Ultralytics YOLO11 geldi! Yapay zekada nelerin mümkün olduğunu yeniden tanımla!

Ultralytics modellerinin bir sonraki evrimi olan YOLO11'i duyurmaktan heyecan duyuyoruz! Önceki YOLO model sürümlerinin etkileyici gelişmelerini temel alan YOLO11; onu daha hızlı, daha doğru ve inanılmaz derecede çok yönlü kılan bir dizi güçlü özellik ve optimizasyon getiriyor. Yapay zeka uzmanlarının, yenilikçilerin ve geliştiricilerin yıllık hibrit buluşması olan YOLO Vision 2024 (YV24) etkinliğinde duyurulan Ultralytics ailesinin bu en yeni üyesi, bilgisayarlı görü ile mümkün olan sınırları yeniden tanımlamaya hazırlanıyor.

Yenilikçi mimarisiyle Ultralytics YOLO11, gerçek zamanlı nesne tespitten sınıflandırmaya kadar çeşitli bilgisayarlı görü görevleri için kullanılabilir ve bu da onu hem geliştiriciler hem de araştırmacılar için oyunun kurallarını değiştiren bir unsur haline getirir. Temel iyileştirmeler arasında, daha hassas detay yakalama için geliştirilmiş özellik çıkarma, daha az parametreyle daha yüksek doğruluk ve gerçek zamanlı performansını önemli ölçüde artıran daha hızlı işlem hızları yer alır. Bu makalede, YOLO11'i öne çıkaran özelliklere ve computer vision applications projelerini nasıl dönüştürebileceğine yakından bakacağız. Hadi başlayalım!

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

Ultralytics YOLO11'i yakından tanıyın#

YOLO11, bilgisayarlı görü'yü yeni zirvelere taşıyan daha yetenekli ve çok yönlü bir model sunarak YOLO ailesi için yeni bir sayfa açıyor. Geliştirilmiş mimarisi ve artırılmış yetenekleriyle model, yapay zeka topluluğunun Ultralytics YOLOv8 hakkında çok sevdiği poz tahmini ve örnek bölütleme gibi bilgisayarlı görü görevlerini çok daha yüksek performans ve hassasiyetle destekler. Ultralytics'in Kurucusu ve CEO'su Glenn Jocher şunları paylaştı: "YOLO11 ile gerçek dünya uygulamaları için hem güç hem de pratiklik sunan bir model geliştirmeyi amaçladık. Geliştirilmiş verimliliği ve doğruluğu, onu çeşitli endüstrilerin karşılaştığı benzersiz zorluklara uyarlanabilen sağlam bir araç haline getiriyor. Yapay zeka topluluğunun YOLO11'i yenilikçi çözümler oluşturmak ve bilgisayarlı görü'yü bir üst seviyeye taşımak için nasıl kullanacağını görmek için sabırsızlanıyorum."

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

İşte Ultralytics YOLO11'in desteklediği bilgisayarla görü görevlerine kısa bir bakış:

• Nesne tespiti: Gözetim, otonom sürüş ve perakende analitiği gibi uygulamalar için etraflarına sınırlayıcı kutular çizerek görüntü veya video karelerindeki nesneleri tanımlar ve konumlandırır.
• Örnek bölütleme: Bir görüntü içindeki bireysel nesnelerin piksel düzeyinde tanımlanmasını ve ayrılmasını içerir. Tıbbi görüntüleme ve üretimde kusur tespiti gibi uygulamalar için kullanışlıdır.
• Görüntü sınıflandırma: Tüm görüntüleri önceden tanımlanmış sınıflara ayırarak e-ticarette ürün kategorizasyonu veya yaban hayatı izleme gibi uygulamalar için ideal hale gelir.
• Poz tahmini: Hareketleri veya pozları izlemek için bir görüntü veya video çerçevesindeki belirli anahtar noktaları tespit eder; bu, fitness takibi, spor analitiği ve sağlık hizmetleri uygulamaları için faydalıdır.
• Yönlendirilmiş nesne tespiti (OBB): Nesneleri bir yönelim açısıyla tespit ederek döndürülmüş nesnelerin daha hassas bir şekilde konumlandırılmasına olanak tanır; bu özellik özellikle hava görüntüsü, robotik ve depo otomasyonu görevleri için değerlidir.
• Nesne Takibi: Nesnelerin hareketini ardışık video karelerinde izler ve takip eder, bu da onu birçok gerçek zamanlı uygulama için vazgeçilmez kılar.

Fig 3. Ultralytics YOLO11 Tarafından Desteklenen Bilgisayarla Görü Görevleri.

Ultralytics YOLO11'i farklı kılan nedir?#

YOLO11; yılın başlarında YOLOv9 ve YOLOv10'da sunulan gelişmeleri temel alarak geliştirilmiş mimari tasarımlar, gelişmiş özellik çıkarma teknikleri ve optimize edilmiş eğitim yöntemleri içerir. YOLO11'i gerçekten öne çıkaran şey, hız, doğruluk ve verimliliğin etkileyici birleşimidir; bu da onu Ultralytics'in şimdiye kadar yarattığı en yetenekli modellerden biri yapar. Geliştirilmiş bir tasarıma sahip olan YOLO11; görüntülerden önemli örüntüleri ve detayları belirleme süreci olan ve zorlu senaryolarda bile karmaşık yönleri daha doğru bir şekilde yakalamayı mümkün kılan daha iyi bir özellik çıkarımı sunar.

Dikkat çekici bir şekilde YOLO11m, YOLOv8m'ye kıyasla %22 daha az parametre kullanırken COCO veri setinde daha yüksek bir ortalama Ortalama Kesinlik (mAP) puanı elde eder ve bu da performanstan ödün vermeden onu hesaplama açısından daha hafif hale getirir. Bu, çalıştırılması daha verimli olurken daha doğru sonuçlar sunduğu anlamına gelir. Ek olarak YOLO11, YOLOv10'dan yaklaşık %2 daha hızlı çıkarım süreleriyle daha hızlı işlem hızları getirerek gerçek zamanlı uygulamalar için ideal hale gelir.

Şekil 4. Nesne tespiti için Ultralytics YOLO11 kullanımı.

Kaynak tüketiminde daha ekonomik olurken karmaşık görevlerin üstesinden gelmek için tasarlanmıştır ve büyük ölçekli modellerin performansını artırarak onu zorlu AI projeleri için mükemmel bir uyum haline getirir. Augmentation pipeline üzerindeki iyileştirmeler de eğitim sürecini geliştirerek ister küçük projeler ister büyük ölçekli uygulamalar üzerinde çalışıyor ol, Ultralytics YOLO11'in farklı görevlere uyum sağlamasını kolaylaştırdı.

Aslında YOLO11, işlem gücü açısından oldukça verimlidir ve hem bulut hem de uç cihazlarda dağıtım için mükemmel bir şekilde uygundur, bu da farklı ortamlarda esneklik sağlar. Basitçe söylemek gerekirse YOLO11 sadece bir yükseltme değildir; herhangi bir bilgisayarlı görü zorluğunun üstesinden gelmek için daha iyi donatılmış, çok daha doğru, verimli ve esnek bir modeldir. İster otonom sürüş, gözetim, sağlık görüntüleme, akıllı perakende veya endüstriyel kullanım senaryoları olsun, YOLO11 neredeyse tüm bilgisayarlı görü uygulamalarına hitap edecek kadar çok yönlüdür.

Ultralytics YOLO11 sistemlerin ve platformların için hazır#

Ultralytics YOLO11, halihazırda kullandığın sistemler ve platformlarla seamlessly integrate olacak şekilde tasarlanmıştır. YOLOv8 tarafından sağlanan desteğin üzerine inşa edilen YOLO11; training, testing ve deployment için çok çeşitli ortamlarla uyumludur. İster NVIDIA GPUs ile çalışıyor ol, ister edge devices kullanıyor ol, ister deploying on cloud platformlarında konuşlandırıyor ol, YOLO11 iş akışına zahmetsizce uyum sağlamak için optimize edilmiştir.

Bu entegrasyonlar, YOLO11'i farklı endüstrilere uyarlanabilir kılan harika eklentilerdir ve işletmelerin modeli mevcut süreçlerinde kolayca uygulamasına yardımcı olur. Örneğin, YOLO11'i tarımda, özellikle ürün izlemede kullanmak istediğinizi varsayalım. Büyük tarlalarda bitki sağlığı sorunlarını gerçek zamanlı olarak belirlemek için modeli dronlar üzerinde dağıtmanız gerekebilir. Ancak güvenlik alanındaysanız, nesne tespiti için birden fazla kamera akışını izlemek üzere YOLO11'i bulut tabanlı bir sistemle kullanmayı tercih edebilirsiniz.

Şekil 5. Tarımda Ultralytics YOLO11 kullanımı.

Ultralytics YOLO11 ile AI topluluğunu güçlendirme#

Vizyon yapay zeka topluluğu, YOLO11'in lansmanı ile heyecan verici ilerlemeler bekleyebilir. Gelişmiş doğruluğu ve verimliliği sayesinde bu yeni model, mevcut uygulamaları dönüştürme ve yenilerini yaratma potansiyeline sahiptir. Bu ilerlemedeki en büyük faktörlerden biri Ultralytics HUB'dır. Ultralytics HUB, YOLO11 dahil olmak üzere YOLO modellerinin eğitimini ve dağıtımını basitleştiren kullanıcı dostu bir platformdur.

Şekil 6. Ultralytics HUB'da YOLO11 Çıkarımlarını Çalıştır.

Ultralytics HUB, kullanıcıların veri kümelerini yüklemelerine, çeşitli önceden eğitilmiş modellere erişmelerine ve projelerini tek bir yerden yönetmelerine olanak tanıyarak geliştirme sürecini kolaylaştırır. HUB ayrıca iş birliğini destekleyerek ekiplerin yapay zeka projelerinde birlikte çalışmasını kolaylaştırır. İşte Ultralytics HUB'ın diğer temel özelliklerinden bazıları:

• Bulut eğitimi: Ultralytics HUB, ölçeklenebilirlik ve verimlilik için kesintisiz 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 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 rehberler 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 başlayabilir. Daha fazla geliştirici Ultralytics YOLO11'i HUB üzerinden kullandıkça, bilgisayarla görünün sınırlarını zorlayan ve AI teknolojisinin geleceğini şekillendiren yüksek performanslı uygulamalarda bir artış bekleyebiliriz.

Ultralytics YOLO11 ile ellerini kirlet ve hemen başla#

Tıpkı YOLOv8 gibi YOLO11 de yakında Ultralytics HUB ve Ultralytics Python paketi aracılığıyla denenebilir olacak. Paketin nasıl kurulacağına dair adım adım talimatlar için Ultralytics HUB'da oturum açabilir veya hızlı başlangıç kılavuzumuza göz atabilirsiniz. Yayınlandığında, özelliklerini keşfedebilir, farklı veri setleriyle deneyler yapabilir ve YOLO11'in çeşitli senaryolarda nasıl performans gösterdiğini görebilirsiniz. Yapay zeka topluluğunun geliştirilmesine katkıda bulunarak, geri bildirim sağlayarak veya üzerine inşa ederek YOLO11 ile etkileşime geçmesini görmek için sabırsızlanıyoruz.

Mevcut projelerini optimize etmek isteyen bir geliştirici ol veya yeni uygulamalar oluşturmakla ilgilenen biri ol, katkıların inovasyonu yönlendirmeye yardımcı olabilir. Ultralytics YOLO11'in tüm potansiyelini açığa çıkarmak için tartışmalara katıl, deneyimlerini paylaş ve diğerleriyle iş birliği yap. YOLO11'i gerçek dünya zorluklarının üstesinden gelmek ve yaratıcı fikirlerini hayata geçirmek için nasıl kullandığını görmekten heyecan duyuyoruz!

Ultralytics YOLO11 ile yeni bir sayfa açılıyor#

Ultralytics YOLO11; etkileyici doğruluğu, hızı ve verimliliği bir araya getirerek bilgisayarlı görü alanında bir sonraki adımdır. YV24'te duyurulan gelişmiş özellikleri; otonom araçlardan akıllı perakende çözümlerine kadar çeşitli gerçek zamanlı uygulamalar için onu çok yönlü kılmaktadır. Yapay zeka topluluğu bu modeli keşfetmeye ve kullanmaya başlarken, YOLO11'in inovasyonu nasıl yönlendireceğini ve yeni olasılıkları hayata geçireceğini görmek için heyecan duyuyoruz. Yapay zekadaki en son gelişmeleri keşfetmek istiyorsan, YOLO11'i dene ve bilgisayarlı görü projelerini nasıl yükseltebileceğini gör!

Yapay zeka hakkında daha fazla bilgi edinmek için GitHub deponmuza gidin ve aktif topluluğumuza katılın. Yapay zekanın sağlık hizmetleri ve tarım gibi alanlarda nasıl adımlar attığını keşfedin.