Ultralytics, YOLO26 ile görüntü yapay zekâsında son teknoloji standardını yeniden tanımlıyor
Ultralytics YOLO26'nın uç cihazlardan büyük ölçekli sunuculara kadar hız, basitlik ve gerçek dünyada devreye alınabilirlik açısından görüntü yapay zekâsında nasıl yeni bir standart belirlediğini gör.
Bugün yeni modelimiz Ultralytics YOLO26'yı resmen kullanıma sunuyoruz; bu model, son teknoloji performansı için yeni bir temel oluşturuyor. Kurucumuz ve CEO'muz Glenn Jocher tarafından ilk kez Londra'daki YOLO Vision 2025'te (YV25) tanıtılan YOLO26, bugüne kadarki en gelişmiş ve dağıtıma en hazır modelimiz.
Hafif, kompakt ve hızlı olacak şekilde tasarlanan YOLO26, gerçek zamanlı görüntü yapay zekâ uygulamalarının gerçek dünyada çalıştığı ortamlar için geliştirildi. Doğrudan modelin içine yerleştirilmiş yerel uçtan uca çıkarım sayesinde YOLO26 dağıtımı basitleştirir, sistem karmaşıklığını azaltır ve uç cihazlardan büyük ölçekli üretim ortamlarına kadar 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 görüntü yapay zekâ çözümlerine olanak tanıyor. Görüntü yapay zekâsının etkili özelliklerini herkes için erişilebilir kılma vizyonunu temel alan YOLO26, son teknoloji performansını basitlikle birleştirerek kullanımı ve dağıtımı kolaylaştırıyor.
Bilgisayarlı görüde yeni dönem için tasarlandı#
Bilgisayarlı görü hızla bulutun ötesine geçiyor. Gerçek dünya uygulamaları; drone, kamera, mobil sistem ve gömülü platform gibi cihazlarda giderek daha fazla gerçek zamanlı çıkarım, düşük gecikme, donanım esnekliği ve öngörülebilir performans gerektiriyor.
YOLO26, bu dönüşüm için özel olarak geliştirildi. Ultralytics, nesne algılama işlem hattını temelden yeniden ele alarak gereksiz karmaşıklığı ortadan kaldırırken son teknoloji doğruluk ve hız sunan bir model mimarisi oluşturdu.
Örneğin, geleneksel Ultralytics nesne algılama modelleri, çıkarım sonrasında çakışan tahminleri filtrelemek için Maksimum Olmayan Bastırma adı verilen ek bir son işleme adımına dayanır. YOLO26, yerel uçtan uca çıkarım özelliğini etkinleştirerek bu ek adımı ortadan kaldırır ve modelin son tespitleri doğrudan üretmesini sağlar. Böylece gerçek dünyada daha hızlı, öngörülebilir ve güvenilir dağıtımlar mümkün olur.
YOLO26 artımlı bir güncelleme değil. Üretim kalitesindeki Görüntü Yapay Zekâsının eğitilme, dağıtılma ve ölçeklendirilme biçiminde yapısal bir sıçramayı temsil ediyor.
Şekil 1. Ultralytics YOLO26'nın kıyaslama sonuçları.
YOLO26 neleri mümkün kılıyor?#
YOLO26'nın önemli özelliklerinden biri, Ultralytics YOLO11 gibi önceki modellerin güçlü yönlerini temel alırken bilgisayarlı görüyle yapılabilecekleri genişletmesidir. YOLO26 kutudan çıktığı hâliyle nesne tespiti, örnek segmentasyonu ve görüntü sınıflandırma dâhil YOLO11 ile aynı temel bilgisayarlı görü görevlerini destekler.
Şekil 2. Bir görüntüdeki nesneleri tespit etmek için YOLO26 kullanımına örnek.
Ayrıca poz tahminini, hava ve uydu görüntülerine yönelik yönlendirilmiş sınırlayıcı kutulu nesne tespitini ve video akışları boyunca nesne takibini desteklemeyi sürdürür. YOLO11 gibi YOLO26 da Nano (n), Small (s), Medium (m), Large (l) ve Extra large (x) olmak üzere beş model çeşidiyle sunulur; böylece kullanıcılar hız, boyut ve doğruluk arasında denge kuran seçenekler arasından seçim yapabilir.
Ultralytics YOLO26'nın temel özellikleri#
Ultralytics YOLO26, performansı, güvenilirliği ve gerçek dünyadaki kullanılabilirliği artırmak için tasarlanmış bir dizi yenilik içeriyor. YOLO26'nın temel özelliklerine kısaca göz atalım:
- Dağılımsal Odak Kaybının kaldırılması: YOLO26, Dağılımsal Odak Kaybını (DFL) kaldırarak model karmaşıklığını azaltır ve uç cihazlarla düşük güçlü donanımlarda daha basit, daha uyumlu dağıtım sağlar.
- Uçtan uca, NMS gerektirmeyen çıkarım: YOLO26, yinelenen tahminleri kaldırmak için normalde kullanılan Maksimum Olmayanların Bastırılması (NMS) adımını yerel olarak ortadan kaldırarak gerçek zamanlı kullanım için dağıtımı basitleştirir ve hızlandırır.
- Aşamalı Kayıp Dengeleme + STAL: Aşamalı Kayıp Dengeleme (ProgLoss) ve Küçük Hedef Farkındalıklı Etiket Atama (STAL), modelin eğitim sırasında öğrenme biçimini ayarlayarak karmaşık sahnelerdeki küçük ve uzaktaki nesnelerin daha güvenilir biçimde tespit edilmesini sağlar.
- MuSGD iyileştiricisi: YOLO26, Stokastik Gradyan İnişi (SGD) ile Muon'dan esinlenen teknikleri birleştiren MuSGD iyileştiricisini kullanıma sunuyor. Bu iyileştirici eğitim kararlılığını artırıyor ve daha hızlı, daha tutarlı yakınsama sağlıyor.
- CPU çıkarımında %43'e kadar hız artışı: YOLO26 nano modeli, standart CPU'larda %43'e kadar daha hızlı çıkarım sunarak mobil cihazlarda, akıllı kameralarda ve diğer uç sistemlerde verimli gerçek zamanlı görüntü yapay zekâsı sağlar.
Kodların ardında: Ultralytics YOLO26'ya uzanan yolculuk#
YOLO26'nın geliştirilmesi; ekibimizin araştırmaları ve topluluğumuzdan, iş ortaklarımızdan ve müşterilerimizden aldığımız geri bildirimlerle şekillenen ortak bir çalışmaydı. Mimarîyi basitleştirmeyi, verimliliği artırmayı ve modeli gerçek dünyadaki kullanıma daha uyumlu hâle getirmeyi amaçladık.
Bu yolculuğu değerlendiren Glenn Jocher şöyle açıkladı: “En büyük zorluklardan biri, en yüksek performansı sunarken kullanıcıların YOLO26'dan en iyi şekilde yararlanabilmesini sağlamaktı.” Bu bakış açısı, YOLO26'nın temel tasarım ilkelerinden birini vurguluyor: görüntü yapay zekâsını kullanımı kolay tutmak.
Bu fikri açan Kıdemli Makine Öğrenimi Mühendisimiz Jing Qiu şunları ekledi: “Yeni Ultralytics YOLO modelini geliştirmek, acele etmeden istikrarlı ilerlemekle ilgiliydi. Sürekli iyileştirme yaptım ve yalnızca hız-doğruluk dengesine odaklandım. Her şey bir araya geldiğinde, sakin bir memnuniyet hissettim; ayrıntılara bağlı kalmanın işe yaradığının kanıtıydı.”
Ultralytics YOLO26 ile geliştirmeye başla#
Ultralytics YOLO26, eğitim, çıkarım ve dışa aktarma iş akışlarını tam olarak destekleyecek şekilde bugün Ultralytics Platform üzerinden herkesin kullanımına sunulacak. YOLO26'yı ticari veya kapalı ortamlarda dağıtan kuruluşlar; üretim dağıtımı, uzun vadeli bakım ve ölçeklenebilir uç dağıtımları için destek içeren kurumsal lisans seçeneklerinden yararlanabilir.
Önceki modellerimiz gibi bu model de Ultralytics Python paketi aracılığıyla tam olarak desteklenir ve kullanıcıların hemen başlamasını sağlar. Kullanıcılar, bildikleri kolaylaştırılmış iş akışıyla YOLO26'yı eğitebilir, doğrulayabilir ve dağıtabilir; aynı zamanda ONNX, TensorRT, CoreML, TFLite, OpenVINO ve daha fazlası gibi çeşitli dışa aktarma seçeneklerinden yararlanabilir.
Görsel yapay zekânın geleceğini birlikte inşa edelim#
Ultralytics YOLO26, görsel yapay zekâyı daha hızlı, daha hafif ve kullanımı daha kolay hâle getirme yolunda attığımız bir sonraki adımı temsil ediyor. Ancak bu yalnızca başlangıç.
Asıl etki, görsel yapay zekâ topluluğunun bu teknolojiyle ortaya koyduklarından geliyor. Yeniliklerinizi görmeyi ve bilgisayarlı görmenin geleceğini birlikte şekillendirmeyi sabırsızlıkla bekliyoruz.
Yapay zekâyı daha yakından keşfetmek için topluluğumuzla bağlantı kur ve GitHub depomuzu incele. Robotikte yapay zekâ ve lojistikte bilgisayarlı görü gibi sektörel çözümleri keşfet, lisanslama seçeneklerimize göz at ve bugün bilgisayarlı görüyle geliştirmeye başla.
