Ultralytics YOLO11 geldi! Yapay zekada mümkün olanı yeniden tanımlayın!

Ultralytics modellerinin bir sonraki evrimini tanıtmaktan heyecan duyuyoruz: YOLO11! Önceki YOLO model versiyonlarının etkileyici gelişmelerine dayanarak, YOLO11, onu daha hızlı, daha doğru ve inanılmaz derecede çok yönlü hale getiren bir dizi güçlü özellik ve optimizasyon getiriyor. YOLO Vision 2024 (YV24) etkinliğinde, Ultralytics'in yıllık karma yapay zeka uzmanları, yenilikçiler ve geliştiriciler buluşmasında duyurulan Ultralytics ailesinin bu en son üyesi, bilgisayarlı görü ile nelerin mümkün olduğunu yeniden tanımlamaya hazırlanıyor. 

YOLO11, yenilikçi mimarisi sayesinde, gerçek zamanlı nesne tespitinden sınıflandırmaya kadar çeşitli bilgisayarlı görü görevleri için kullanılabilir ve hem geliştiriciler hem de araştırmacılar için ezber bozan bir yeniliktir. Temel iyileştirmeler arasında daha hassas detay yakalama için geliştirilmiş özellik çıkarımı, daha az parametreyle daha yüksek doğruluk ve gerçek zamanlı performansı önemli ölçüde artıran daha hızlı işlem hızları yer almaktadır. Bu makalede, YOLO11'i öne çıkaran özellikleri ve bilgisayarlı görü uygulamalarınızı nasıl dönüştürebileceğini daha yakından inceleyeceğiz. Haydi başlayalım!

YOLO11'i tanımak

YOLO11, bilgisayarlı görüye yeni boyutlar kazandıran, daha yetenekli ve çok yönlü bir model sunarak YOLO ailesi için yeni bir sayfa açıyor. Gelişmiş mimarisi ve geliştirilmiş yetenekleriyle model, bilgisayarlı görü görevlerini, poz tahmini ve örnek segmentasyonu gibi, Vision AI topluluğunun Ultralytics YOLOv8 hakkında sevdiği şeyleri destekler, ancak daha da yüksek performans ve hassasiyetle. Ultralytics'in Kurucusu ve CEO'su Glenn Jocher şunları paylaştı: "YOLO11 ile gerçek dünya uygulamaları için hem güç hem de pratiklik sunan bir model geliştirmeye karar verdik. Geliştirilmiş verimliliği ve doğruluğu, onu çeşitli endüstrilerin karşılaştığı benzersiz zorluklara uyarlanabilen sağlam bir araç haline getiriyor. Vision AI topluluğunun YOLO11'i yenilikçi çözümler oluşturmak ve bilgisayarlı görüye yeni bir boyut kazandırmak için nasıl kullanacağını görmek için sabırsızlanıyorum."

‍

İşte YOLO11'in desteklediği bilgisayarlı görü görevlerine bir bakış:

• Nesne tespiti: Görüntüler veya video kareleri içindeki nesneleri tanımlar ve konumlandırır, gözetim, otonom sürüş ve perakende analitiği gibi uygulamalar için etraflarına sınırlayıcı kutular çizer.
  ‍
• Örnek segmentasyonu: Bir görüntüdeki her bir nesneyi piksel düzeyinde tanımlamayı ve ayırmayı içerir. Tıbbi görüntüleme ve üretimde kusur tespiti gibi uygulamalar için kullanışlıdır.
  ‍
• Görüntü sınıflandırma: Tüm görüntüleri önceden tanımlanmış sınıflara ayırır, bu da onu e-ticarette ürün kategorizasyonu veya vahşi yaşamı izleme gibi uygulamalar için ideal hale getirir.
  ‍
• Poz tahmini: Hareketleri veya pozları izlemek için bir görüntü veya video karesi içindeki belirli anahtar noktaları algılar, fitness takibi, spor analitiği ve sağlık hizmetleri uygulamaları için faydalıdır.
  ‍
• Yönlendirilmiş nesne tespiti (OBB): Bir yönlendirme açısıyla nesneleri algılar, böylece döndürülmüş nesnelerin daha hassas bir şekilde yerelleştirilmesini sağlar, bu da özellikle hava görüntüleri, robotik ve depo otomasyonu görevleri için değerlidir.
  ‍
• Nesne İzleme: Nesnelerin hareketini ardışık video kareleri boyunca izler ve takip eder, bu da onu birçok gerçek zamanlı uygulama için vazgeçilmez kılar.

‍

YOLO11'i farklı kılan nedir?

YOLO11, bu yılın başlarında tanıtılan YOLOv9 ve YOLOv10'daki gelişmeleri temel alarak, iyileştirilmiş mimari tasarımlar, gelişmiş özellik çıkarma teknikleri ve optimize edilmiş eğitim yöntemleri içerir. YOLO11'i gerçekten öne çıkaran şey, hız, doğruluk ve verimliliğin etkileyici kombinasyonudur ve bu da onu Ultralytics'in şimdiye kadar oluşturduğu en yetenekli modellerden biri yapmaktadır. Geliştirilmiş bir tasarımla YOLO11, görüntülerden önemli desenleri ve ayrıntıları tanımlama süreci olan daha iyi özellik çıkarımı sunar ve zorlu senaryolarda bile karmaşık ayrıntıları daha doğru bir şekilde yakalamayı mümkün kılar.

YOLO11m, YOLOv8m'den %22 daha az parametre kullanırken COCO veri kümesinde daha yüksek bir ortalama Ortalama Hassasiyet (mAP) puanı elde ederek, performanstan ödün vermeden hesaplama açısından daha hafiftir. Bu, çalıştırması daha verimli olurken daha doğru sonuçlar verdiği anlamına gelir. Buna ek olarak, YOLO11, YOLOv10'dan yaklaşık %2 daha hızlı çıkarım süreleriyle daha hızlı işlem hızları sunarak, onu gerçek zamanlı uygulamalar için ideal hale getirir. 

‍

Karmaşık görevlerin üstesinden gelmek için oluşturulmuş olup, kaynakları daha az kullanır ve büyük ölçekli modellerin performansını artırmak için tasarlanmıştır, bu da onu zorlu AI projeleri için harika bir seçim haline getirir. Artırma hattına yapılan geliştirmeler de eğitim sürecini iyileştirerek YOLO11'in ister küçük projelerde ister büyük ölçekli uygulamalarda çalışıyor olun, farklı görevlere uyum sağlamasını kolaylaştırmıştır. 

Aslında, YOLO11 işlem gücü açısından oldukça verimlidir ve farklı ortamlarda esneklik sağlayarak hem bulut hem de uç cihazlarda dağıtım için mükemmel şekilde uygundur. Basitçe söylemek gerekirse, YOLO11 sadece bir yükseltme değil; herhangi bir bilgisayarlı görü zorluğunun üstesinden gelmek için daha donanımlı, önemli ölçüde daha doğru, verimli ve esnek bir modeldir. Otonom sürüş, gözetim, sağlık hizmetleri görüntüleme, akıllı perakende veya endüstriyel kullanım durumları olsun, YOLO11 neredeyse her bilgisayarlı görü uygulamasına uyacak kadar çok yönlüdür.

YOLO11, sistemleriniz ve platformlarınız için hazır

YOLO11, halihazırda kullandığınız sistemler ve platformlarla kusursuz bir şekilde entegre olmak için tasarlanmıştır. YOLOv8 tarafından sağlanan desteğe dayanarak, YOLO11 eğitim, test ve dağıtım için çok çeşitli ortamlarla uyumludur. İster NVIDIA GPU'ları, ister uç cihazları ile çalışıyor, ister bulut platformlarına dağıtım yapıyor olun, YOLO11 iş akışınıza zahmetsizce uyacak şekilde optimize edilmiştir.

Bu entegrasyonlar, YOLO11'i farklı sektörlere uyarlanabilir hale getiren ve işletmelerin modeli mevcut süreçlerine kolayca entegre etmelerine yardımcı olan harika eklentilerdir. Örneğin, YOLO11'i tarım alanında, özellikle de ürün takibi için kullanmak istediğinizi varsayalım. Geniş tarlalarda bitki sağlığı sorunlarını gerçek zamanlı olarak belirlemek için modeli dronlara yerleştirmeniz gerekebilir. Ancak, güvenlik alanındaysanız, nesne tespiti için birden fazla kamera akışını izlemek üzere YOLO11'i bulut tabanlı bir sistemle kullanmayı tercih edebilirsiniz.

‍

YOLO11 ile yapay zeka topluluğunu güçlendirmek

Vizyon AI topluluğu, YOLO11'in lansmanı ile heyecan verici gelişmeler bekleyebilir. Gelişmiş doğruluğu ve verimliliği sayesinde, bu yeni model mevcut uygulamaları dönüştürme ve yenilerini yaratma potansiyeline sahiptir. Bu ilerlemede önemli bir faktör Ultralytics HUB'dır. Ultralytics HUB, YOLO11 dahil olmak üzere YOLO modellerinin eğitimini ve dağıtımını basitleştiren kullanıcı dostu bir platformdur. 

‍

Ultralytics HUB, kullanıcıların veri kümelerini yüklemesine, bir dizi önceden eğitilmiş modele erişmesine ve projelerini tek bir yerden yönetmesine olanak tanıyarak geliştirme sürecini kolaylaştırır. HUB ayrıca işbirliğini destekleyerek ekiplerin yapay zeka projeleri üzerinde birlikte çalışmasını kolaylaştırır. İşte Ultralytics HUB'ın diğer temel özelliklerinden bazıları:

• 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 aktarımı: Eğitilmiş modeller, dağıtım için çeşitli formatlara aktarılabilir.
  ‍
• Entegrasyonlar: Ultralytics HUB, Roboflow, Google Colab ve Weights & Biases gibi platformlarla sorunsuz bir şekilde entegre olur.
  ‍
• Ayrıntılı dokümantasyon: Ultralytics HUB, kullanıcı desteği için kapsamlı kılavuzlar ve SSS'ler sunar.
  ‍
• Topluluk desteği: Sorularınız ve tartışmalarınız için aktif bir Discord topluluğu bulunmaktadır.

HUB'ın sezgisel tasarımı sayesinde, hem deneyimli geliştiriciler hem de yeni başlayanlar hızlıca başlayabilir. HUB aracılığıyla daha fazla geliştirici YOLO11'i kullandıkça, bilgisayarlı görü sınırlarını zorlayan ve yapay zeka teknolojisinin geleceğini şekillendiren yüksek performanslı uygulamalarda bir artış bekleyebiliriz.

YOLO11 ile uygulamalı deneyim kazanın

Tıpkı YOLOv8 gibi, YOLO11 de yakında Ultralytics HUB ve Ultralytics Python paketi aracılığıyla denenebilir olacak. Paketi nasıl kuracağınıza dair adım adım talimatlar için HUB'a kaydolabilir veya hızlı başlangıç kılavuzumuza göz atabilirsiniz. Yayınlandıktan sonra, özelliklerini keşfedebilir, farklı veri kümeleriyle deneyler yapabilir ve YOLO11'in çeşitli senaryolarda nasıl performans gösterdiğini görebilirsiniz. Yapay zeka topluluğunun YOLO11 ile etkileşime geçmesini ve geri bildirim sağlayarak veya üzerine inşa ederek gelişimine katkıda bulunmasını görmek için sabırsızlanıyoruz.

İster mevcut projeleri optimize etmek isteyen bir geliştirici, ister yeni uygulamalar oluşturmakla ilgilenen biri olun, katılımınız inovasyonu yönlendirmeye yardımcı olabilir. Tartışmalara katılın, deneyimlerinizi paylaşın ve YOLO11'in tüm potansiyelini ortaya çıkarmak için başkalarıyla işbirliği yapın. YOLO11'i gerçek dünya zorluklarının üstesinden gelmek ve yaratıcı fikirlerinizi hayata geçirmek için nasıl kullandığınızı görmek için heyecanlıyız!

YOLO11 ile yeni bir sayfa açılıyor

YOLO11, etkileyici doğruluk, hız ve verimliliği bir araya getiren bilgisayarlı görmede bir sonraki adımdır. YV24'te duyurulan gelişmiş özellikleri, otonom araçlardan akıllı perakende çözümlerine kadar çeşitli gerçek zamanlı uygulamalar için çok yönlü hale getiriyor. Yapay zeka topluluğu bu modeli keşfetmeye ve kullanmaya başladıkça, YOLO11'in yeniliği nasıl yönlendireceğini ve yeni olasılıkları hayata nasıl geçireceğini görmek için heyecanlıyız. Yapay zekadaki en son gelişmeleri keşfetmek istiyorsanız, YOLO11'i deneyin ve bilgisayarlı görü projelerinizi nasıl yükseltebileceğini görün!

AI hakkında daha fazla bilgi edinmek için GitHub depomuza gidin ve aktif topluluğumuza katılın. AI'nın sağlık hizmetleri ve tarım gibi alanlarda nasıl ilerleme kaydettiğini keşfedin.