YOLO'yu lisansla
Ultralytics Sözlüğüne dön

Large Vision Models (LVM)

Büyük görsel modeller, yüz milyonlardan milyarlara uzanan parametre sayılarına sahip ve çok sayıda görevi yerine getirmek üzere devasa görüntü koleksiyonlarında önceden eğitilmiş görsel ağlardır.

Büyük görsel model (LVM), yüz milyonlardan milyarlara uzanan sayıda parametreye sahip, görüntü ve video işleyen bir nöral ağdır. Tek bir modelin birçok görsel görevi yerine getirebilmesi için milyonlarca ila milyarlarca görüntü üzerinde önceden eğitilir. Büyük dil modellerinin görsel karşılığı ve bir tür temel modeldir: Ön eğitim çoğunlukla öz denetimli veya zayıf denetimlidir; ortaya çıkan model ise çok az etiketli veriyle ya da hiç etiketli veri olmadan sınıflandırma, tespit, bölümleme, derinlik veya erişim görevlerine uyarlanır. Çoğu LVM, model boyutu ve veri miktarı arttıkça doğruluğu gelişmeye devam eden görsel Transformer'lardır; dil modellerinde görülen ölçekleme yasalarını izlerler. Bilinen örnekler arasında Google'ın 22 milyar parametreli ViT-22B modeli, Meta'nın DINOv2 ve DINOv3 modelleri ve Meta'nın Segment Anything Model'i bulunur.

Büyük Görsel Modeller Nasıl Eğitilir?#

Etiketler milyarlarca görüntüye ölçeklenemediğinden LVM'ler çoğunlukla görüntülerin kendisinden veya gevşek biçimde eşleştirilmiş metinlerden öğrenir. Meta'nın 2023'te yayımladığı DINOv2, aynı görüntünün farklı kırpımlarındaki öğretmen çıktılarını eşleştirmek üzere bir öğrenci ağı eğiten öz damıtma yöntemini kullanır. En büyük modeli 1,1 milyar parametreye sahiptir ve 142 milyon seçilmiş görüntü üzerinde eğitilmiştir. DINOv3 ise 2025'te bu yöntemi 7 milyar parametreye ve 1,7 milyar görüntüye ölçekledi. Maskeli otomatik kodlayıcılar, görüntü yamalarının çoğunu gizleyip modeli bunları yeniden oluşturmaya eğiterek öz denetimli öğrenmeye farklı bir yaklaşım getirir. CLIP ve SigLIP gibi görüntü-metin karşıt öğrenme yöntemleri, görüntü kodlayıcıyı açıklamalarla eşleşecek şekilde eğitir ve çok sayıda çok kipli modelin yeniden kullandığı görsel omurga ağları üretir. Meta'nın Segment Anything Model'i, 11 milyon görüntü üzerindeki 1,1 milyar maske içeren SA-1B veri kümesinden istemle yönlendirilebilir bölümlemeyi öğrendi.

Terimi en gerçek anlamıyla kullanan model, UC Berkeley ve Johns Hopkins'ten Bai ve çalışma arkadaşlarının 2023 tarihli LVM modelidir. Bu model, görüntüleri, video karelerini ve bölümleme maskeleri gibi açıklamaları ayrık belirteçlerden oluşan “görsel cümlelere” dönüştürür ve hiçbir metin kullanmadan sonraki belirteç tahminiyle bu belirteçlerden 420 milyarını kullanarak eğitim yapar. Test sırasında görevleri görsel istemleme yoluyla çözer: Birkaç örnek girdi-çıktı görüntü çifti verildiğinde, yeni bir görüntü için çıktıyla diziyi devam ettirir.

LVM'leri Görevlere Uyarlama#

Önceden eğitilmiş bir LVM nadiren olduğu gibi kullanılır. Etiketli veri olmadığında model, SAM için tıklamalar gibi kendi istemleriyle sıfır örnekli çalışır ya da erişim ve tekilleştirme için karşılaştırılan görüntü gömmelerini kullanır. Bir miktar etiket olduğunda doğrusal yoklama, dondurulmuş özellikler üzerinde küçük bir başlık eğitir. DINOv2 ve DINOv3 özellikleri genellikle derinlik tahmini ve bölümleme görevlerinde bu şekilde değerlendirilir. Diğer seçenek olan ince ayar ise omurga ağının kendisini günceller. Hedef bir telefon, kamera veya robot olduğunda LVM, bunun yerine verileri etiketler ya da bilgi damıtma yoluyla kompakt bir modele öğretir.

Ultralytics'in auto_annotate işlevi, bu son yolu izler: daha küçük bir segmentasyon modelini eğitmek için algılanan kutuları segmentasyon etiketlerine dönüştürmek üzere bir YOLO26 algılayıcısını Meta'nın SAM modeliyle eşleştirir. SAM-b 93,7 milyon, YOLO26n-seg ise 2,7 milyon parametreye sahiptir; yani yaklaşık 35 kat daha az parametre içerir. Ultralytics Platform aynı yaklaşımı algılama veri kümelerine uygular; burada sınıf istemli görme modelleri, bir YOLO26 modelinin daha sonra üzerinde eğitileceği görüntüleri etiketler.

LVM'ler, VLM'ler ve Göreve Özel Modeller#

Bir görsel dil modeli, görüntülerle ilgili soruları metinle yanıtlayabilmek için görsel kodlayıcıyı (çoğu zaman bir LVM'yi) bir dil modeline bağlar. Tek başına bir LVM ise özellikler, maskeler veya görüntüler üretir. Nesne tespiti ağları gibi göreve özel modeller, tek bir görev ve sabit bir sınıf kümesi için eğitilir; bu da modelleri uç AI cihazlarında gerçek zamanlı çıkarım yapabilecek kadar küçük ve hızlı tutar. Büyük görsel modeller, bu verimliliği daha geniş kullanım alanları karşılığında bırakır: Dondurulmuş tek bir DINOv3 omurga ağı; sınıflandırma, tespit, bölümleme, derinlik tahmini ve 3D eşleştirme görevlerinde değerlendirildi. Meta ayrıca, ağaç örtüsü yüksekliği haritalama gibi uydu görüntüsü analizi görevleri için uydu görüntüleri üzerinde bir model sürümü eğitti.

Çözümleri keşfet

Sporda bilgisayarlı görü

Sporda bilgisayarlı görü

Ultralytics YOLO'nun oyuncu ve top takibi, performans analitiği, antrenörlük içgörüleri ve sporcu rehabilitasyonuyla spor alanında görsel yapay zekâyı nasıl güçlendirdiğini keşfet.
Daha fazla bilgi edin
Hava görüntüleri için bilgisayarlı görü

Hava görüntüleri için bilgisayarlı görü

İHA ve hava görüntülerini Ultralytics YOLO ile tarım, su ürünleri yetiştiriciliği, koruma çalışmaları ve jeo-uzamsal analiz için gerçek zamanlı içgörülere dönüştür.
Daha fazla bilgi edin
Havacılıkta bilgisayarlı görü

Havacılıkta bilgisayarlı görü

Uçak denetimi, pistteki yabancı madde tespiti, havaalanı yer operasyonları ve kompozit malzeme kusurlarının tespiti için Ultralytics YOLO ile havacılık ve uzay sektöründe bilgisayarlı görü uygula.
Daha fazla bilgi edin
Güvenlikte bilgisayarlı görü

Güvenlikte bilgisayarlı görü

Ultralytics YOLO modelleriyle her sahayı koru. Görsel yapay zekâ; çevre izleme, tehdit tespiti, plaka tanıma ve iş yeri güvenliğini destekler.
Daha fazla bilgi edin
Robotikte bilgisayarlı görü

Robotikte bilgisayarlı görü

Ultralytics YOLO modelleriyle daha akıllı makinelere güç ver. Robotikte görsel yapay zekâ; otonom navigasyonu, algılamayı, nesne takibini ve gerçek zamanlı kontrolü destekler.
Daha fazla bilgi edin
Lojistikte bilgisayarlı görü

Lojistikte bilgisayarlı görü

Ultralytics YOLO modelleriyle lojistiği kolaylaştır. Görüntü yapay zekâsı; paket denetimini, ayrıştırmayı, araç takibini ve gerçek zamanlı depo güvenliği izlemeyi mümkün kılar.
Daha fazla bilgi edin
Perakendede bilgisayarlı görü

Perakendede bilgisayarlı görü

Ultralytics YOLO modelleriyle perakendeyi yeniden tasarla. Görüntü yapay zekâsı; envanter takibini, raf izlemeyi, kuyruk yönetimini ve daha kapsamlı müşteri analizlerini mümkün kılar.
Daha fazla bilgi edin
Sağlık hizmetlerinde bilgisayarlı görü

Sağlık hizmetlerinde bilgisayarlı görü

Ultralytics YOLO modelleriyle sağlık çözümleri geliştir. Sağlık hizmetlerinde görüntü yapay zekâsı; daha hızlı tıbbi görüntüleme, daha akıllı tanı ve hasta takibini mümkün kılar.
Daha fazla bilgi edin
Üretimde bilgisayarlı görü

Üretimde bilgisayarlı görü

Ultralytics YOLO modelleriyle üretimi optimize et. Görsel yapay zekâ; kalite kontrolünü, kusur tespitini, kişisel koruyucu donanım uyumunu ve montaj hattı otomasyonunu destekler.
Daha fazla bilgi edin
Otomotivde bilgisayarlı görü

Otomotivde bilgisayarlı görü

Ultralytics YOLO modelleriyle otomotivde bilgisayarlı görüden yararlan. Görsel yapay zekâ; daha akıllı yollar için yol güvenliğini, sürüş desteğini ve araç otomasyonunu ileri taşır.
Daha fazla bilgi edin
Tarımda bilgisayarlı görü

Tarımda bilgisayarlı görü

Ultralytics YOLO modelleriyle akıllı tarıma görüntü yapay zekâsı kazandır. Daha yüksek ve akıllı verim için mahsul izleme, hayvan takibi ve hassas tarımı destekle.
Daha fazla bilgi edin

Geleceğin yapay zekasını birlikte inşa edelim!

Makine öğreniminin geleceğine yolculuğuna başla