VideoLogic Analytics, güvenlik kameralarına yapay zeka yetenekleri entegre ediyordu, ancak birçok yapay zeka modeli çok pahalıydı ve dağıtımı yavaştı.
Ultralytics YOLO modellerinin entegre edilmesi, özel veriler üzerinde ince ayar yapılması ve çeşitli dışa aktarma formatları için optimize edilmesi, VideoLogic Analytics'in maliyetleri ve pazara sunma süresini azaltmasını sağladı.
Videologic Analytics, endüstriyel tesisler, güneş enerjisi parkları ve yerleşim kompleksleri için güvenliği ve gözetimi geliştiren gelişmiş video analiz çözümlerinin İspanya merkezli bir geliştiricisidir. Çevreleri izlemek ve izinsiz girişleri gerçek zamanlı olarak tespit etmek için güvenlik kameralarıyla entegre olan yapay zeka destekli çözümler sunarlar.
Önceki modellerle yüksek maliyetler ve yavaş dağıtım ile karşı karşıya kalan şirket, algılama doğruluğunu artırmak, geliştirme maliyetlerini ve pazara sunma süresini azaltmak ve perakende ve iş zekası gibi yeni alanlara açılmak için Ultralytics YOLO modellerini entegre etti.
30 yılı aşkın deneyime sahip uzmanlar tarafından yönetilen Videologic Analytics, gerçek zamanlı izleme ve otomatik tehdit algılama için yapay zeka ve bilgisayarlı görü'yü güvenlik kameralarına entegre etme konusunda uzmanlaşmıştır. Çözümleri, büyük tesisleri, yenilenebilir enerji kurulumlarını ve yerleşim topluluklarını güvenilir performansla korur.
Prosegur, Securitas, Sabico gibi tanınmış müşterilere ve İspanya'da 4.000'den fazla sertifikalı güvenlik şirketine hizmet vermektedirler. Pahalı ve zaman alıcı yapay zeka modeli geliştirme ve dağıtımıyla ilgili zorluklarla karşı karşıya kalan şirket, yenilikçi Vision AI çözümlerine Ultralytics YOLO modellerini dahil etti. Bunu yaparak, güvenlik uygulamalarını geliştirebildiler ve aynı zamanda yeni dikeylere de yönelebildiler.
Videologic Analytics, daha önce müşterilerine sunduğu güvenlik kameralarına yapay zeka modellerini entegre etmişti. Bu ilk modeller, genel araçlar, insanlar ve küçük hayvanlar dahil olmak üzere sınırlı sayıda nesne kategorisini tespit etmek için programlanmıştı. Bu temel yaklaşım, gelişmiş güvenlik sistemleri için zemin hazırlarken, özellikle hassasiyeti ve yanlış pozitif oranlarını iyileştirme konusunda daha da geliştirme fırsatları da sundu.
Müşterileri, daha geniş bir nesne ve senaryo yelpazesinde daha geniş ve daha doğru nesne algılama yetenekleri sunabilen daha kapsamlı bir çözüm arıyorlardı. Bu müşteri ihtiyaçlarını karşılamak için Videologic Analytics'in araştırma ve geliştirme ekibi, gelişmiş yapay zeka modelleri geliştirmeye başladı.
Videologic Analytics, bu modelleri geliştirirken, mevcut yaklaşımın yüksek maliyetler ve uzun geliştirme süreleri gibi bazı sorunları olduğunu hızla fark etti. Şirket, daha esnek ve verimli bir yaklaşıma ihtiyaç duyduğunu fark etti. Bu yeni yaklaşımın, bu zorlukların üstesinden gelmesi ve müşterilerinin gelişen güvenlik ihtiyaçlarına daha iyi hizmet etmesi gerekecekti.
Özellikle, Vision AI çözümlerinin güvenilirliğini artırabilecek ve müşteri memnuniyetini yükseltebilecek bir bilgisayarlı görü modeli belirlemek istediler. Modelin hem uygun maliyetli hem de gelecekteki ihtiyaçlara uyarlanabilir olması da önemliydi.
Videologic Analytics, çeşitli yapay zeka modellerini test ettikten sonra, Ultralytics YOLO modellerinin ihtiyaç duydukları esnekliği ve performansı sağladığını keşfetti. Çok çeşitli yaygın nesneleri içeren COCO veri kümesi kullanılarak geliştirilen önceden eğitilmiş YOLO modelleriyle başladılar. Bu ön eğitim, modellerin zaten birçok temel öğeyi tanıyabilmesi nedeniyle güçlü bir temel sundu ve bu da onları belirli güvenlik ihtiyaçlarına uyarlamayı kolaylaştırdı.
Örneğin, Videologic Analytics, bu önceden eğitilmiş modelleri güneş enerjisi parklarını izleme gibi uygulamalar için kendi özel verilerini kullanarak ince ayar yaptı.
Bu senaryoda, modeller yapay zeka destekli anomali tespiti için kullanılarak yetkisiz personel veya araçlar gibi gerçek tehditlerle, küçük hayvanlar veya rüzgarla savrulan döküntüler gibi zararsız unsurlar arasında ayrım yapılmıştır. Bu net ayrım, yanlış alarmları azaltmak ve genel güvenlik performansını artırmak için çok önemliydi.
Güneş enerjisi santrallerini izlemenin yanı sıra, YOLO kullanarak hem endüstriyel hem de konut güvenliği çözümleri geliştirdiler ve ayrıca perakende ve iş zekasında bilgisayarlı görü yenilikleri için kavram kanıtı modülleri oluşturdular. Ağırlıklı olarak nesne tespiti kullanmalarına rağmen, YOLO tarafından desteklenen poz tahmini ve nesne takibi gibi bilgisayarlı görü görevlerinden de yararlanıyorlar.
Videologic Analytics, çok sayıda kamera kanalını destekleyebilen ve hızlı, doğru çıkarım sağlayabilen sağlam bir çözüme ihtiyaç duyduğu için Ultralytics YOLO modellerini seçti.
YOLO, çeşitli dışa aktarım formatlarını destekler ve CUDA, TensorRT, ONNX ve OpenVINO gibi framework'lerle sorunsuz bir şekilde entegre olur. Bu esneklik, Videologic Analytics'in PyTorch kullanarak modelleri ince ayar yapmasını ve bunları üretimde verimli bir şekilde dağıtmasını mümkün kılar. Donanıma özel optimizasyonlarla YOLO, gerçek zamanlı video analizinin zorlu ihtiyaçlarını önceki modellere göre daha iyi karşılar.
Ultralytics YOLO modellerini entegre ettiğinden beri, Videologic Analytics hem performans hem de verimlilikte etkileyici gelişmeler gördü. Yeni Vision AI çözümleri, güneş enerjisi parklarından endüstriyel tesislere ve konut komplekslerine kadar geniş bir yelpazede hızlı, gerçek zamanlı tehdit tespiti sağlamıştır.
Aslında, Videologic Analytics yılda yaklaşık 10.000 lisans dağıtıyor ve her lisans özel bir kamera kanalına karşılık geliyor ve tüm lisanslar artık Ultralytics YOLO modellerini destekleyecek şekilde yükseltilmiş durumda. YOLO'ya geçiş, yanlış alarmlarda önemli bir azalmaya ve algılama doğruluğunda genel bir artışa yol açtı. Sonuç olarak, müşteriler daha güvenilir güvenlik sistemlerinin keyfini çıkarıyor ve işletme maliyetleri düşürülüyor.
Ayrıca, Ultralytics YOLO modellerinin daha hızlı çıkarım hızları ve ölçeklenebilirliği, yeni yapay zeka özelliklerinin pazara sunulma süresini kısalttı. Bu, Videologic Analytics'in temel güvenlik tekliflerini geliştirmesini ve perakende ve iş zekası gibi dikey alanlarda yeni fırsatlar keşfetmesini mümkün kıldı. Genel olarak, Ultralytics YOLO modellerinin benimsenmesi, şirket için hem anında operasyonel iyileştirmeleri hem de uzun vadeli büyüme beklentilerini desteklemiştir.
Videologic Analytics, temel izinsiz giriş tespitinin ötesine geçmek için Ultralytics YOLO modellerinden yararlanarak çözümünü genişletmek için aktif olarak çalışıyor. Bir sonraki adımlar, davranış analizi, eğilim takibi ve tahmine dayalı zeka gibi gelişmiş analizler yoluyla daha zengin, daha eyleme geçirilebilir içgörüler sağlamayı içeriyor.
Bu geliştirmeler, müşterilerin güvenlik operasyonlarını optimize etmelerine ve perakende ve iş zekasında yeni olanakların kilidini açmalarına yardımcı olacak ve gerçek zamanlı video analizinde sürekli yenilik ve büyümeyi teşvik edecektir.
Bilgisayarlı görü teknolojisinin işinizi nasıl yeniden şekillendirebileceğini merak ediyor musunuz? Ultralytics'in yapay zeka çözümlerinin kendi kendine giden arabalarda yapay zeka ve tarımda bilgisayarlı görü gibi yenilikleri nasıl dönüştürdüğünü görmek için GitHub depomuzu keşfedin. YOLO modellerimiz ve lisanslama seçeneklerimiz hakkında daha fazla bilgi edinin ve bugün daha akıllı, daha verimli otomasyona doğru yolculuğunuza başlayın.
Ultralytics YOLO modelleri, görüntülerden ve video girişlerinden görsel verileri analiz etmek için geliştirilmiş bilgisayarlı görü mimarileridir. Bu modeller, Nesne tespiti, sınıflandırma, poz tahmini, izleme ve örnek segmentasyonu gibi görevler için eğitilebilir. Ultralytics YOLO modelleri şunları içerir:
Ultralytics YOLO11, Bilgisayarlı Görü modellerimizin en son sürümüdür. Önceki sürümlerinde olduğu gibi, Vision AI topluluğunun YOLOv8 hakkında sevdiği tüm bilgisayarlı görü görevlerini destekler. Ancak yeni YOLO11, daha yüksek performans ve doğrulukla birlikte gelir ve bu da onu güçlü bir araç ve gerçek dünya endüstri zorlukları için mükemmel bir müttefik yapar.
Kullanmayı seçtiğiniz model, projenizin özel gereksinimlerine bağlıdır. Performans, doğruluk ve dağıtım ihtiyaçları gibi faktörleri dikkate almak önemlidir. İşte hızlı bir genel bakış:
YOLOv5 ve YOLO11 gibi Ultralytics YOLO depoları, varsayılan olarak AGPL-3.0 Lisansı altında dağıtılır. Bu OSI onaylı lisans, öğrencilere, araştırmacılara ve meraklılara yönelik olarak tasarlanmıştır; açık işbirliğini teşvik eder ve AGPL-3.0 bileşenlerini kullanan herhangi bir yazılımın da açık kaynaklı olmasını gerektirir. Bu, şeffaflığı sağlarken ve yeniliği teşvik ederken, ticari kullanım durumlarıyla uyumlu olmayabilir.
Projeniz Ultralytics yazılımını ve yapay zeka modellerini ticari ürünlere veya hizmetlere gömmeyi içeriyorsa ve AGPL-3.0'ın açık kaynak gereksinimlerini atlamak istiyorsanız, Kurumsal Lisans idealdir.
Kurumsal Lisansın Faydaları şunlardır:
Sorunsuz entegrasyon sağlamak ve AGPL-3.0 kısıtlamalarından kaçınmak için, sağlanan formu kullanarak bir Ultralytics Kurumsal Lisansı talep edin. Ekibimiz, lisansı özel ihtiyaçlarınıza göre uyarlamanıza yardımcı olacaktır.
.webp)
.webp)
.webp)
.webp)