VideoLogic Analytics, güvenlik kameralarına yapay zeka yetenekleri entegre ediyordu, ancak birçok yapay zeka modeli çok pahalıydı ve dağıtımı yavaştı.
Tescilli veriler üzerinde ince ayar yapılmış ve çeşitli dışa aktarma formatları için optimize edilmiş Ultralytics YOLO modellerinin entegre edilmesi, VideoLogic Ultralytics 'in maliyetleri ve pazara sunma süresini azaltmasını sağladı.
Videologic Analytics, endüstriyel tesisler, güneş parkları ve konut kompleksleri için güvenlik ve gözetimi geliştiren gelişmiş video analitik çözümlerinin İspanya merkezli bir geliştiricisidir. Çevreleri izlemek ve izinsiz girişleri gerçek zamanlı olarak detect etmek için güvenlik kameralarıyla entegre olan yapay zeka destekli çözümler sunarlar.
Önceki modellerle yüksek maliyetler ve yavaş dağıtımla karşı karşıya kalan şirketler, tespit 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 veriyorlar. Pahalı ve zaman alıcı yapay zeka modeli geliştirme ve dağıtımı ile ilgili zorluklarla karşılaştıklarında, Ultralytics YOLO modellerini yenilikçi Vision AI çözümlerine uyarladılar. Bunu yaparak, güvenlik uygulamalarını geliştirebildiler ve ayrıca yeni dikeylere daldılar.
Videologic Analytics daha önce müşterilerine sundukları güvenlik kameralarına yapay zeka modelleri entegre etmişti. Bu ilk modeller, genel araçlar, insanlar ve küçük hayvanlar dahil olmak üzere sınırlı sayıda nesne kategorisini detect etmek üzere programlanmıştı. Bu temel yaklaşım, gelişmiş güvenlik sistemleri için zemin hazırlarken, özellikle hassasiyet ve yanlış pozitif oranlarını artırma konusunda daha fazla iyileştirme fırsatı 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 Ultralytics , birkaç yapay zeka modelini 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, modeller birçok temel öğeyi zaten tanıyabildiği için güçlü bir temel oluşturdu ve bu da onları belirli güvenlik ihtiyaçlarına göre 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 çiftliklerini izlemenin yanı sıra, YOLO'yu kullanarak hem endüstriyel hem de konut güvenlik çözümlerinin yanı sıra perakende ve iş zekası alanındaki bilgisayarla görme yenilikleri için kavram kanıtı modülleri geliştirdiler. Öncelikle nesne algılamayı kullansalar da, poz tahmini ve nesne izleme gibi YOLO tarafından desteklenen bilgisayarla görme görevlerinden de yararlanıyorlar.
Videologic Ultralytics YOLO modellerini seçti çünkü hızlı ve doğru çıkarım sunarken çok sayıda kamera kanalını destekleyebilen sağlam bir çözüme ihtiyaç duyuyorlardı.
YOLO çeşitli dışa aktarma formatlarını destekler ve CUDA, TensorRT, ONNX ve OpenVINO gibi çerçevelerle sorunsuz bir şekilde entegre olur. Bu esneklik, Videologic Analytics'in PyTorch kullanarak modellere ince ayar yapmasını ve bunları üretimde verimli bir şekilde dağıtmasını mümkün kılar. Donanıma özel optimizasyonlarla YOLO , gerçek zamanlı video analizinin zorlu ihtiyaçlarını önceki modellerden daha iyi karşılıyor.
Ultralytics YOLO modellerini entegre ettiğinden beri Videologic Ultralytics hem performans hem de verimlilikte etkileyici gelişmeler kaydetti. Yeni Vision AI çözümü, güneş parkları ve endüstriyel tesislerden konut komplekslerine kadar çok çeşitli tesislerde hızlı ve gerçek zamanlı tehdit tespiti sağladı.
Aslında Videologic Ultralytics , her biri özel bir kamera kanalına karşılık gelen yıllık yaklaşık 10.000 lisans dağıtıyor ve tüm lisanslar artık Ultralytics YOLO modellerini destekleyecek şekilde yükseltildi. YOLO 'ya geçiş, yanlış alarmlarda önemli bir azalmaya ve tespit doğruluğunda genel bir artışa yol açtı. Sonuç olarak, müşteriler daha güvenilir güvenlik sistemlerinin keyfini çıkarıyor ve operasyonel maliyetler düşüyor.
Ayrıca, Ultralytics YOLO modellerinin daha yüksek çıkarım hızları ve ölçeklenebilirliği, yeni yapay zeka özellikleri için pazara sunma süresini kısalttı. Bu, Videologic Analytics'in temel güvenlik tekliflerini geliştirmesini ve perakende ve iş zekası gibi dikeylerde yeni fırsatları keşfetmesini mümkün kıldı. Genel olarak, Ultralytics YOLO modellerinin benimsenmesi, şirket için hem acil operasyonel iyileştirmeler hem de uzun vadeli büyüme beklentileri sağladı.
Videologic Ultralytics , temel izinsiz giriş tespitinin ötesine geçmek için Ultralytics YOLO modellerinden yararlanarak çözümünü genişletmek için aktif olarak çalışıyor. Sonraki adımlar, davranış analizi, trend izleme ve tahmine dayalı zeka gibi gelişmiş analitik yoluyla daha zengin, daha eyleme geçirilebilir içgörüler sağlamayı içerir.
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.
Bilgisayarla görmenin işinizi nasıl yeniden şekillendirebileceğini merak ediyor musunuz? Ultralytics'in yapay zeka çözümlerinin sürücüsüz araç larda yapay zeka ve tarımda bilgisayar görüşü gibi yenilikleri nasıl dönüştürdüğünü görmek için GitHub havuzumuzu keşfedin. YOLO modellerimiz ve lisanslama seçeneklerimiz hakkında daha fazla bilgi edinin ve daha akıllı, daha verimli otomasyona doğru yolculuğunuza bugün başlayın.
Ultralytics YOLO modelleri, görüntülerden ve video girdilerinden gelen görsel verileri analiz etmek için geliştirilmiş bilgisayarla görme mimarileridir. Bu modeller Nesne algılama, sınıflandırma, poz tahmini, izleme ve örnek segmentasyonu gibi görevler için eğitilebilirUltralytics YOLO modelleri şunları içerir:
Ultralytics YOLO11 , Bilgisayarla Görme modellerimizin en son sürümüdür. Tıpkı önceki sürümleri gibi, Vision AI topluluğunun YOLOv8 hakkında sevdiği tüm bilgisayarla görme görevlerini destekler. Bununla birlikte, yeni YOLO11 daha yüksek performans ve doğrulukla birlikte gelir, bu da onu güçlü bir araç ve gerçek dünyadaki endüstri zorlukları için mükemmel bir müttefik haline getirir.
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 YOLO11 depoları, varsayılan olarak AGPL-3.0 Lisansı altında dağıtılır. OSI onaylı bu lisans öğrenciler, araştırmacılar ve meraklılar için tasarlanmıştır, açık işbirliğini teşvik eder ve AGPL-3.0 bileşenlerini kullanan herhangi bir yazılımın da açık kaynaklı olmasını gerektirir. Bu, şeffaflığı sağlar ve yeniliği teşvik ederken, ticari kullanım durumlarıyla uyumlu olmayabilir.
Projeniz Ultralytics yazılımını ve AI modellerini ticari ürünlere veya hizmetlere yerleştirmeyi içeriyorsa ve AGPL-3.0'ın açık kaynak gereksinimlerini atlamak istiyorsanız, bir 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)