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, en son teknoloji performans için yeni bir temel oluşturan yeni modelimiz Ultralytics YOLO26 modelini resmi olarak piyasaya sürüyoruz. İlk olarak Kurucumuz ve CEO'muz Glenn Jocher tarafından Londra'daki YOLO Vision 2025 (YV25) etkinliğinde 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 versiyonu olan nano model, standart CPU'larda %43'e varan oranda daha hızlı çalışarak mobil uygulamalarda, akıllı kameralarda ve diğer uç cihazlarda verimli real-time vision AI solutions sağlar. Etkili görme yapay zekası yeteneklerini herkes için erişilebilir kılma vizyonu üzerine inşa edilen YOLO26, son teknoloji performansı sadelikle birleştirerek kullanımı ve dağıtımı kolay hale getirir.
Bilgisayarlı görüde yeni dönem için inşa edildi#
Computer vision hızla bulutun ötesine geçiyor. Gerçek dünya uygulamaları giderek artan bir şekilde dronlar, kameralar, mobil sistemler ve gömülü platformlar gibi cihazlarda gerçek zamanlı çıkarım, düşük gecikme, donanım esnekliği ve öngörülebilir performans talep etmektedir.
YOLO26 was built explicitly for this shift. Nesne algılama boru hattını sıfırdan yeniden ele alan Ultralytics, en son teknoloji doğruluğu ve hızı sunarken gereksiz karmaşıklığı ortadan kaldıran bir model mimarisi oluşturdu.
Örneğin, geleneksel Ultralytics nesne algılama modelleri, çıkarım sonrasında örtüşen tahminleri filtrelemek için Non-Maximum Suppression adı verilen ek bir son işlem adımına güvenir. YOLO26, yerel uçtan uca çıkarımı etkinleştirerek bu ekstra adımı ortadan kaldırır ve modelin son algılamaları doğrudan üretmesine olanak tanır. Daha hızlı, daha öngörülebilir ve daha güvenilir gerçek dünya dağıtımının kilidini açar.
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
YOLO26 neleri mümkün kılıyor#
YOLO26'nın temel yönlerinden biri, Ultralytics YOLO11 gibi önceki modellerin güçlü yönleri üzerine inşa edilirken computer vision ile mümkün olanların sınırlarını nasıl genişlettiğidir. Kutudan çıktığı haliyle YOLO26, nesne algılama, örnek bölütleme ve görüntü sınıflandırma dahil olmak üzere YOLO11 ile aynı çekirdek computer vision tasks 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.
Ultralytics 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.
Kodun 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 sakin kalmakla, acele etmemekle ilgiliydi. Sadece bu hız-doğruluk dengesine odaklanarak sürekli iyileştirmeler yaptım. Her şey bir araya geldiğinde sessiz bir tatmindi - detaylara sadık kalmanın işe yaradığının kanıtı."
Ultralytics YOLO26 ile geliştirmeye başla#
Ultralytics YOLO26, eğitim, çıkarım ve dışa aktarma iş akışlarında tam destekle bugünden itibaren Ultralytics Platform üzerinden halka açık olacaktır. YOLO26'yı ticari veya kapalı ortamlarda dağıtan kuruluşlar; üretim dağıtımı, uzun vadeli bakım ve ölçeklenebilir uç dağıtımları için destek içeren kurumsal lisanslama seçeneklerine erişebilir.
Önceki modellerimiz gibi, Ultralytics Python package aracılığıyla da tamamen desteklenmektedir, bu da kullanıcıların hemen başlamasını mümkün kılar. Kullanıcılar, ONNX, TensorRT, CoreML, TFLite, OpenVINO ve daha fazlası gibi çeşitli dışa aktarma seçeneklerinden yararlanırken, zaten bildikleri aynı kolaylaştırılmış iş akışıyla YOLO26'yı eğitebilir, doğrulayabilir ve dağıtabilir.
Görme 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.
community ile bağlantı kur ve yapay zekanın derinliklerine inmek için GitHub repository incele. AI in robotics ve computer vision in logistics gibi endüstri çözümlerini keşfet, our licensing options göz at ve bugün computer vision ile geliştirmeye başla.
