Ultralytics YOLO26 artık monoküler derinlik tahminini destekliyor

Şimdiye kadar bir YOLO işlem hattına derinlik eklemek, parçaları kendin bir araya getirmek anlamına geliyordu. Yerleşik yöntem, algılama için YOLO'yu çalıştırmak ve MiDaS ya da Depth Anything gibi başka bir projeden ayrı bir derinlik modeliyle eşleştirmekti. Bu da ikinci bir bağımlılık, ikinci bir çerçeve ve uzlaştırılması gereken iki ayrı girdi ve çıktı biçimi demekti.

Tek gözlü derinlik tahmini artık yerel bir görev olarak Ultralytics YOLO26 içinde sunuluyor. Tek bir RGB görüntüsü; algılama, segmentasyon ve poz tahminiyle aynı paketi, iş akışını ve dışa aktarma yolunu kullanarak her piksel için bir mesafe değeri üretir.

Derinlik tahmini nedir?#

Derinlik tahmini, ikinci bir kamera veya ek sensör kullanmadan tek bir RGB görüntüsünden piksel başına bir derinlik haritası tahmin eder. Her çıktı pikseli metre cinsinden bir derinlik değeri içerir ve yüzey noktasının kameraya olan tahmini mesafesini gösterir.

Çıktı, girdiyle hizalanmış (H, W) şekline sahip yoğun bir kayan noktalı sayısal haritadır; her piksel, neyin daha yakın veya daha uzak olduğuna dair göreli bir sıralamayı değil, kameradan olan mutlak mesafeyi metre cinsinden taşır.

Bu, kendi ağırlık dosyasına sahip bağımsız bir görevdir ve çıktısı yalnızca derinlik haritasıdır; sınırlayıcı kutular veya segmentasyon maskeleri döndürmez. Bu nedenle algılamayı derinlikle birleştirmek, iki modelin ve iki ileri geçişin çalıştırılmasını gerektirir. Önceki uygulamalardan farkı, artık her ikisinin de tek bir paket içinde bulunmasıdır: Birlikte tek bir kurulum, eğitim ve tahmin arayüzü, tek bir dışa aktarma yolu ve izlenecek tek bir sürüm paylaşırlar; ilkine ek olarak ikinci bir çerçevenin bakımını yapmak gerekmez.

Piksel başına üretilen bu çıktı, derinliği engel ve boş alan algılama, açıklık kontrolü, sahne düzeni ve neyin neyin önünde bulunduğunu anlama açısından yararlı kılar.

Şekil 1. Güvenlik ve uyumluluk izleme için Ultralytics YOLO26 derinlik tahmini.

Ultralytics YOLO26, yolo26n-depth ile yolo26x-depth arasında değişen, yaklaşık 2,19 milyon iç ve dış mekân görüntüsünü kapsayan geniş bir çoklu veri kümesi karışımı üzerinde eğitilmiş beş önceden eğitilmiş derinlik modeliyle sunulur. NYU Depth V2 veri kümesinde modeller, nano modelinde 0,882 δ1 doğruluğundan ekstra büyük modelde 0,933'e kadar sonuç verir; böylece dağıtım hedefin için hız ve doğruluk arasındaki dengeyi seçebilirsin.

Tasarım gereği sınırsız derinlik#

Çoğu derinlik modeli tahminlerini 0–10 metre gibi sabit bir aralıkla sınırlar. Bu, iç mekân sahnelerinde işe yarar ancak dış mekânlarda yetersiz kalır. Ultralytics bunun yerine derinliği kesin bir üst sınır olmadan, açık uçlu logaritmik bir ölçekte tahmin eder.

Fark, testlerde ortaya çıkar. İç ve dış mekân verilerinin karışımıyla eğitilen, aralığı sınırlandırılmış bir model neredeyse hemen doygunluğa ulaşır ve nesnelerin 80 metre uzakta olabildiği KITTI gibi daha uzun menzilli veri kümelerinde başarısız olur. Ultralytics YOLO26'nın yaklaşımında böyle bir üst sınır yoktur; bu nedenle model daha fazla veriyle gelişmeye devam eder ve birkaç santimetreden birkaç yüz metreye kadar tutarlı sonuç verir. KITTI'da δ1, 80 m menzilde 0,942'ye ulaşır. Yani tek bir model ailesi hem masa üstü sahnelerinde hem de otoyol sahnelerinde aynı derecede iyi çalışır.

Ultralytics YOLO26 derinlik tahmininin Depth Anything V2 ile karşılaştırması#

Bugün YOLO ile birlikte Depth Anything kullanıyorsan, fark hızda ve bunun getirdiği hesaplama maliyetindedir. Ultralytics YOLO26 derinlik tahmini, çok daha küçük bir modelle Depth Anything V2 Base'den 20,3×, Depth Anything V2 Small'dan 7,7× daha hızlı çalışır: nano model 10 milyondan az parametre içerirken DA V2'nin daha küçük kontrol noktası yaklaşık 24 milyon parametre içerir.

Şekil 2. Ultralytics YOLO26 derinlik tahmini ile Depth Anything V2'nin hız karşılaştırmaları.

Bu fark, tasarımın temel amacıdır. Depth Anything V2 modelleri çok daha büyüktür; Ultralytics YOLO26-Depth ise daha az kare başı hesaplama maliyetiyle güçlü derinlik performansı sunacak ve bu modellerin çalışamayacağı donanımlara dağıtılacak şekilde tasarlanmıştır. NYU Depth V2 ve KITTI'daki her modelin doğruluk değerleri belgelerde yayımlanmıştır; böylece bunları gerçek gereksiniminle karşılaştırabilirsin.

Nerelerde çalışır#

Derinliğin gerçekte nerelerde kullanılabileceğini belirleyen, boyut farkıdır. Derinlik teknolojisini değerlendiren çoğu ekip fikirden değil, hesaplama kaynaklarından yoksundur. Düşük güçlü dronlar, dört ayaklı robotlar, giyilebilir cihazlar, araç kameraları, konferans donanımları ve endüstriyel PC'ler, doğruluk sınırına ulaşmadan önce güç ve maliyet sınırına takılır.

Derinlik özelliği beş önceden eğitilmiş modelle sunulur; böylece bir kıyaslamayı kazanan boyut yerine hedefe uygun boyutu seçebilirsin. Derinlik, yerel bir Ultralytics YOLO26 görevi olduğundan algılama, segmentasyon ve poz görevleriyle aynı dışa aktarma yolunu kullanır ve şu biçimleri destekler: ONNX, TensorRT, CoreML, NCNN, LiteRT.

Ultralytics YOLO26 derinlik özelliğini kullanmaya başlama#

Ultralytics Python paketi, derinlik dâhil tüm YOLO26 görevlerinde eğitim, doğrulama ve çıkarım çalıştırma için tek ve birleşik bir arayüz sağlar. Önceden eğitilmiş bir derinlik modelini çalıştırmak için tek bir komut yeterlidir:

from ultralytics import YOLO

from ultralytics import YOLO

# Bir model yükle
model = YOLO("yolo26n-depth.pt")  # Resmî bir modeli yükle
model = YOLO("path/to/best.pt")  # Özel bir modeli yükle

# Modelle tahmin yap
results = model("https://ultralytics.com/images/bus.jpg")  # Bir görüntü üzerinde tahmin yap

# Sonuçlara eriş
for result in results:
    depth_map = result.depth.data.cpu().numpy()  # torch.Tensor → NumPy float32, şekil (H, W), metre

Veya CLI üzerinden:

yolo depth predict model=yolo26n-depth.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo depth predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'   # predict with custom model

Mutlak mesafe, kamerana ve sahnene bağlıdır. Derinlik haritasının şekli doğru ancak ölçeği hatalıysa model.calibrate(), modelin derinlik başlığındaki yalnızca iki değişkeni (ölçek ve ofset) yaklaşık 100 etiketli kare üzerinde saniyeler içinde uyarlar; bunun için eğitim gerekmez ve ağın geri kalanı değişmez.

Kendi verilerinle ince ayar yapma#

Önceden eğitilmiş bir derinlik modelini kendi kamerana veya alanına uyarlamak için önceden eğitilmiş ağırlıklarla başla, AdamW kullan ve öğrenme oranını sıfırdan eğitim için varsayılan değerin çok altına indir. Böylece ince ayar modeli baştan yazmak yerine iyileştirir:

from ultralytics import YOLO

from ultralytics import YOLO
model = YOLO("yolo26s-depth.pt")  # önceden eğitilmiş ağırlıklarla başla
model.train(
    data="path/to/your_dataset.yaml",
    epochs=20,
    imgsz=640,
    optimizer="AdamW",
    lr0=1e-4,  # sıfırdan eğitim için varsayılan değerin yaklaşık 100 kat altında
    warmup_bias_lr=1e-4,  # ısınmayı da yumuşak tut
)

Varsayılan logaritmik başlık sınırsız olduğundan, veri kümen yakın veya uzak mesafeli olsun bu yöntem kutudan çıktığı gibi çalışır ve max_depth ayarı gerektirmez. Yalnızca belirli kameranda mutlak ölçek hatalıysa model.calibrate(), küçük bir etiketli bölüm üzerinde hafif ve kapalı biçimli bir düzeltmeyi saniyeler içinde hesaplar; ağ ağırlıklarına dokunmaz.

Veri kümelerinde her RGB görüntüsü, eşleşen klasör yapısındaki bir .npy derinlik dosyasıyla eşleştirilir. Ultralytics, NYU Depth V2, KITTI, Hypersim, SUN RGB-D ve ARKitScenes için yerleşik yapılandırmalar sunar; böylece çoğu ekip standart bir kıyaslamaya karşı doğrulamaya hemen başlayabilir.

Derinlik tahmininin başlıca kullanım alanları#

Bu yeni özellik, sıradan tek bir kamerayla çalışabildiğinden tek kameralı derinlik tahmini; aksi hâlde stereo veya LiDAR kurulumunun maliyetini, güç tüketimini ya da kalibrasyon yükünü karşılayamayacak ürünler ve sektörler için sayısız fırsat sunar. Öyleyse bu özellikten yararlanabilecek bazı önemli sektör ve kullanım alanlarına göz atalım:

• Robotik ve otonom navigasyon. Mobil robotlar ve dronlar, özel derinlik donanımı olmadan gerçek zamanlı rota planlamasına destek olmak için tek bir yerleşik kamerayla engellere olan mesafeyi ve boş alanı tahmin edebilir.
• Endüstriyel ve lojistik farkındalığı. İkinci bir sensör eklemenin pratik olmadığı her yerde, tek bir sabit kamerayla açıklık kontrolü, boş alan algılama ve raf ya da koridor bağlamı sağlanabilir.
• Güvenlik ve uyumluluk izleme. Forklift ve depo güvenlik bölgeleri, demiryolu olaylarının tespiti, mevcut CCTV sistemlerinde yerde yatan kişilerin ve geride bırakılan nesnelerin tespiti: zaten kurulu kamera akışlarına mesafe bağlamı eklenir ve mevcut güvenlik sertifikalı sensörlerin yerine değil, onlarla birlikte kullanılır.
• Altyapı ve varlık denetimi. Aynı model ailesinin hem yakın plan ayrıntılarında hem de uzak mesafeli sahnelerde çalışması gereken havai hat açıklığı analizi, dronla varlık ve korozyon denetimi ve hava araştırmaları.
• Sürücü desteği ve otomotiv algısı. Uzak mesafeli, sınırsız derinlik çıktısı sayesinde yakın plan bir iç mekân sahnesinde çalışan aynı model ailesi, 80 m üzerindeki sürüş sahnelerine de genellenebilir.
• AR ve mekânsal içerik. Sanal nesneleri gerçek bir sahneye inandırıcı biçimde yerleştirmek veya derinlik duyarlı efektler uygulamak, her pikselin kameradan gerçekte ne kadar uzakta olduğunu bilmeyi gerektirir.

Derinlik tahminini her Ultralytics YOLO26 dağıtımına taşıma#

Derinlik tahmini artık yerel bir Ultralytics YOLO26 görevi olduğundan ekipler, algılama, segmentasyon ve poz görevlerinde zaten bildikleri aynı eğitim, doğrulama, tahmin ve dışa aktarma iş akışını kullanarak farklı sektörlerdeki tüm RGB kameralardan piksel başına mesafeyi elde edebilir ve bakımları gereken üçüncü taraf bağımlılıklarının sayısını bir azaltabilir.

Ultralytics YOLO26 derinlik özelliğiyle dağıtım kapsamını belirlerken aklında tutman gereken birkaç önemli noktaya göz atalım:

• Ultralytics YOLO Depth, RGB kameralar için tasarlanmıştır. Web kameraları, telefonlar, endüstriyel kameralar ve dronlar dâhil tüm standart kameralar kullanılabilir. Ancak LiDAR nokta bulutları, radar, sonar, termal ve çok bantlı görüntüler ya da ağ ve IFC verileri gibi diğer modaliteler modelin girdi biçiminin dışındadır.
• Algı kararları için metrik mesafe. Çıktı metre cinsinden gerçek bir mesafedir; bu nedenle navigasyon, açıklık ve izleme için uygundur. Ancak sertifikalı tolerans gerektiren uygulamalarda doğru araç, özel metroloji ekipmanları olmaya devam eder.
• Kare başına çıkarım. Derinlik, diğer tüm Ultralytics YOLO26 görevleriyle tutarlı biçimde her karede bağımsız olarak çalışır; dolayısıyla değişiklik yapmadan mevcut kare başına iş akışına eklenebilir. Bir dizi boyunca akıl yürütme, uygulama katmanında kalır.
• Ultralytics YOLO26-Depth, dokulu ve opak yüzeylerde en iyi sonucu verir. Cam, aynalar, durgun su, cilalı metal ve açık gökyüzü tüm tek kameralı yöntemler için doğası gereği belirsizdir; bu nedenle kendi ortamını temsil eden sahnelerde doğrulama yapmaya değer.

Görsel yapay zekâ ilginizi çekiyor mu? Bilgisayarlı görü projelerine taşımak için lisanslama seçeneklerimizi keşfet. Ultralytics görevlerinin ve entegrasyonlarının tamamını görmek için GitHub depomuzu ziyaret et ve uçtan uca görsel yapay zekâ iş akışlarını oluşturmaya başlamak için Ultralytics Platform sayfasına göz at.