Ultralytics YOLO26 artık monoküler derinlik tahminini destekliyor

Şimdiye kadar bir YOLO işlem hattına derinlik eklemek, bunu kendin oluşturman anlamına geliyordu. Yerleşik yaklaşım, algılama için YOLO'yu çalıştırmak ve bunu MiDaS veya Depth Anything gibi başka bir projeden alınan ayrı bir derinlik modeliyle eşleştirmekti. Bu da uzlaştırılması gereken ikinci bir bağımlılık, ikinci bir çerçeve ve iki ayrı girdi ve çıktı biçimi seti anlamına geliyordu.

Monoküler derinlik tahmini artık Ultralytics YOLO26 içinde yerel bir görevdir. Tek bir RGB görüntüsü, algılama, segmentasyon ve poz ile aynı paket, iş akışı ve dışa aktarma yolunu kullanarak her piksel için bir mesafe değeri üretir.

Derinlik tahmini nedir?#

Derinlik tahmini, ikinci bir kamera veya ek bir sensör olmadan, tek bir RGB görüntüsünden piksel başına derinlik haritası tahmin eder. Her çıktı pikseli, kameradan ilgili yüzey noktasına tahmini mesafeyi metre cinsinden temsil eden bir derinlik değeri içerir.

Çıktı, (H, W) şeklindeki girişle hizalanmış yoğun bir kayan nokta haritasıdır; her piksel mutlak mesafeyi metre cinsinden taşır. Bu, neyin daha yakın veya daha uzak olduğuna ilişkin göreli bir sıralama değil, kameradan olan mesafedir.

Derinlik, kendine ait bir kontrol noktası olan bağımsız bir görevdir ve çıktısı yalnızca derinlik haritasıdır; sınırlayıcı kutular veya segmentasyon maskeleri döndürmez. Bu nedenle algılamayı derinlikle birleştirmek, iki model ve iki ileri geçiş çalıştırmayı gerektirir. Önceki uygulamalardan farklı olan nokta, artık her ikisinin de tek bir paket içinde yer almasıdır: ikinci bir çerçevenin ilkinin yanında sürdürülmesini gerektirmek yerine tek bir kurulumu, tek bir eğitim ve tahmin arayüzünü, tek bir dışa aktarma yolunu ve takip edilmesi gereken tek bir sürümü paylaşırlar.

Piksel başına bu çıktı, derinliği engel ve serbest alan algılama, geçiş mesafesi kontrolü, sahne düzeni ve neyin neyin önünde olduğunu anlama için kullanışlı kılar.

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

Ultralytics YOLO26, yolo26n-depth ile yolo26x-depth arasındaki beş önceden eğitilmiş derinlik modeliyle birlikte gelir; bu modeller yaklaşık 2,19 milyon iç ve dış mekân görüntüsünü kapsayan geniş ve çoklu veri kümesi karışımı üzerinde eğitilmiştir. NYU Depth V2 veri kümesinde doğruluk değerleri nano modelde 0,882 δ1 ile ekstra büyük modelde 0,933 arasında değişir; böylece dağıtım hedefin için uygun hız ve doğruluk dengesini seçebilirsin.

Tasarım gereği sınırsız derinlik#

Çoğu derinlik modeli tahminlerini 0–10 metre gibi sabit bir aralıkla sınırlar; bu, iç mekân sahnelerinde iyi çalışsa da dış mekânlarda yetersiz kalır. Ultralytics bunun yerine derinliği açık uçlu bir logaritmik ölçekte ve katı bir üst sınır olmadan tahmin eder.

Fark testlerde görülür. Sınırlandırılmış bir model, karma iç ve dış mekân verileriyle eğitildiğinde neredeyse hemen doygunluğa ulaşır ve nesnelerin 80 metre uzakta olabildiği KITTI gibi uzun menzilli veri kümelerinde başarısız olur. Ultralytics YOLO26 yaklaşımında böyle bir üst sınır yoktur; bu nedenle daha fazla veriyle gelişmeye devam eder ve birkaç santimetreden birkaç yüz metreye kadar iyi performans gösterir. KITTI'de δ1, 80 m menzilde 0,942'ye ulaşır. Bu, tek bir model ailesinin hem masa üstü hem de otoyol sahnesini eşit derecede iyi ele alabileceği anlamına gelir.

Ultralytics YOLO26 derinliği ile Depth Anything V2 karşılaştırması#

Bugün YOLO'nun yanında Depth Anything çalıştırıyorsan fark, hız ve bunun beraberinde getirdiği hesaplama maliyetidir. Ultralytics YOLO26 derinliği, nano modelde 10 milyondan az parametreye sahip çok daha küçük bir modelle, Depth Anything V2 Base'den 20,3 kata, Depth Anything V2 Small'dan ise 7,7 kata kadar daha hızlı çalışır; buna karşılık DA V2'nin daha küçük kontrol noktası yaklaşık 24 milyon parametre içerir.

Şekil 2. Ultralytics YOLO26 derinliği ile Depth Anything V2 için hız kıyaslamaları.

Tasarımın amacı bu farktır. Depth Anything V2 modelleri önemli ölçüde daha büyüktür; Ultralytics YOLO26-Depth ise kare başına daha az hesaplama maliyetiyle güçlü derinlik performansı sunan, bu modellerin ulaşamadığı donanımlara dağıtılabilen bir boyut ve hız için tasarlanmıştır. NYU Depth V2 ve KITTI üzerindeki model bazında doğruluk değerleri dokümantasyonda yayımlanmıştır; böylece bunları sahip olduğun gerçek gereksinimle karşılaştırabilirsin.

Nerede çalışır?#

Derinliğin gerçekte nereye uygulanabileceğini belirleyen şey bu boyut farkıdır. Derinliği değerlendiren ekiplerin çoğunda fikir eksikliği yoktur; hesaplama gücü eksikliği vardır. Düşük güçlü dronlar, dört ayaklı robotlar, giyilebilir cihazlar, araç kameraları, konferans donanımları ve endüstriyel bilgisayarlar, doğruluk sınırına ulaşmadan önce güç ve maliyet sınırına ulaşır.

Derinlik, beş önceden eğitilmiş modelle birlikte gelir; böylece kıyaslamayı kazanan boyutu değil, hedefe uyan boyutu seçebilirsin. Derinlik yerel bir Ultralytics YOLO26 görevi olduğundan, algılama, segmentasyon ve poz ile aynı dışa aktarma yolunu kullanır ve şu biçimleri destekler: ONNX, TensorRT, CoreML, NCNN, LiteRT.

Ultralytics YOLO26 derinliğiyle çalışmaya başlama#

Ultralytics Python paketi, derinlik dahil her YOLO26 görevi için eğitim, doğrulama ve çıkarım çalıştırmaya yönelik 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

# Load a model
model = YOLO("yolo26n-depth.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image

# Access the results
for result in results:
    depth_map = result.depth.data.cpu().numpy()  # torch.Tensor → NumPy float32, shape (H, W), meters

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 (bir ölçek ve bir ofset) yaklaşık 100 etiketli kare üzerinde saniyeler içinde uydurur; bunun için eğitim gerekmez ve ağın geri kalanında değişiklik yapılmaz.

Kendi verilerin üzerinde ince ayar yapma#

Önceden eğitilmiş bir derinlik modelini kendi kamerana veya alanına uyarlamak için önceden eğitilmiş ağırlıklarla başla, AdamW kullan ve ince ayarın modeli üzerine yazmak yerine iyileştirmesini sağlamak için öğrenme oranını sıfırdan eğitim varsayılanının oldukça altına indir:

from ultralytics import YOLO

from ultralytics import YOLO
model = YOLO("yolo26s-depth.pt")  # start from pretrained weights
model.train(
    data="path/to/your_dataset.yaml",
    epochs=20,
    imgsz=640,
    optimizer="AdamW",
    lr0=1e-4,  # ~100x below the from-scratch default
    warmup_bias_lr=1e-4,  # keep warmup gentle too
)

Varsayılan logaritmik başlık sınırsız olduğundan, veri kümen kısa menzilli veya uzun menzilli olsa da bu işlem max_depth ayarı gerektirmeden doğrudan çalışır. Belirli kameran için yalnızca mutlak ölçek hatalıysa, model.calibrate() küçük bir etiketli bölüm üzerinde saniyeler içinde hafif, kapalı biçimli bir düzeltme uydurur ve ağ ağırlıklarına dokunmaz.

Veri kümeleri her RGB görüntüsünü eşleşen klasör yapısındaki bir .npy derinlik dosyasıyla eşleştirir. Ultralytics ayrıca 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 tahmini için başlıca kullanım alanları#

Bu yeni özellik tek bir sıradan kamerayla çalışabildiğinden, monoküler derinlik tahmini stereo veya LiDAR kurulumunun maliyetini, güç tüketimini ya da kalibrasyon yükünü karşılayamayan ürünler ve sektörler için sayısız fırsat sunar. Bu nedenle, bu özellikten yararlanabilecek bazı önemli sektörlere ve kullanım alanlarına göz atalım:

• Robotik ve otonom navigasyon. Mobil robotlar ve dronlar, tek bir yerleşik kameradan engel mesafesini ve serbest alanı tahmin ederek özel derinlik donanımı olmadan gerçek zamanlı yol planlamayı destekleyebilir.
• Endüstriyel ve lojistik farkındalık. İkinci bir sensör eklemenin pratik olmadığı her yerde, tek bir sabit kameradan geçiş mesafesi kontrolü, serbest alan algılama ve raf veya koridor bağlamı sağlanabilir.
• Güvenlik ve uyumluluk izleme. Forklift ve depo güvenlik bölgeleri, demiryolu olay algılama, mevcut CCTV üzerinde düşen kişi ve geride bırakılan nesne algılama: zaten kurulmuş kamera akışlarına, mevcut güvenlik sertifikalı sensörlerin yerine değil, onlarla birlikte mesafe bağlamı eklenir.
• Altyapı ve varlık denetimi. Aynı model ailesinin hem yakın çekim ayrıntıları hem de uzun menzilli sahneleri ele alması gereken havai hat geçiş mesafesi analizi, drone tabanlı varlık ve korozyon denetimi ve hava araştırmaları.
• Sürücü desteği ve otomotiv algısı. Uzun menzilli, sınırsız derinlik çıktısı, yakın çekim iç mekân sahnesini ele alan aynı model ailesinin 80 m'den uzun sürüş sahnelerine de genelleme yapabilmesi anlamına gelir.
• AR ve mekânsal içerik. Sanal nesneleri gerçek bir sahneye inandırıcı biçimde yerleştirmek veya derinlik farkındalığına sahip efektler uygulamak, her pikselin kameradan gerçekte ne kadar uzakta olduğunu bilmekle başlar.

Derinlik tahminini her Ultralytics YOLO26 dağıtımına taşıma#

Derinlik tahmini artık yerel bir Ultralytics YOLO26 görevi olduğundan ekipler, sektörler genelinde herhangi bir RGB kameradan piksel başına mesafeden yararlanabilir; bunun için algılamadan, segmentasyondan ve pozdan zaten bildikleri aynı eğitim, doğrulama, tahmin ve dışa aktarma iş akışını kullanır ve sürdürülmesi gereken bir üçüncü taraf bağımlılığını azaltır.

Ultralytics YOLO26 derinliğiyle dağıtımını planlarken aklında tutman gereken birkaç önemli noktaya göz atalım:

• Ultralytics YOLO Depth, RGB kameralar için tasarlanmıştır. Web kameraları, telefonlar, endüstriyel kameralar veya dronlar dahil tüm standart kameralar çalışır. Ancak LiDAR nokta bulutları, radar, sonar, termal ve multispektral bantlar veya mesh ve IFC verileri gibi diğer modaliteler modelin girdi biçiminin dışındadır.
• Algılama kararları için metrik mesafe. Çıktı metre cinsinden gerçek bir mesafedir ve bu da onu navigasyon, geçiş mesafesi ve izleme için uygun kılar. Ancak sertifikalı tolerans gerektiren tüm uygulamalarda özel metroloji ekipmanı doğru araç olmaya devam eder.
• Görüntü başına çıkarım. Derinlik, diğer tüm Ultralytics YOLO26 görevleriyle tutarlı şekilde her kare üzerinde bağımsız olarak çalışır; bu nedenle mevcut kare başına işlem hattına değişiklik yapılmadan eklenebilir. Bir dizi üzerindeki akıl yürütme uygulama katmanında kalır.
• Ultralytics YOLO26-Depth, dokulu ve opak yüzeylerde en güçlü performansı gösterir. Cam, aynalar, durgun su, cilalı metal ve açık gökyüzü, tek kameralı her yöntem için doğası gereği belirsizdir; bu nedenle kendi ortamını temsil eden sahneler üzerinde doğrulama yapmaya değer.

Görsel yapay zekâya meraklı mısın? Bilgisayarlı görü uygulamalarını projelerine taşımak için lisans seçeneklerimizi incele. Ultralytics görevleri ve entegrasyonlarının tamamını keşfetmek için GitHub depomuzu ziyaret et ve uçtan uca kendi görsel yapay zekâ iş akışlarını oluşturmaya başlamak için Ultralytics Platform'a göz at.