Ultralytics, YOLO26 ile en son teknoloji görü yapay zekasını yeniden tanımlıyor
Ultralytics YOLO26'nın hız, basitlik ve uç cihazlardan büyük ölçekli sunuculara kadar gerçek dünyada dağıtılabilirlik açısından görü yapay zekası için nasıl yeni bir standart belirlediğini gör.
Bugün, son teknoloji performans için yeni bir temel oluşturan yeni modelimiz Ultralytics YOLO26'yı resmen kullanıma sunuyoruz. İlk kez Kurucumuz ve CEO'muz Glenn Jocher tarafından Londra'daki YOLO Vision 2025 (YV25)'te tanıtılan bu model, bugüne kadarki en gelişmiş ve dağıtılabilir modelimizdir.
Hafif, kompakt ve hızlı olacak şekilde tasarlanan YOLO26, gerçek zamanlı görme AI uygulamalarının gerçek dünyada fiilen çalıştığı yerler için geliştirilmiştir. Doğrudan modele entegre edilmiş yerel uçtan uca çıkarım sayesinde YOLO26, dağıtımı basitleştirir, sistem karmaşıklığını azaltır ve uç cihazlar ile büyük ölçekli üretim ortamlarında güvenilir performans sunar.
Aslında, YOLO26'nın en küçük sürümü olan nano model, standart CPU'larda %43'e kadar daha hızlı çalışarak mobil uygulamalarda, akıllı kameralarda ve diğer uç cihazlarda verimli gerçek zamanlı görme AI çözümleri sağlar. Etkileyici görme AI yeteneklerini herkes için erişilebilir kılma vizyonuyla inşa edilen YOLO26, son teknoloji performansı basitlikle birleştirerek kullanımını ve dağıtımını kolaylaştırır.
Link to this sectionBilgisayarlı görüde yeni dönem için inşa edildi#
Bilgisayarlı görü hızla bulutun ötesine geçiyor. Gerçek dünya uygulamaları; dronlar, kameralar, mobil sistemler ve gömülü platformlar gibi cihazlarda giderek daha fazla gerçek zamanlı çıkarım, düşük gecikme süresi, donanım esnekliği ve öngörülebilir performans talep ediyor.
YOLO26 tam olarak bu değişim için inşa edildi. Nesne algılama hattını temelden yeniden düşünerek Ultralytics, gereksiz karmaşıklığı ortadan kaldırırken son teknoloji doğruluk ve hız sunan bir model mimarisi yarattı.
Örneğin, geleneksel Ultralytics nesne algılama modelleri, çıkarım sonrası örtüşen tahminleri filtrelemek için Non-Maximum Suppression adlı ek bir işlem sonrası adımına güvenir. YOLO26, yerel uçtan uca çıkarımı mümkün kılarak bu ekstra adımı ortadan kaldırır ve modelin doğrudan nihai algılamaları üretmesini sağlar. Bu, daha hızlı, daha öngörülebilir ve daha güvenilir bir gerçek dünya dağıtımı sağlar.
YOLO26 kademeli bir güncelleme değildir. Üretim düzeyinde görme AI'nın nasıl eğitildiğini, dağıtıldığını ve ölçeklendirildiğini yapısal olarak ileri taşıyan bir sıçramayı temsil eder.
Şekil 1. Ultralytics YOLO26 kıyaslaması
Link to this sectionYOLO26 neleri mümkün kılıyor#
YOLO26'nın temel yönlerinden biri, Ultralytics YOLO11 gibi önceki modellerin güçlü yönleri üzerine inşa edilirken bilgisayarlı görü ile nelerin mümkün olduğunu genişletmesidir. YOLO26, kutudan çıktığı haliyle nesne algılama, örnek bölütleme ve görüntü sınıflandırma dahil olmak üzere YOLO11 ile aynı temel bilgisayarlı görü görevlerini destekler.
Şekil 2. Bir görüntüdeki nesneleri algılamak için YOLO26 kullanımına bir örnek.
Ayrıca poz tahmini, hava ve uydu görüntüleri için yönlendirilmiş sınırlayıcı kutu nesne algılama ve video akışları genelinde nesne takibini desteklemeye devam eder. YOLO11 gibi, YOLO26 da Nano (n), Small (s), Medium (m), Large (l) ve Extra large (x) olmak üzere beş model varyantında mevcuttur ve kullanıcılara hız, boyut ve doğruluk dengesini kuran seçenekler sunar.
Link to this sectionUltralytics YOLO26'nın temel özellikleri#
Ultralytics YOLO26, performansı, güvenilirliği ve gerçek dünya kullanılabilirliğini artırmak için tasarlanmış bir dizi geliştirme içerir. İşte YOLO26'nın temel özelliklerine bir bakış:
- Distribution Focal Loss kaldırma: YOLO26, Distribution Focal Loss (DFL) özelliğini kaldırarak model karmaşıklığını azaltır ve uç cihazlarda ve düşük güçlü donanımlarda daha basit, daha uyumlu dağıtımı teşvik eder.
- Uçtan uca NMS'siz çıkarım: YOLO26, genellikle yinelenen tahminleri kaldırmak için kullanılan bir adım olan Non-Maximum Suppression (NMS) ihtiyacını yerel olarak ortadan kaldırır ve gerçek zamanlı kullanım için dağıtımı daha basit ve hızlı hale getirir.
- Progressive Loss Balancing + STAL: Progressive Loss Balancing (ProgLoss) ve Small Target Aware Label Assignment (STAL), modelin eğitim sırasındaki öğrenme şeklini ayarlayarak karmaşık sahnelerdeki küçük ve uzak nesnelerin daha güvenilir bir şekilde algılanmasını sağlar.
- MuSGD iyileştiricisi: YOLO26, Stochastic Gradient Descent (SGD) ve Muon'dan esinlenen tekniklerin bir hibriti olan MuSGD iyileştiricisini tanıtır; bu, eğitim kararlılığını artırır ve daha hızlı, daha tutarlı yakınsama sağlar.
- %43'e kadar daha hızlı CPU çıkarımı: YOLO26 nano model, standart CPU'larda %43'e kadar daha hızlı çıkarım sağlayarak mobil cihazlarda, akıllı kameralarda ve diğer uç sistemlerde verimli gerçek zamanlı görme AI'yı mümkün kılar.
Link to this sectionKodun arkasında: Ultralytics YOLO26 yolculuğu#
YOLO26'nın geliştirilmesi, ekibimizin araştırmaları ve topluluğumuzdan, ortaklarımızdan ve müşterilerimizden aldığımız geri bildirimlerle şekillenen kolektif bir çabaydı. Mimarimizi basitleştirmeyi, verimliliği artırmayı ve modeli gerçek dünya kullanımı için daha uyarlanabilir hale getirmeyi hedefledik.
Bu yolculuğu değerlendiren Glenn Jocher, "En büyük zorluklardan biri, kullanıcıların en iyi performansı almaya devam ederken YOLO26'dan en iyi şekilde yararlanabilmelerini sağlamaktı," diye açıkladı. Onun bakış açısı, YOLO26'nın temel bir tasarım ilkesini vurguluyor: görme AI'yı kullanımı kolay tutmak.
Bu fikri genişleten Kıdemli Makine Öğrenimi Mühendisimiz Jing Qiu şunları ekledi: "Yeni Ultralytics YOLO modelini oluşturmak, acele etmeden istikrarlı kalmakla ilgiliydi. Sadece o hız-doğruluk dengesine odaklanarak iyileştirmeler yapmaya devam ettim. Bir araya geldiğinde sessiz bir tatmin duydum; detaylara sadık kalmanın işe yaradığının kanıtıydı."
Link to this sectionUltralytics YOLO26 ile geliştirmeye başla#
Ultralytics YOLO26, eğitim, çıkarım ve dışa aktarma iş akışlarında tam destekle birlikte Ultralytics Platform aracılığıyla bugünden itibaren halka açık olarak kullanılabilecektir. YOLO26'yı ticari veya kapalı ortamlarda dağıtan kuruluşlar, üretim dağıtımı, uzun vadeli bakım ve ölçeklenebilir uç dağıtımlar için destek içeren kurumsal lisanslama seçeneklerine erişebilirler.
Önceki modellerimiz gibi, Ultralytics Python paketi aracılığıyla da tamamen desteklenir, bu da kullanıcıların hemen başlamasını mümkün kılar. Kullanıcılar, ONNX, TensorRT, CoreML, TFLite, OpenVINO ve daha fazlası gibi bir dizi dışa aktarma seçeneğinden yararlanırken, zaten bildikleri aynı kolaylaştırılmış iş akışıyla YOLO26'yı eğitebilir, doğrulayabilir ve dağıtabilirler.
Link to this sectionGörme AI'nın geleceğini birlikte inşa edelim#
Ultralytics YOLO26, görme AI'yı daha hızlı, daha hafif ve kullanımı daha kolay hale getirme konusundaki bir sonraki adımımızı temsil ediyor. Ancak bu sadece başlangıç.
Gerçek etki, görme AI topluluğunun bununla neler yarattığından gelir. Yeniliklerinizi görmeyi ve bilgisayarlı görünün geleceğini birlikte şekillendirmeye devam etmeyi dört gözle bekliyoruz.
Topluluğumuzla bağlantı kurun ve AI'nın derinliklerine dalmak için GitHub depomuzu keşfedin. Robotikte AI ve lojistikte bilgisayarlı görü gibi endüstri çözümlerini keşfedin, lisanslama seçeneklerimize göz atın ve bugün bilgisayarlı görü ile geliştirmeye başlayın.
