Ultralytics, YOLO26 ile görsel yapay zekâda son teknoloji standardını yeniden tanımlıyor
Ultralytics YOLO26'nın uç cihazlardan büyük ölçekli sunuculara kadar hız, sadelik ve gerçek dünyada dağıtılabilirlik açısından görsel yapay zekâda nasıl yeni bir standart belirlediğini gör.
Bugün, son teknoloji performansı için yeni bir temel oluşturan yeni modelimiz Ultralytics YOLO26'yı resmen kullanıma sunuyoruz. İlk olarak Kurucumuz ve CEO'muz Glenn Jocher tarafından Londra'da düzenlenen YOLO Vision 2025 (YV25) etkinliğinde tanıtılan bu model, bugüne kadarki en gelişmiş ve dağıtıma hazır modelimizdir.
Hafif, kompakt ve hızlı olacak şekilde tasarlanan YOLO26, gerçek zamanlı görsel yapay zekâ uygulamalarının gerçek dünyada gerçekten çalıştığı ortamlar için geliştirildi. Doğrudan modele entegre edilmiş yerel uçtan uca çıkarım sayesinde YOLO26, dağıtımı basitleştirir, sistem karmaşıklığını azaltır ve uç cihazlarda ve 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 görsel yapay zekâ çözümleri kullanılmasını sağlar. Etkili görsel yapay zekâ yeteneklerini herkes için erişilebilir kılma vizyonu üzerine inşa edilen YOLO26, son teknoloji performansı basitlikle birleştirerek kullanımı ve dağıtımı kolaylaştırır.
Bilgisayarlı görmede yeni dönem için tasarlandı#
Bilgisayarlı görme hızla bulutun ötesine taşınıyor. Gerçek dünyadaki uygulamalar; dronlar, kameralar, mobil sistemler ve gömülü platformlar 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 düşünerek gereksiz karmaşıklığı ortadan kaldıran, aynı zamanda son teknoloji doğruluk ve hız sunan bir model mimarisi oluşturdu.
Örneğin, geleneksel Ultralytics nesne algılama modelleri, çıkarımdan sonra örtüşen tahminleri filtrelemek için Maksimum Olmayan Bastırma (NMS) adı verilen ek bir son işleme adımına dayanır. YOLO26, yerel uçtan uca çıkarımı etkinleştirerek bu ek adımı ortadan kaldırır ve modelin nihai algılamaları doğrudan üretmesini sağlar. Bu sayede gerçek dünyada daha hızlı, daha öngörülebilir ve daha güvenilir dağıtım mümkün olur.
YOLO26 artımlı bir güncelleme değildir. Üretim düzeyindeki görsel yapay zekânın eğitilme, dağıtılma ve ölçeklendirilme biçiminde yapısal bir sıçramayı temsil eder.
Şekil 1. Ultralytics YOLO26'nın kıyaslanması
YOLO26 ile neler mümkün?#
YOLO26'nın temel özelliklerinden biri, Ultralytics YOLO11 gibi önceki modellerin güçlü yönlerini temel alırken bilgisayarlı görmeyle mümkün olanları genişletmesidir. YOLO26, kutudan çıktığı hâliyle nesne algılama, örnek segmentasyonu ve görüntü sınıflandırma dâhil olmak üzere YOLO11 ile aynı temel bilgisayarlı görme görevlerini destekler.
Şekil 2. Bir görüntüde nesneleri algılamak için YOLO26 kullanımına örnek.
Ayrıca poz tahminini, hava ve uydu görüntüleri için yönlendirilmiş sınırlayıcı kutulu nesne algılamayı ve video akışları boyunca nesne takibini desteklemeye devam eder. YOLO11 gibi YOLO26 da hız, boyut ve doğruluk arasında denge kuran seçenekler sunan beş model varyantıyla (Nano (n), Small (s), Medium (m), Large (l) ve Extra large (x)) kullanıma sunulur.
Ultralytics YOLO26'nın temel özellikleri#
Ultralytics YOLO26, performansı, güvenilirliği ve gerçek dünyadaki kullanılabilirliği artırmak üzere tasarlanmış çeşitli yenilikler içerir. YOLO26'nın temel özelliklerine kısaca göz atalım:
- Distribution Focal Loss'un kaldırılması: YOLO26, Distribution Focal Loss'u (DFL) kaldırarak model karmaşıklığını azaltır ve uç cihazlarda ve düşük güç tüketimli donanımlarda daha basit, daha uyumlu dağıtım sağlar.
- Uçtan uca NMS'siz çıkarım: YOLO26, yinelenen tahminleri kaldırmak için normalde kullanılan Maksimum Olmayan Bastırma (NMS) adımına duyulan ihtiyacı yerel olarak ortadan kaldırır ve gerçek zamanlı kullanım için dağıtımı daha basit ve hızlı hâle getirir.
- Aşamalı Kayıp Dengeleme + STAL: Aşamalı Kayıp Dengeleme (ProgLoss) ve Küçük Hedef Farkındalıklı Etiket Atama (STAL), modelin eğitim sırasında öğrenme biçimini ayarlayarak karmaşık sahnelerde küçük ve uzaktaki nesnelerin daha güvenilir şekilde algılanmasını sağlar.
- MuSGD optimizer'ı: YOLO26, Stokastik Gradyan İnişi (SGD) ile Muon'dan ilham alan tekniklerin birleşimi olan MuSGD optimizer'ını kullanıma sunar; bu optimizer eğitim kararlılığını artırır ve daha hızlı, daha tutarlı yakınsamayı mümkün kılar.
- CPU çıkarımında %43'e kadar daha hızlı: YOLO26 nano modelinde standart CPU'larda %43'e kadar daha hızlı çıkarım elde edilir; böylece mobil cihazlarda, akıllı kameralarda ve diğer uç sistemlerde verimli gerçek zamanlı görsel yapay zekâ mümkün olur.
Kodun arkasında: Ultralytics YOLO26'ya uzanan yolculuk#
YOLO26'nın geliştirilmesi; ekibimizin araştırmaları ve topluluktan, iş ortaklarımızdan ve müşterilerimizden aldığımız geri bildirimlerle şekillenen ortak bir çalışmaydı. Mimarimizi basitleştirmek, verimliliği artırmak ve modeli gerçek dünyadaki kullanıma daha uyarlanabilir hâle getirmek üzere yola çıktık.
Bu yolculuğu değerlendiren Glenn Jocher şöyle açıkladı: “En büyük zorluklardan biri, en üst düzey performansı sunmaya devam ederken kullanıcıların YOLO26'dan mümkün olan en iyi şekilde yararlanabilmesini sağlamaktı.” Bu bakış açısı, YOLO26'nın temel tasarım ilkesini vurguluyor: görsel yapay zekâyı kullanımı kolay tutmak.
Bu fikri genişleten Kıdemli Makine Öğrenimi Mühendisimiz Jing Qiu şöyle ekledi: “Yeni Ultralytics YOLO modelini geliştirmek, istikrarlı ilerlemek ve acele etmemekle ilgiliydi. Sürekli iyileştirme yaptım ve yalnızca hız-doğruluk dengesine odaklandım. Her şey bir araya geldiğinde sessiz bir memnuniyet hissettim; ayrıntılara bağlı kalmanın işe yaradığının kanıtıydı.”
Ultralytics YOLO26 ile geliştirmeye başla#
Ultralytics YOLO26, bugünden itibaren Ultralytics Platform üzerinden herkese açık olarak kullanıma sunulacak ve eğitim, çıkarım ve dışa aktarma iş akışlarında tam destek sağlayacak. 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 YOLO26 da Ultralytics Python paketi üzerinden tam olarak desteklenir ve kullanıcıların hemen başlamasını mümkün kılar. Kullanıcılar, zaten bildikleri aynı basitleştirilmiş iş akışıyla YOLO26'yı eğitebilir, doğrulayabilir ve dağıtabilir; ayrıca 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 daha kolay kullanılabilir hâle getirme yolundaki bir sonraki adımımızı temsil ediyor. Ancak bu yalnızca başlangıç.
Asıl etki, görsel yapay zekâ topluluğunun onunla oluşturduklarından doğar. Yeniliklerinizi görmeyi ve bilgisayarlı görmenin geleceğini birlikte şekillendirmeye devam etmeyi sabırsızlıkla bekliyoruz.
Topluluğumuzla bağlantı kurun ve yapay zekâyı daha derinlemesine keşfetmek için GitHub depomuzu inceleyin. Robotikte yapay zekâ ve lojistikte bilgisayarlı görme gibi sektörel çözümleri keşfedin, lisanslama seçeneklerimize göz atın ve bugün bilgisayarlı görme ile geliştirmeye başlayın.
