Ultralytics YOLO26'nın farklı varyantları nelerdir?

Ultralytics YOLO26'nın farklı varyantları YOLO26n, YOLO26s, YOLO26m, YOLO26l ve YOLO26x'tir. Farklı kullanım alanlarında hız ve doğruluk arasında denge sağlamak için çeşitli boyutlarda sunulurlar.

Python'da Ultralytics nedir?

Ultralytics Python paketi, Ultralytics YOLO modellerine kolay erişim sağlar ve geliştiricilerin Python projelerinde nesne tespiti ve segmentasyon gibi bilgisayarlı görü görevlerini eğitmesine, doğrulamasına ve dağıtmasına olanak tanır.

En iyi YOLO modeli hangisi?

Kullanım senaryon için en iyi Ultralytics YOLO modeli ihtiyaçlarına bağlıdır. En yeni Ultralytics YOLO26 modeli, doğruluk, hız ve çoklu görev desteği alanlarında en yeni iyileştirmeleri sunar.

Farklı Ultralytics YOLO modelleri nelerdir?

Ultralytics YOLO, en yeni YOLO26 model ailesinin yanı sıra mevcut iş akışlarında kullanılabilecek önceki YOLO model ailelerini de içerir. YOLO modelleri; nesne tespiti, segmentasyon, sınıflandırma, poz tahmini ve yönlendirilmiş nesne tespiti dâhil olmak üzere çok yönlü yapay zekâ uygulamaları için birden fazla görü görevini destekler.

Ultralytics YOLO

Ultralytics YOLO modelleri

Ultralytics YOLO modelleriyle görsel yapay zekâ çözümlerine güç kat; verimli bilgisayarlı görü görevleriyle görüntüleri ve videoları gerçek zamanlı olarak hızlı ve doğru biçimde analiz et.

YOLO'yu lisansla Başla

Dünyanın önde gelen kuruluşlarının güvenini kazandı

YOLO26 ile çıkarımı dene

Gerçek zamanlı nesne algılamayı görmek için bir görseli sürükleyip bırak

Girdi

Test etmek için bir görsel yükle veya örneklerden birini seç YOLO26n. Tahmin Belgeleri

Canlı Demo

Bir görseli buraya bırak

veya göz atmak için tıkla

JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP ve daha fazlasını destekler (maks. 10MB)

Ya da bir örnek dene

Güven

0.25

IoU

0.70

Görsel Boyutu

640

Tahmin sonuçları burada görünür.

API anahtarı kimlik doğrulamasıyla özel bir çıkarım uç noktası edinmek için modelini dağıt; ardından aşağıdaki yer tutucu URL'yi ve anahtarı dağıtım değerlerinle değiştir. Dağıtım belgeleri

import requests

# Deployment URL and API key
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"

# Optional inference parameters (conf, iou, imgsz)
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

Modellerimizin etkisi

Son teknoloji görsel yapay zekâ modellerimizle farklı sektörlerdeki süreçleri kolaylaştır. Ultralytics'in sunduğu hız, doğruluk ve kullanım kolaylığı.

—

GitHub yıldızları

—

İndirme sayısı

—

Günlük Ultralytics YOLO kullanımı

—

Açık kaynak katkıda bulunanları

YOLO modellerinin gelişimi

İlk YOLO mimarisinden Ultralytics YOLO26'ya kadar model ailesi, gerçek zamanlı bilgisayarlı görü iş akışlarını geliştirmeyi sürdürdü.

2015

YOLO

Joseph Redmon ve ekibi tarafından geliştirildi.

2016

YOLOv2

Joseph Redmon ve Ali Farhadi tarafından oluşturuldu.

2018

YOLOv3

Joseph Redmon ve Ali Farhadi tarafından geliştirildi.

2018

YOLOv4

Alexey Bochkovskiy ve ekibi tarafından geliştirildi.

2020

Ultralytics YOLOv5

YOLOv5, hızlı ve doğru performansı kullanıcı dostu bir PyTorch uygulamasıyla sunarak nesne algılamayı yeniden tanımladı.

2022

YOLOv6

Meituan ve ekibi tarafından tanıtıldı.

2022

YOLOv7

Chien-Yao Wang ve ekibi tarafından yayımlandı.

2023

Ultralytics YOLOv8

YOLOv8; örnek segmentasyonu, sınıflandırma, poz tahmini ve diğer temel görsel görevleri desteklemeye başladı.

2024

YOLOv9

Chien-Yao Wang ve ekibi tarafından geliştirildi.

2024

YOLOv10

Ao Wang tarafından Tsinghua Üniversitesi için tasarlandı.

2024

Ultralytics YOLO11

YOLO11, tanıdık Ultralytics iş akışını korurken doğruluğu, kesinliği ve hızı artırdı.

2026

Ultralytics YOLO26

YOLO26 daha hafif, daha küçük ve daha hızlıdır; nano sürümü CPU çıkarımında %43'e kadar daha yüksek hız sunar.