Ultralytics desteği
Belgelerimizde yanıtları bul, toplulukla iletişime geç veya doğrudan ekibimize ulaş.
Konuya göre yardım al
Adım adım kılavuzlar, eğitimler ve sorun giderme içerikleri için aşağıdan sorun yaşadığın alanı bul.
Etiketleme
Etiketleme, veri kümesi biçimleri ve açıklama ekleme sorunlarının giderilmesi
Daha fazla bilgi edin
Eğitim
Eğitim kurulumu, GPU ve CUDA hataları ve doğruluğu artırma
Daha fazla bilgi edin
Dağıtım
Dışa aktarma biçimleri, uçta ve bulutta dağıtım ve çıkarım
Daha fazla bilgi edin
Ajanlar
YOLO, görsel-dil modelleri, koşullar ve uyarılarla görsel iş akışları
Daha fazla bilgi edin
Ultralytics YOLO modelleri
Model seçimi, tahmin modları ve mimari kılavuzları
Daha fazla bilgi edin
API
SDK kurulumu, REST API başvurusu ve entegrasyon yardımı
Daha fazla bilgi edin
Ultralytics YOLO lisansı
AGPL-3.0 ve Kurumsal lisans karşılaştırması, uyumluluk ve faturalandırma
Daha fazla bilgi edinBlogdan
Bilgisayarlı görü eğitimi için en iyi sentetik veri araçları
Bilgisayarlı görü için sentetik veri araçlarının yöntemlerine göre karşılaştırması: 3B simülasyon, üretici modeller ve artırma; bunların Ultralytics YOLO ile nasıl test edileceği.
Ultralytics, Dublin'deki AMD Embedded AI Working Group'ta
Ultralytics ve AMD'nin Dublin'de düzenlenen AMD Embedded AI Working Group 2026'da Fiziksel Yapay Zekâ, robotik ve bilgisayarlı görü dağıtımını nasıl ele aldığını keşfet.
Precision ve recall kullanarak otomatik etiketleme için VLM seçme
Otomatik etiketleme için precision ve recall değerlerine göre bir VLM seç: hangi modeller daha az fazladan kutu bırakıyor, hangileri daha az nesneyi kaçırıyor ve kendi verilerinle nasıl test edebilirsin.
Bilgisayarlı görü çıkarımı için ONNX ve TensorRT: kıyaslamalar ve seçim rehberi
Bilgisayarlı görü çıkarımı için ONNX Runtime ve TensorRT karşılaştırması: 19 NVIDIA GPU’da ölçülen Ultralytics YOLO26 hızı ve doğruluğu ve hangisini seçeceğin.
Eksik KKD tespiti: Ultralytics YOLO'yu Construction-PPE ile eğit
Construction-PPE'nin eksik kaskları, yelekleri ve eldivenleri nasıl etiketlediğini gör, ardından kendi saha kameralarında eksik KKD'yi tespit etmesi için Ultralytics YOLO'yu eğit.
Drone tespit veri kümesi kılavuzu: küçük İHA’lar için Ultralytics YOLO’yu eğit
DUT Anti-UAV, Drone-vs-Bird ve termal drone tespit veri kümelerini karşılaştır, ardından küçük drone’ları bulmak ve yanlış alarmları azaltmak için Ultralytics YOLO26’yı eğit.
Tıbbi görüntüleme için HIPAA uyumlu yapay zekâ: BAA neleri kapsar ve hasta verileriyle nasıl eğitim yapılır?
Tıbbi görüntülemede HIPAA uyumlu yapay zekânın neler gerektirdiğini, Ultralytics BAA'sının neleri kapsadığını ve hasta verileriyle nasıl açıklama ekleyeceğini, model eğiteceğini ve dağıtım yapacağını öğren.
En İyi Derinlik Tahmini Modelleri: Nasıl Seçim Yapılır
Metrik derinlik, uç cihazlar ve robotik için Depth Anything, Depth Pro, Metric3D, UniDepth ve Ultralytics YOLO26 gibi tek kameralı derinlik modellerini karşılaştır.
Ultralytics YOLO modellerini W&B'den Ultralytics Platform'a taşıma
Ultralytics YOLO modellerini Weights & Biases (W&B) üzerinden Ultralytics Platform'a yeniden eğitim yapmadan aktar, ardından deneyleri karşılaştır, dışa aktar ve dağıt.
GPT-6.1 Terra otomatik anotasyonda 1. sıraya yerleşti ve OpenAI'nin kendi amiral gemisi modellerini geride bıraktı
GPT-6.1 Terra otomatik anotasyonda Liderlik Tablomuzdaki 39 modeli geride bıraktı: 1.000 görüntü başına 4,36 $ maliyetle 0,560 mAP50; GPT-6.1 Sol ve Gemini 4 Argon'un önünde.
MiniMax-M3.1-Flash ile otomatik anotasyon: Daha az düşünmesi neden daha iyi kutular çizmesini sağladı
Ultralytics Platform'da MiniMax-M3.1-Flash ile otomatik anotasyon: Ayarlama sonrasında 1.000 görüntü başına 1,84 $ maliyetle 0,317 mAP50; SAR gemi tespitinde ise 0,86.
Kimi K3.1 Pro ile otomatik anotasyon: Yüksek çaba düzeyinde, K3'ten üçte bir daha iyi
Kimi K3.1 Pro ile otomatik anotasyon, UL37'de 0,444 mAP50'ye ulaşıyor; Kimi K3'ten üçte bir daha yüksek. Neden yüksek çaba düzeyinde çalıştırdığımızı, maliyetini ve hangi alanlarda öne çıktığını gör.
Ultralytics YOLO ve NVIDIA Cosmos Data Factory: Kusur tespiti için sentetik veriler
NVIDIA Cosmos Data Factory sentetik verileri ve ajan tabanlı eğitim döngüsü, Ultralytics YOLO26'nın daha az etiketle tüm veri kümesindeki kusur tespit doğruluğuna ulaşmasına yardımcı oluyor.
Gemini 4 Argon ile otomatik anotasyon: 39 model arasında en hassas kutular
Ultralytics Platform'da Gemini 4 Argon ile otomatik anotasyon: 39 model arasında 2. sırada, en yüksek hassasiyet (0,667), 12 alanın 6'sında birinci; 30 Kasım'a kadar 1.000 görüntü başına 7,60 $.
Açık Hesaplama, Açık Görü: Ultralytics YOLO Vision 2026'da AMD
AMD'nin ROCm konuşması, uygulamalı atölyeleri ve AMD Radeon GPU'larında YOLO çalıştıran demolarıyla açık hesaplamayı Ultralytics YOLO Vision 2026'ya nasıl taşıdığını gör.
En İyi Görüntü Sınıflandırma Modelleri: Nasıl Seçim Yapılır?
ConvNeXt V2 ve DINOv3'ten EfficientNetV2, ViT ve Ultralytics YOLO26-cls'ye kadar önde gelen görüntü sınıflandırma modellerini karşılaştır ve nasıl seçim yapacağını öğren.
Anlamsal Segmentasyon ve Örnek Segmentasyonu: Doğru Görev Nasıl Seçilir?
Anlamsal segmentasyon her piksele sınıf etiketi atar; örnek segmentasyonu ise her nesneyi birbirinden ayırır. Bilgisayarlı görü projen için hangisinin gerektiğini ve nedenini öğren.
Arm Create 2026'da Ultralytics: Uçta gerçek zamanlı görsel yapay zekâ
Ultralytics'in Shenzhen'deki Arm Create 2026 etkinliğinden öne çıkanlar: gerçek zamanlı uç yapay zekâ için Ultralytics YOLO dağıtımı, model paneli ve yeni Arm AI Portal.
Ultralytics Buluşması: Londra
Ultralytics Londra buluşmasının özeti: YOLO27'ye ilk bakış, Ultralytics Platform demoları ve NVIDIA ile Arm'ın yer aldığı bir görsel yapay zekâ paneli.
Ultralytics Platform İzleme: Görsel yapay zekâ dağıtımlarını yolunda tut
Dağıtılmış görsel yapay zekâ modellerini Ultralytics Platform ile izle. Uç nokta durumunu, gecikmeyi, hataları, günlükleri ve canlı tahmin istatistiklerini takip et.
Ultralytics Agents ile tanış: Görsel yapay zekâ iş akışlarını daha hızlı oluştur
Ultralytics Agents ile görsel yapay zekâ iş akışları oluştur. YOLO modellerini, görsel-dil modellerini, koşulları, veri kümelerini ve Slack uyarılarını tek bir tuvalde birleştir.
Ultralytics AutoTrain ile tanış: Görsel yapay zekâ modeli eğitimini kolaylaştır
Ultralytics Platform'daki AutoTrain ile Ultralytics YOLO modellerini ilk temel performans düzeyinden üretime dağıtıma kadar eğit, karşılaştır ve iyileştir.
Ultralytics YOLO Vision 2026'dan öne çıkanlar!
Ultralytics'in Ultralytics YOLO27'yi tanıttığı ve Ultralytics Platform'da AutoTrain, Agents ve Monitoring özelliklerini sergilediği YOLO Vision 2026'dan öne çıkan anlar.
Ultralytics YOLO26 artık monoküler derinlik tahminini destekliyor
Ultralytics YOLO26'daki yeni derinlik tahmini görevinin, stereo kamera düzeneği veya LiDAR gerektirmeden tek bir RGB görüntüsünden piksel başına metrik ölçekli derinliği nasıl tahmin ettiğini öğren.
Bilgisayarlı Görü için En İyi Görüntü Etiketleme Platformları
Bilgisayarlı görü için dokuz görüntü etiketleme platformunu karşılaştır: CVAT, Encord, Label Studio, Labelbox, Roboflow, Scale AI, SuperAnnotate, Ultralytics ve V7.
Üretimde Otomatik Kusur Tespiti: Platformların Karşılaştırması
Otomatik kusur tespit platformlarını karşılaştır: Cognex, Instrumental, Keyence, Landing AI, Overview ve Ultralytics; ayrıca model görevini kusur türüyle nasıl eşleştireceğini öğren.
Kurumsal Bilgisayarlı Görünün Maliyeti: Bir TCO Çerçevesi
Veri, etiketleme, kameralar, uç donanımı, eğitim, çıkarım, entegrasyon ve yeniden eğitimi kapsayan, kurumsal bilgisayarlı görü için toplam sahip olma maliyeti çerçevesi.
Bilgisayarlı Görüyle Montaj Doğrulama ve Hata Önleme
Bilgisayarlı görünün montajın eksiksizliğini, doğruluğunu ve sırasını nasıl doğruladığı: görüntüleme istasyonu tasarımı, model görevi seçimi, PLC entegrasyonu ve doğrulama.
Ölçekte Bilgisayarlı Görü Çıkarımı: Yedi Platformun Karşılaştırması
Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics ve Vertex AI dâhil olmak üzere yedi bilgisayarlı görü çıkarım platformunu gecikme ve ölçeklenebilirlik açısından karşılaştır.
Ultralytics YOLO Vision 2026: Bilmen gereken her şey
Yeni YOLO modelleri, ürün lansmanları, canlı demolar ve gerçek dünyada görsel yapay zekâ için 13 Eylül'de Shenzhen'de veya çevrimiçi olarak Ultralytics YOLO Vision 2026'ya katıl.
Sık sorulan sorular
Evet. Standart desteğin yanı sıra Ultralytics, YOLO'yu web, mobil veya bulut ürünlerine entegre etmek için uygulamalı yardıma ihtiyaç duyan ekiplere özel mühendislik hizmetleri sunar. Bu hizmetler model eğitimi, dağıtım mimarisi ve özel çözümleri kapsar. Gereksinimlerini görüşmek ve fiyat teklifi almak için satış ekibiyle iletişime geç.
Açık kaynaklı YOLO paketindeki hatalar için GitHub'da bir sorun kaydı aç. Eğitim işleri, dağıtımlar veya faturalandırma gibi Ultralytics Platform'a özel sorunlarda platform içindeki geri bildirim formunu kullan ya da Enterprise planındaysan sana özel destek kanalından bize ulaş.
Topluluk desteğinde yanıt süreleri forum ve GitHub'daki etkinliğe göre değişir; ancak ekibimiz GitHub sorunlarına 24 saat içinde yanıt vermeyi hedefler. Enterprise müşterilerine, kuruluşlarının büyüklüğüne ve ihtiyaçlarına göre belirlenen, sözleşmeye dayalı SLA kapsamında garantili yanıt süreleri sunulur.
Enterprise müşterilerine belirlenmiş bir SE/CSM, sözleşmeye dayalı SLA, SE yetkinleştirme saatleri, önemli aşama kontrolleri içeren yapılandırılmış başlangıç süreci, projeyi etkinleştirme desteği ve üç aylık iş değerlendirmeleri sunulur. Bu hizmet, Ultralytics'i geniş ölçekte kullanan ve ilk günden itibaren ekibimize doğrudan ulaşması gereken kuruluşlar için tasarlanmıştır. Kuruluşuna uygun seçenekleri görüşmek için satış ekibiyle iletişime geç.
Free ve Pro planları; soru sorabileceğin, projelerini paylaşabileceğin ve diğer geliştiricilerle Ultralytics ekibinden yanıt alabileceğin aktif forumumuz da dâhil olmak üzere topluluk desteğine erişim sağlar. Ayrıca anotasyondan dağıtıma kadar her konuyu kapsayan Ultralytics belgelerine, GitHub'a ve video eğitimlerine tam erişimin olur.
Geleceğin yapay zekasını birlikte inşa edelim!
Makine öğreniminin geleceğine yolculuğuna başla