Anasayfa

Ultralytics ile tanışın YOLO26, beğenilen gerçek zamanlı nesne algılama ve görüntü segmentasyonu modelinin en son sürümü. YOLO26, deep learning ve computer vision ilerlemeleri üzerine inşa edilmiştir; uçtan uca NMS içermeyen çıkarım ve optimize edilmiş uç birim dağıtımı sunar. Modern tasarımı, uç cihazlardan bulut API'larına kadar çeşitli uygulamalar için uygun olmasını ve farklı donanım platformlarına kolayca uyarlanabilmesini sağlar. Kararlı üretim iş yükleri için hem YOLO26 hem de YOLO11 önerilir.

Özelliklerini ve yeteneklerini anlamana ve kullanmana yardımcı olmak için tasarlanmış kapsamlı bir kaynak olan Ultralytics Dokümanlarını keşfet. İster deneyimli bir machine learning uzmanı ol ister bu alanda yeni ol, bu merkez projelerinde YOLO potansiyelini en üst düzeye çıkarmayı amaçlar.

Ticari kullanım için Kurumsal Lisans talebinde bulun: Ultralytics Lisanslama.

Nereden Başlamalı

YOLO: Kısa Bir Tarihçe

YOLO (You Only Look Once), popüler bir object detection ve ve image segmentation

• modeli, University of Washington'da Joseph Redmon ve Ali Farhadi tarafından geliştirildi. 2015'te piyasaya sürülen YOLO, yüksek hızı ve doğruluğu ile popülerlik kazandı.2016'da yayınlanan
• YOLOv2, batch normalization, anchor boxes ve dimension clusters birleştirerek orijinal modeli geliştirdi.
• 2018'de başlatılan YOLOv3, daha verimli bir backbone network, birden fazla anchor ve spatial pyramid pooling kullanarak modelin performansını daha da artırdı.2020'de yayınlanan YOLOv4.
• , Mosaic data augmentation
• , yeni bir anchor-free detection head ve yeni bir loss function gibi yenilikler getirdi.YOLOv5
• modelin performansını daha da artırdı ve hyperparameter optimization, entegre experiment tracking ve popüler dışa aktarma formatlarına otomatik dışa aktarma gibi yeni özellikler ekledi.YOLOv6
• 2022'de Meituan
• tarafından açık kaynaklı hale getirildi ve şirketin birçok otonom teslimat robotunda kullanılıyor.YOLOv7
• , COCO keypoints veri seti üzerinde pose estimation gibi ek görevler ekledi.Ultralytics tarafından 2023'te yayınlanan YOLOv8, gelişmiş performans, esneklik ve verimlilik için yeni özellikler ve iyileştirmeler sunarak tüm vision AI görevlerini destekledi.YOLOv9 , Programmable Gradient Information (PGI) ve Generalized Efficient Layer Aggregation Network (GELAN) gibi yenilikçi yöntemler sunuyor.Tsinghua Universityobject detection araştırmacıları tarafından
• YOLO11Ultralyticsobject detection, , Python package, kullanılarak oluşturulan YOLOv10, Non-Maximum Suppression (NMS) gereksinimlerini ortadan kaldıran bir End-to-End head tanıtarak gerçek zamanlı ilerlemeler sağlar.
• YOLO26 🚀: Eylül 2024'te piyasaya sürülen YOLO11,

segmentation

, pose estimation, tracking ve

• classification dahil olmak üzere çeşitli AI uygulamalarında ve alanlarında dağıtımı mümkün kılarak birçok görevde mükemmel performans sağlar.: Ultralytics'in uçtan uca NMS içermeyen çıkarım ile uç birim dağıtımı için optimize edilmiş yeni nesil YOLO modeli.YOLO Lisansları: Ultralytics YOLO nasıl lisanslanır?Ultralytics, farklı kullanım durumlarına uygun iki lisans seçeneği sunar:AGPL-3.0 Lisansı
• : Bu OSI-approvedUltralytics Lisanslama.

açık kaynak lisansı, öğrenciler ve meraklılar için ideal olup açık iş birliğini ve bilgi paylaşımını teşvik eder. Daha fazla ayrıntı için

LICENSE

dosyasına bak.Kurumsal Lisans: Ticari kullanım için tasarlanmış olan bu lisans, Ultralytics yazılımının ve AI modellerinin ticari ürün ve hizmetlere sorunsuz entegrasyonuna olanak tanır ve AGPL-3.0'ın açık kaynak gereksinimlerini atlar. Eğer senaryon çözümlerimizi ticari bir teklife yerleştirmeyi içeriyorsa, bizimle iletişime geç.

Lisanslama stratejimiz, açık kaynak projelerimize yapılan her türlü iyileştirmenin topluluğa geri dönmesini sağlamak üzere tasarlanmıştır. Açık kaynağa inanıyoruz ve misyonumuz, katkılarımızın herkesin yararına olacak şekilde kullanılmasını ve genişletilmesini sağlamaktır.Nesne Algılamanın EvrimiNesne algılama, geleneksel computer vision tekniklerinden gelişmiş deep learning modellerine kadar yıllar içinde önemli ölçüde evrimleşti.

YOLO family of models

SSS

Ultralytics YOLO nedir ve nesne algılamayı nasıl geliştirir?

Ultralytics YOLO, gerçek zamanlı nesne algılama ve görüntü segmentasyonu için beğenilen YOLO (You Only Look Once) serisidir. En son model olan YOLO26, uçtan uca NMS içermeyen çıkarım ve optimize edilmiş uç dağıtım sunarak önceki sürümlerin üzerine inşa edilmiştir. YOLO, çeşitli görüntüleme yapay zeka görevlerini (algılama, segmentasyon, poz kestirimi, takip ve sınıflandırma gibi) destekler. Verimli mimarisi mükemmel hız ve doğruluk sağlayarak, uç cihazlar ve bulut API'leri dahil olmak üzere çeşitli uygulamalar için uygun hale gelir.

YOLO kurulumu ve ayarları ile nasıl başlayabilirim?

YOLO ile başlamak hızlı ve basittir. Ultralytics paketini pip kullanarak yükleyebilir ve dakikalar içinde kullanmaya başlayabilirsin. İşte temel kurulum komutu:

pip install -U ultralytics

Kapsamlı bir adım adım kılavuz için Hızlı Başlangıç sayfamızı ziyaret et. Bu kaynak, kurulum talimatları, ilk kurulum ve ilk modelini çalıştırma konusunda sana yardımcı olacaktır.

Kendi veri setim üzerinde nasıl özel bir YOLO modeli eğitebilirim?

Veri setin üzerinde özel bir YOLO modeli eğitmek birkaç detaylı adım içerir:

1. Etiketlenmiş veri setini hazırla.
2. Eğitim parametrelerini bir YAML dosyasında yapılandır.
3. Eğitimi başlatmak için yolo TASK train komutunu kullan. (Her TASK kendi argümanına sahiptir)

Nesne Algılama Görevi için örnek kod burada:

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

Detaylı bir inceleme için, eğitim sürecini optimize etmeye yönelik örnekler ve ipuçları içeren Model Eğit kılavuzumuza göz at.

Ultralytics YOLO için hangi lisans seçenekleri mevcuttur?

Ultralytics, YOLO için iki lisans seçeneği sunar:

• classificationAGPL-3.0: Bu açık kaynak lisansı, eğitimsel ve ticari olmayan kullanım için idealdir ve açık iş birliğini destekler.
• : Bu Kurumsal Lisans: Bu, ticari uygulamalar için tasarlanmıştır ve Ultralytics yazılımının AGPL-3.0 lisansının kısıtlamaları olmaksızın ticari ürünlere sorunsuz bir şekilde entegre edilmesine olanak tanır.

Daha fazla detay için Lisanslama sayfamızı ziyaret et.

Ultralytics YOLO gerçek zamanlı nesne takibi için nasıl kullanılabilir?

Ultralytics YOLO, verimli ve özelleştirilebilir çoklu nesne takibini destekler. Takip yeteneklerini kullanmak için yolo track komutunu aşağıda gösterildiği gibi kullanabilirsin:

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

Nesne takibini kurma ve çalıştırma konusunda detaylı bir kılavuz için, gerçek zamanlı senaryolardaki yapılandırmayı ve pratik uygulamaları açıklayan Takip Modu belgelerimize göz at.