olmasını görmek için sabırsızlanıyoruz.

İster mevcut projelerini optimize etmek isteyen bir geliştirici ister yeni uygulamalar oluşturmakla ilgilenen biri ol, katılımın yenilikçiliği ilerletmeye yardımcı olabilir. Tartışmalara katıl, deneyimlerini paylaş ve Ultralytics YOLO11'in tüm potansiyelini ortaya çıkarmak için başkalarıyla iş birliği yap. YOLO11'i gerçek dünya zorluklarının üstesinden gelmek ve yaratıcı fikirlerini hayata geçirmek için nasıl kullanacağını görmek için heyecanlıyız!

Ultralytics YOLO11 ile yeni bir bölüm başlıyor#

Ultralytics YOLO11, etkileyici doğruluk, hız ve verimliliği bir araya getirerek bilgisayarlı görü alanında ileriye doğru atılmış bir sonraki adımdır. YV24'te duyurulan modelin gelişmiş özellikleri, onu otonom araçlardan akıllı perakende çözümlerine kadar çeşitli gerçek zamanlı uygulamalar için çok yönlü hâle getiriyor. Yapay zekâ topluluğu bu modeli keşfetmeye ve kullanmaya başlarken YOLO11'in yenilikçiliği ilerleteceği ve yeni olanakları hayata geçireceği yaratıcı yolları görmek için heyecanlıyız. Yapay zekâdaki en son gelişmeleri keşfetmek istiyorsan YOLO11'i dene ve bilgisayarlı görü 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 kaydettiğini keşfet.