Ultralytics Platform tanıtılıyor: Görüntü yapay zekâsını etiketlemenin, eğitmenin ve devreye almanın en akıllı yolu

Ultralytics açık kaynak ekosistemini, bilgisayarlı görü teknolojisini herkes için erişilebilir kılmak amacıyla oluşturduk. Dünya çapında milyonlarca geliştirici artık fabrika denetim hatlarından otonom teslimat sistemlerine kadar pek çok uygulamaya güç vermek için Ultralytics YOLO modellerini eğitiyor.

Ancak yıllar içinde topluluktan hep aynı geri bildirimi aldık: Güçlü bir model eğitmek artık bilgisayarlı görü alanındaki en büyük engel değil. Asıl zorluk, modeli üretime almak.

Bugün bunu değiştiriyoruz. Görüntü yapay zekânı ham veriden gerçek dünyada üretim kalitesinde dağıtıma taşıman için özel olarak tasarlanmış, uçtan uca nihai platform olan Ultralytics Platform ile tanış.

İyi bir model ile iyi bir ürün arasındaki boşluk#

Geçtiğimiz on yılda bilgisayarlı görü ve derin öğrenme, araştırma alanından hızla gerçek dünya sistemlerine güç veren kritik altyapılara dönüştü. Bu teknolojiler üretim tesislerinde kalite denetimine güç veriyor, kasiyersiz perakendeyi mümkün kılıyor, cerrahi robotlara yön veriyor ve otonom araçların rotasında kalmasını sağlıyor. Modeller hiç olmadığı kadar yetenekli, ancak çalışan bir prototipten güvenilir bir üretim sistemine geçiş mi? Bu süreç hâlâ olması gerekenden daha zor.

Günümüzde çoğu ekip açıklama, eğitim, deney takibi, dağıtım ve izleme için ayrı araçları bir araya getiriyor. Her entegrasyon karmaşıklığı artırıyor. Her devir teslim süreci ivmeyi yavaşlatıyor. Uygulamanın kendisini geliştirmek yerine altyapıyı yönetirken haftalar sessizce geçip gidebiliyor.

Bilgisayarlı görü topluluğundaki geliştiriciler, girişimler ve kurumsal ekiplerle yakından çalışırken sürekli üç zorlukla karşılaştık:

• Açıklama darboğazı: Yüksek performanslı modeller, yüksek kaliteli etiketli veriler gerektiriyor ancak bu veri kümelerini oluşturmak ve güncel tutmak hâlâ yavaş ve emek yoğun bir iş.
• Dağıtım açığı: Eğitim sırasında iyi performans gösteren bir modelin uç cihazlarda, bulut ortamlarında ve üretim sistemlerinde güvenilir biçimde çalışması için haftalarca ek mühendislik çalışması gerekebiliyor.
• Araç parçalanmasının maliyeti: Açıklama, eğitim, takip ve dağıtım süreçlerini birden fazla hizmete yaymak, her yineleme döngüsünü yavaşlatan ve giderek artan bir ek iş yükü yaratıyor.

Bu yinelenen zorluklar, modern bilgisayarlı görü geliştirmenin belirleyici darboğazını oluşturuyor ve nihayetinde Ultralytics Platform'u geliştirmemize yol açtı. Veri hazırlamadan dağıtıma kadar iş akışını basitleştirmek ve bilgisayarlı görü geliştirmenin temel aşamalarını birbirine bağlamak, ekiplerin umut vadeden modellerden gerçek dünya görüntü yapay zekâ sistemlerine daha kolay geçmesini mümkün kılıyor.

Görüntü yapay zekâsının tüm yaşam döngüsü tek bir yerde#

Ultralytics Platform, veri yönetiminden açıklama, model eğitimi, dağıtım ve izlemeye kadar bilgisayarlı görü iş akışının her aşamasını bir araya getiriyor. Karmaşıklığı azaltmak ve fikirden etkiye giden yolu hızlandırmak için her şey tek, bağlantılı bir çalışma alanında.

Görsellerini veya videolarını yükle. Yerleşik açıklama araçlarıyla etiketle. Ultralytics YOLO26 gibi modelleri doğrudan platformda eğit. Dünya çapında dağıt. Performansı gerçek zamanlı izle. Her aşama bir sonrakine aktarılır; böylece altyapıyı yönetmek yerine uygulamanı geliştirmeye odaklanabilirsin.

Şekil 1. Ultralytics Platform'a kısa bir bakış (Kaynak)

Fikirden dağıtıma: Ultralytics Platform nasıl çalışır?#

Bir bilgisayarlı görü fikrini çalışan bir sisteme dönüştürmek, veriyi hazırlamaktan modelleri üretimde çalıştırmaya kadar çeşitli aşamalar içerir. Ultralytics Platform, ilk fikirden dağıtılmış bir modele kolayca geçmene yardımcı olan açık ve basit bir işlem hattında bu süreci düzenler.

Açıklama: Büyük hız kazancı#

Veri etiketleme, geleneksel olarak her bilgisayarlı görü projesinin en çok zaman alan aşamalarından biri olmuştur. Ultralytics Platform bu süreci önemli ölçüde hızlandırır ve verilerinin bulunduğu her yerde kullanabileceğin şekilde tasarlanmıştır.

Ham görselleri, videoları veya veri kümesi arşivlerini yükleyebilir, YOLO ya da COCO formatında önceden etiketlenmiş veri kümelerini içe aktarabilir veya Ultralytics topluluğunun paylaştığı herkese açık veri kümelerini kopyalayabilirsin. İster sıfırdan başlıyor ister mevcut bir çalışmayı temel alıyor ol, verilerin platforma yüklenir yüklenmez kullanıma hazır olur.

Görsellerin veya videoların henüz etiketlenmemişse yerleşik açıklama düzenleyicisi, bu işi çok daha hızlı tamamlamanı sağlar. Nesne tespiti ve örnek segmentasyonundan poz tahmini, yönlendirilmiş sınırlayıcı kutu (OBB) tespiti ve görüntü sınıflandırmaya kadar tüm önemli bilgisayarlı görü görevlerini destekler; hem hız hem de hassasiyet için tasarlanmış araçlar sunar.

Buradaki öne çıkan özellik, SAM 3 destekli akıllı açıklamadır. Segment Anything Model 3'ü (SAM 3) kullanarak bir nesneye tıklayıp birkaç noktayla iyileştirme yaparak hassas maskeler, sınırlayıcı kutular veya yönlendirilmiş kutular oluşturabilirsin. Eskiden saatler süren elle çizim işlemi artık dakikalar alıyor ve ekiplerin geliştirme hızlarına ayak uyduracak tempoda yüksek kaliteli veri kümeleri oluşturmasını sağlıyor.

Şekil 3. Ultralytics Platform'da SAM destekli akıllı açıklama örneği (Kaynak)

Poz iskeleti şablonları, klavye kısayolları, satır içi sınıf yönetimi ve geri al/yinele desteği, akışını bozmamak üzere tasarlanmış açıklama deneyimini tamamlıyor.

Eğitim: Zahmetsiz güç#

Verilerin etiketlendiğinde eğitim yalnızca bir tık uzakta. Ultralytics YOLO26, YOLO11 ve Ultralytics YOLO modellerinin tüm ailesi yerel olarak destekleniyor ve bulut grafik işlem birimleri (GPU'lar) kullanılarak doğrudan platformda eğitilebiliyor ya da ölçümleri platforma aktarırken yerel donanımında eğitebiliyorsun.

RTX 4090, RTX PRO 6000, NVIDIA A100, H100 ve daha fazlası dâhil olmak üzere geniş bir bulut GPU seçeneği arasından seçim yapabilir veya gerçek zamanlı ölçümleri platforma aktarırken kendi yerel donanımında eğitim yapabilirsin. Her deney, ilişkili modelleri bir arada gruplayan projeler hâlinde otomatik olarak düzenlenir. Böylece farklı veri kümelerinin, parametrelerin ve yapılandırmaların sonuçları nasıl etkilediğini takip etmek ve en güçlü modelleri belirlemek kolaylaşır.

Kayıp eğrilerini, kesinliği, duyarlılığı ve ortalama kesinliği (mAP) her dönem ilerledikçe izle. Modelinin tam olarak nerede iyi performans gösterdiğini ve nerelerde iyileştirilebileceğini anlamak için karmaşıklık matrislerini ve kesinlik-duyarlılık eğrilerini incele. En iyi sonuçları veren yapılandırmayı bulmak için birden fazla çalıştırmayı yan yana karşılaştır.

Şekil 2. Ultralytics Platform kullanılarak eğitim ilerlemesinin izlenmesine bir bakış (Kaynak)

Ultralytics Platform, eğitim yaşam döngüsünün önemli aşamalarını da otomatik olarak yönetir. Kontrol noktaları eğitim boyunca kaydedilerek hem en iyi performans gösteren model hem de son eğitilmiş ağırlıklar korunur. Önceden eğitilmiş modeller doğrudan platformda ince ayardan geçirilebilir; eğitilmiş modeller ise başka ortamlarda kullanılmak üzere yüklenebilir veya indirilebilir. Böylece ekipler nasıl ve nerede çalışacakları konusunda tam esnekliğe sahip olur.

Sağlanması gereken bir altyapı yok. Kurulması gereken ayrı bir deney takip hizmeti yok. Etiketli veriden gerçek dünyaya hazır eğitilmiş bir modele uzanan açık ve verimli bir yol var.

Dünya çapında dağıt, her şeyi izle#

İyi eğitilmiş bir modelin üretime geçmek için aynı derecede yetkin bir yola ihtiyacı vardır. Ultralytics Platform bunu sağlar.

Modelinin çıkarım sonuçlarını doğrudan tarayıcıda doğrulayarak başla. Sonuçlardan emin olduğunda, talebe uyum sağlamak için otomatik ölçeklenen özel uç noktalarla 43 küresel bölgeye dağıtım yap; her uç noktanın uygulamalarına entegre edilmeye hazır, benzersiz bir API uç noktası vardır.

Şekil 4. Ultralytics Platform, modellerin 43 küresel bölgeye dağıtımını destekler. (Kaynak)

İster buluta dağıtım yapman ister modelleri uç cihazlarda çalıştırman gereksin, Ultralytics Platform her iki senaryo için tasarlanmış esnek seçenekler sunar. Tüm Ultralytics YOLO modelleri, farklı ortamlarda verimli çalışacak şekilde yerel olarak optimize edilmiştir ve işlem kaynakları sınırlı uç donanımlarda bile güvenilir performans sunar. Modelleri platform dışında çalıştırması gereken ekipler için Ultralytics; ONNX, TensorRT, CoreML, TFLite ve OpenVINO dâhil 17 doğrulanmış formata dışa aktarımı destekler. Böylece modellerin bulut hizmetlerinde, mobil cihazlarda, uç sistemlerde ve daha fazlasında yerel olarak çalışır.

Modellerin çalışmaya başladıktan sonra dağıtımlar panosundaki yerleşik izleme özellikleri, üretim performansına ilişkin tam görünürlük sağlar: istek hacmi, gecikme ölçümleri, hata oranları, uç nokta durumu ve ayrıntılı günlükler. Ayrıca günlükleri inceleyebilir, uç nokta durumunu kontrol edebilir ve bilgisayarlı görü sistemlerinin üretimde güvenilir biçimde çalışmasını sağlamaya yardımcı olmak ve performansı iyileştirme fırsatlarını belirlemek için performansı zaman içinde takip edebilirsin.

Bugün başla veya platformun neler yapabileceğini daha ayrıntılı incelemek için Ultralytics belgelerini keşfet.

Görüntü yapay zekâsı geliştirmeyi herkes için erişilebilir kılmak#

Ultralytics Platform hakkında daha fazla bilgi edindikçe amacının bilgisayarlı görü sistemleri geliştirmek için araçlar sunmanın ötesine geçtiğini hemen fark edeceksin. Platform, temelinde görüntü yapay zekâsı geliştirmeyi daha geniş bir topluluk için erişilebilir ve kullanıcı dostu hâle getirmek üzere tasarlandı.

Geçmişte yapay zekâ sistemleri oluşturmak ve dağıtmak için uzmanlaşmış altyapı, karmaşık araçlar ve önemli bir başlangıç yatırımı gerekiyordu. Güçlü modelleri eğitmek kolaylaşsa bile veri kümelerini yönetme, deneyler yürütme, modelleri dağıtma ve altyapıyı sürdürme gibi çevresindeki iş akışına erişmek bireyler ve küçük ekipler için zordu.

Ultralytics Platform, görüntü yapay zekâsı iş akışının tamamını tek bir ortamda bir araya getirerek ve başlamanı kolaylaştırarak bu engelleri azaltıyor. Yeni kullanıcılar, bulut eğitimi için kayıt kredileri ve veri kümesi yönetimi, açıklama araçları, model eğitimi ve model dışa aktarımı gibi temel özellikleri içeren ücretsiz planla platformu denemeye başlayabilir.

Projeler büyüdükçe kullanıcılar veya kurumsal müşteriler ek krediler ve daha fazla işlem kaynağı, depolama alanı, iş birliği özelliği ve dağıtım kapasitesi sunan platform planlarıyla ölçeklenebilir. Bu esnek yaklaşım sayesinde geliştiriciler, araştırmacılar, girişimler ve kurumlar küçük başlayabilir, özgürce deney yapabilir ve bilgisayarlı görü sistemleri üretime yaklaşırken kullanımlarını genişletebilir.

Uçtan uca bilgisayarlı görü iş akışını erişilebilir bir fiyatlandırma modeliyle birleştiren Ultralytics Platform, daha fazla kişinin gerçek dünya görüntü yapay zekâ uygulamaları oluşturmasının, test etmesinin ve dağıtmasının önünü açmaya yardımcı oluyor.

Önemli çıkarımlar#

Ultralytics Platform, görüntü yapay zekâsının tüm yaşam döngüsünü tek bir güçlü çalışma alanında bir araya getirerek ham veriden üretime hazır görüntü yapay zekâ sistemlerine geçişi hızlandırıyor. Açıklama, eğitim, dağıtım ve izleme için yerleşik araçlar sayesinde ekipler, karmaşık altyapıyı yönetmeden Ultralytics YOLO26, Ultralytics YOLO11, Ultralytics YOLO11 ve eski YOLO modelleri gibi modelleri oluşturup dağıtabilir.

İster ilk modelini deniyor ister görüntü yapay zekâsını geniş ölçekte dağıtıyor ol, platform yolculuğun her aşamasını desteklemek üzere tasarlandı.

Topluluğumuza katıl ve üretimde yapay zekâ ile perakendede görsel yapay zekâ gibi yenilikleri keşfet. GitHub depomuzu ziyaret et ve lisanslama seçeneklerimize göz atarak bugün bilgisayarlı görüyle çalışmaya başla.