YOLOE nedir? Bilgisayarlı görü modellerini daha ileri taşımak

Nesne algılama, görüntülerde veya videolarda nesneleri belirleyip konumlandırmayı amaçlayan önemli bir bilgisayarlı görü görevidir. Makinelerin görsel verileri anlamasını ve yorumlamasını sağlayan bir yapay zeka (AI) alanı olan bilgisayarlı görünün temel bileşenlerinden biridir. Örneğin nesne algılama, bir görüntüdeki arabayı belirlemeye veya video akışındaki bir kişiyi tespit etmeye yardımcı olabilir.

Nesne tespiti gibi bilgisayarlı görü görevlerini destekleyen en tanınmış model serilerinden biri YOLO (You Only Look Once) serisidir. Hız ve doğruluk için tasarlanan YOLO modelleri zaman içinde sürekli geliştirildi. Örneğin Ultralytics YOLO11 (yerini daha sonra Ultralytics YOLO26 aldı), daha karmaşık ortamlarda bile doğru sonuçlar vererek gerçek dünya koşullarında iyi performans gösterir.

Bu ilerlemeyi daha da ileri taşıyan YOLOE adlı yeni model, YOLO modellerinin yeteneklerini genişletmeyi amaçlıyor. Yeni nesneleri tanımak için yeniden eğitim gerektiren geleneksel modellerin aksine YOLOE, daha önce görmediği nesneleri algılamak için basit metin veya görüntü istemlerini izleyebilir; bu da değişen ortamlara çok daha iyi uyum sağlamasını mümkün kılar.

Bu makalede, YOLOE'yi benzersiz kılan özelliklere, önceki YOLO modelleriyle nasıl karşılaştırıldığına ve bugün kullanmaya nasıl başlayabileceğine daha yakından bakacağız.

YOLOE'ye genel bakış#

YOLOE, nesne algılamayı bir adım öteye taşıyan bir bilgisayarlı görü modelidir. Mart 2025'te Tsinghua Üniversitesi'ndeki araştırmacılar tarafından tanıtıldı. YOLOE'yi geleneksel modellerden ayıran özellik, açık kelime dağarcıklı algılama kullanmasıdır.

Çoğu model sabit bir nesne listesini tanımak üzere eğitilirken YOLOE, kısa bir açıklama veya örnek görüntü kullanarak ne aranacağını belirtmene olanak tanır. Örneğin “yeşil sırt çantası” arıyorsan bu açıklamayı yazabilir veya modele bir fotoğraf gösterebilirsin; YOLOE de çantayı sahnede bulur.

Ayrıca YOLOE, herhangi bir istem olmadan da birçok gündelik nesneyi kendi başına algılayabilir. Daha önce hiç görmediği nesneleri tanıma yeteneğine sıfır örnekli algılama denir. Bu özellik, görevlerin veya ilgilenilen nesnelerin beklenmedik biçimde değişebildiği dinamik ortamlarda özellikle kullanışlıdır.

Şekil 1. YOLOE'nin yeteneklerine bir bakış.

YOLOE'nin temel özellikleri#

YOLOE, gerçek dünyadaki uygulamalarda performansını artırmak üzere tasarlanmış çok çeşitli özellikleri destekler. Yapılandırılmış ve yapılandırılmamış girdileri işleyebilme yeteneğiyle YOLOE, nesne algılama ve segmentasyon için yeni olanaklar sunar.

Modelin sunduğu temel özelliklerden bazıları şunlardır:

• İstem tabanlı algılama: YOLOE, kısa bir metin istemine veya örnek bir görüntüye göre nesneleri arayabilir. Böylece görevin her değiştiğinde modeli yeniden eğitmene gerek kalmaz; aradığın şeyi modele tarif etmen veya göstermen yeterlidir.
• Örnek segmentasyonu: YOLOE, nesnelerin çevresine sınırlayıcı kutular çizmenin yanı sıra örnek segmentasyonunu kullanarak nesnelerin tam şeklini de belirleyebilir. Bu özellik, özellikle nesneler üst üste geldiğinde veya bir nesnenin kesin sınırlarını bilmen gerektiğinde işe yarar.
• İstemsiz nesne tanıma: YOLOE, özel bir talimat olmadan da nesneleri tanıyabilir. Nesneleri hızla belirlemek için önceden öğrenilmiş bir açıklama kümesi kullanır; böylece süreç daha hızlı ve verimli hâle gelir.

YOLOE'nin diğer YOLO modelleriyle karşılaştırması#

YOLOE'nin ne olduğunu artık daha iyi anladığımıza göre, benzer özelliklere sahip YOLO ailesindeki bazı modellere göz atalım.

Bilgisayarlı görü geliştikçe YOLO modelleri de gelişti. Örneğin Ultralytics YOLOv8, segmentasyon ve sınıflandırma gibi yeni görevler için destek sunarken Ultralytics YOLO11 gibi sonraki sürümler, daha geniş bir görev yelpazesinde doğruluğu ve performansı artırmaya odaklandı.

Ayrıca YOLO-World Ocak 2024'te yayımlandı ve kullanıcıların bulmak istedikleri nesneleri tarif etmesine olanak tanıyan yazılı istemleri kullanma özelliğini getirdi. YOLO-World sıfır örnekli algılama için harika bir seçenek olsa da örnek segmentasyonu ve görsel istem desteği gibi özelliklerden yoksundu.

YOLOE, bu yetenekleri ekleyerek YOLO-World'ü temel alır, esnekliği ve performansı artırır ve gerçek dünyadaki bilgisayarlı görü uygulamaları için daha etkili bir araç sunar. Açık kelime dağarcıklı algılayıcıların ve görsel dil modellerinin gerçek dünya algılama veri kümelerinde nasıl karşılaştırıldığını görmek için Ultralytics VLM liderlik tablosuna göz at.

Şekil 2. YOLO-World ve YOLOE sıfır örnekli algılamayı destekler.

Ultralytics Python paketiyle YOLOE kullanımı#

İster belirli nesneleri algılamak ister görüntüdeki her şeyi keşfetmek iste, YOLOE'yi kullanmaya başlamak kolaydır. Bu model Ultralytics Python paketi tarafından desteklenir ve projelerine kolayca entegre edilebilir. Şimdi, nasıl kullanılacağını adım adım inceleyelim.

Ultralytics paketini yükleme#

İlk adım, pip gibi bir paket yöneticisi kullanarak Ultralytics Python paketini yüklemektir. Bunu terminalinde veya komut isteminde pip install ultralytics komutunu çalıştırarak yapabilirsin.

Paket yüklendikten sonra modeli yüklemek, tahminlerde bulunmak ve farklı algılama kiplerini denemek için ihtiyacın olan her şeye sahip olursun. Yükleme sırasında sorunla karşılaşırsan resmi Ultralytics belgelerindeki sorun giderme bölümü sana yardımcı olabilir.

YOLOE ile tahmin çalıştırmanın birkaç farklı yolu vardır. Tahmin çalıştırmak, eğitilmiş modeli kullanarak görüntülerdeki veya videolardaki nesneleri belirlemek ve konumlandırmak anlamına gelir. Bu farklı yöntemler, modelle etkileşim biçimini özel ihtiyaçlarına göre özelleştirmene olanak tanır.

Bu yöntemlerin her birini sırayla ele alalım.

Metin veya görüntü istemleriyle belirli nesneleri algılama#

YOLOE, kısa bir metin açıklamasına göre nesneleri algılayabilir. Örneğin hareket hâlindeki bir atı arıyorsan "yürüyen at" gibi bir istem kullanabilirsin.

Başlamak için önce önceden eğitilmiş YOLOE modelini yükle ve aşağıdaki kod parçasında gösterildiği gibi istemini (modelin ne aramasını istediğini açıklayan metni) ayarla.

from ultralytics import YOLOE

model = YOLOE("yoloe-11l-seg.pt")
prompt = ["horse walking"]
model.set_classes(prompt, model.get_text_pe(prompt))

Modelini ve istemini ayarladıktan sonra modeli bir görüntü veya video üzerinde çalıştırabilirsin. Kodda dosya yolunu görüntü veya video dosyanın yoluyla değiştir:

results = model.predict("path/to/your/image.jpg")
results[0].show()

Bu işlem, istemine göre algılanan nesnenin açıkça işaretlendiği görüntüyü gösterir. Aradığın şeye bağlı olarak istemi değiştirip "kırmızı valiz", "bisiklet" veya "zebra" gibi farklı nesneleri arayabilirsin.

Şekil 3. Metin istemiyle belirli nesneleri algılamak için YOLOE kullanımına bir örnek.

Benzer şekilde, Ultralytics Python paketiyle YOLOE'ye istem vermek için bir görüntü de kullanabilirsin. Görsel istem kipinde model, başka bir sahnede benzer görünen ögeleri bulmak için görüntüyü kullanır. Bu yöntem, tarif etmesi zor olan veya açık etiketleri bulunmayan nesneler için özellikle yararlıdır.

Bununla ilgili kodu daha ayrıntılı incelemek için Ultralytics belgelerine göz atabilirsin.

YOLOE ile genel nesne algılama#

Bazı durumlarda tam olarak ne aradığını bilmiyor veya belirli bir nesneyi aramıyor olabilirsin. İşte bu noktada istemsiz kip işe yarar.

Bu seçenekte bir açıklama yazmana veya örnek görüntü sağlamana gerek yoktur. YOLOE görüntüleri kendi başına analiz eder ve kişiler, hayvanlar, mobilyalar veya gündelik nesneler gibi tanıyabildiği her şeyi algılar.

Bu, modele özel bir talimat vermeden bir sahneyi keşfetmenin yararlı bir yoludur. İster kalabalık bir odayı tarıyor ister yoğun hareket içeren görüntüleri inceliyor ol, istemsiz kip görüntüde nelerin bulunduğuna hızlıca göz atmanı sağlar.

YOLOE'yi istemsiz kipte çalıştırmak için aşağıdaki kodu kullanabilirsin. Önce model yüklenir, ardından görüntü işlenerek içindeki nesneler otomatik olarak algılanır. Son olarak sonuçlar görüntülenir ve algılanan nesneler vurgulanır.

Dosya yolunu görüntünün gerçek yoluyla değiştirdiğinden emin ol.

from ultralytics import YOLOE

model = YOLOE("yoloe-11l-seg-pf.pt")
results = model.predict("path/to/image.jpg")
results[0].show()

Aşağıdaki görüntü, YOLOE'nin istemsiz kipte algılayabileceklerine bir örnektir.

Şekil 4. YOLOE'yi istemsiz kipte kullanma.

YOLOE'nin gerçek zamanlı uygulamaları#

YOLOE'nin hem metin hem de görüntü istemlerine yanıt verebilmesi, onu gerçek zamanlı uygulamalar için güvenilir bir araç hâline getirir. Esnekliği, zamanlamanın ve doğruluğun önemli olduğu hızlı tempolu ortamlarda özellikle kullanışlıdır.

YOLOE'nin gerçek dünyada nasıl kullanılabileceğine dair bazı örnekleri inceleyelim.

Bagaj işlemlerini iyileştirme: Gerçek zamanlı bagaj algılama#

Yoğun havalimanlarında, özellikle kayıp bagajlarla ilgilenirken belirli bir bagajı bulmak zor olabilir. YOLOE, canlı videoları taramaya yardımcı olarak ve “kırmızı çanta” gibi basit istemlere göre eşyaları hızla belirleyerek bu süreci kolaylaştırabilir.

Bir çanta kayıpsa veya yanlış yere konduysa personel, “siyah valiz” gibi başka bir eşyayı aramak için istemi kolayca değiştirebilir. Anında uyum sağlama yeteneği, havalimanı personelinin uzun saatler süren görüntü kayıtlarını incelemesine veya modeli yeniden eğitmesine gerek kalmadan doğru bagajı hızla bulmasına yardımcı olabilir. Böylece bagaj işlemleri ve kayıp bagaj sorunlarının çözümü çok daha hızlı ve verimli hâle gelir.

YOLOE ile kamusal alanları izleme#

Kalabalık pazarlar ve kafeler gibi kamusal alanlardaki güvenlik kamerası görüntülerinde, gün boyunca değişen insan, nesne ve etkinliklerin bir karışımı bulunur. YOLOE, istemsiz kipi kullanarak bu görüntüleri gerçek zamanlı analiz edebilir ve özel talimatlara gerek duymadan çanta, masa veya bisiklet gibi nesneleri otomatik olarak algılayabilir.

Şekil 5. YOLOE, yoğun bir kamusal alanda çeşitli nesneleri algılayabilir.

Bu özellik, gözetimsiz bırakılan eşyaları tespit etmek veya kalabalığın hareketini izlemek için güvenlik ekiplerine özellikle yarar sağlar. YOLOE'nin aynı anda birden fazla nesneyi algılayabilmesi, ekiplerin etkinlikler veya yoğun dönemlerde kamusal alanları yönetmesini kolaylaştırır ve ekiplerin gelişmelerden haberdar olup hızlı yanıt vermesine yardımcı olur.

YOLOE'nin artıları ve eksileri#

Bilgisayarlı görü uygulamalarında YOLOE kullanmanın temel faydalarından bazıları şunlardır:

• Gerçek zamanlı performans: YOLOE, hızlı ve verimli işlem için optimize edilmiştir; böylece canlı video akışları veya yoğun kamusal alanlar gibi dinamik ortamlarda bile gerçek zamanlı algılama yapabilir.
• Ölçeklenebilirlik: YOLOE ölçeklenebilir ve güvenlik ile gözetimden perakende, sağlık hizmetleri ve otonom araçlara kadar çok çeşitli uygulamalarda iyi çalışır.
• Kullanımı kolay: YOLOE, Ultralytics Python paketi tarafından desteklendiği için mevcut bilgisayarlı görü projelerine kolayca entegre edilebilir.

Ancak YOLOE kullanırken akılda tutulması gereken bazı sınırlamalar vardır. Dikkate alman gereken birkaç nokta şöyle:

• Yeterli eğitim verisi gerektirir: YOLOE sıfır örnekli algılamayı desteklese de görülmemiş nesnelerdeki performansı, eğitim verilerinden ne kadar iyi genelleme yaptığına bağlıdır. Bazı durumlarda, son derece uzmanlaşmış görevlerde iyi performans göstermesi için ek veriler veya ince ayar gerekebilir.
• Girdi kalitesine duyarlıdır: Modelin doğruluğu, düşük kaliteli görüntü veya videolardan etkilenebilir. Bulanık veya yetersiz aydınlatılmış girdiler, modelin nesneleri doğru algılama becerisini azaltabilir; bu nedenle en iyi performans için yüksek kaliteli girdiler önemlidir.

Önemli çıkarımlar#

YOLOE, kullanıcıların metin veya görüntü istemleriyle algılamaya yön vermesine olanak tanıyarak bilgisayarlı görüye daha fazla esneklik kazandırır. Sahnelerin hızla değiştiği ve yeniden eğitimin mümkün olmadığı gerçek dünya koşullarında iyi çalışır.

YOLOE, bagaj işlemlerinden kamusal alanların izlenmesine kadar yeni görevlere kolayca uyum sağlar. Yapay zeka daha erişilebilir hâle geldikçe YOLOE gibi modeller, daha fazla sektörün görsel teknolojilerini pratik ve verimli biçimlerde kullanmasına yardımcı oluyor.

AI yenilikleri hakkında daha fazla bilgi edinmek için topluluğumuza katıl ve GitHub depomuzu keşfet. Çözüm sayfalarımızda perakende alanında AI ve sağlık hizmetlerinde bilgisayarlı görü gibi alanlardaki en son gelişmeleri keşfet. Lisanslama seçeneklerimize göz at ve bugün bilgisayarlı görüyle çalışmaya başla!