Ultralytics YOLO ile gerçek zamanlı çıkarımın otonom sürüş ve güvenlik sistemleri gibi yapay zeka uygulamaları için nasıl anlık tahminler sağladığını keşfedin.
Gerçek zamanlı çıkarım, eğitimli bir makine öğrenimi (ML) modelinin yeni veriler geldiğinde hemen tahminlerde bulunduğu veya kararlar aldığı süreci ifade eder. Zaman içinde toplanan verileri gruplar halinde işleyen toplu çıkarımın aksine, gerçek zamanlı çıkarım düşük gecikme süresine ve anlık yanıtlara öncelik verir. Bu özellik, canlı veri akışlarına dayalı olarak anında geri bildirim veya eylem gerektiren uygulamalar için gereklidir ve sistemlerin değişen koşullara dinamik olarak tepki vermesini sağlayarak gerçek zamanlı bilgi işlem ilkeleriyle uyumludur.
Pratikte, gerçek zamanlı çıkarım, bir makine öğrenimi modelinin, örneğin Ultralytics YOLObilgisayarla görme (CV) modeli, böylece bireysel veri girdilerini (video kareleri veya sensör okumaları gibi) analiz edebilir ve minimum gecikmeyle çıktılar üretebilir. Temel performans ölçütü, bir girdinin alınmasından bir tahminin oluşturulmasına kadar geçen süre olan çıkarım gecikmesidir. Düşük gecikme süresine ulaşmak genellikle modelin kendisini optimize etmek ve özel donanım ve yazılımlardan yararlanmak gibi çeşitli stratejileri içerir.
Temel fark, verilerin nasıl işlendiği ve ilgili gecikme gereksinimlerinde yatmaktadır:
Gerçek zamanlı çıkarım, anlık karar vermenin çok önemli olduğu birçok modern Yapay Zeka (AI) uygulamasına güç verir:
Modellerin gerçek zamanlı uygulamalar için yeterince hızlı çalışmasını sağlamak genellikle önemli optimizasyon gerektirir:
Gibi modeller Ultralytics YOLO11 verimlilik ve doğruluk göz önünde bulundurularak tasarlanmıştır, bu da onları gerçek zamanlı nesne algılama görevleri için çok uygun hale getirir. Ultralytics HUB gibi platformlar eğitmek, optimize etmek (örn. ONNX veya TensorRT formatları) ve modelleri dağıtarak çeşitli dağıtım seçeneklerinde gerçek zamanlı çıkarım çözümlerinin uygulanmasını kolaylaştırır.
TR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
AR
VI
