İçeriğe geç

Ev

Introducing Ultralytics YOLO11, the latest version of the acclaimed real-time object detection and image segmentation model. YOLO11 is built on cutting-edge advancements in deep learning and computer vision, offering unparalleled performance in terms of speed and accuracy. Its streamlined design makes it suitable for various applications and easily adaptable to different hardware platforms, from edge devices to cloud APIs.

Explore the Ultralytics Docs, a comprehensive resource designed to help you understand and utilize its features and capabilities. Whether you are a seasoned machine learning practitioner or new to the field, this hub aims to maximize YOLO's potential in your projects


Ultralytics GitHub uzay Ultralytics LinkedIn uzay Ultralytics Twitter uzay Ultralytics YouTube uzay Ultralytics TikTok uzay Ultralytics BiliBili uzay Ultralytics Discord

Nereden Başlamalı



İzle: How to Train a YOLO model on Your Custom Dataset in Google Colab.

YOLO: Kısa Bir Tarihçe

YOLO (You Only Look Once), a popular object detection and image segmentation model, was developed by Joseph Redmon and Ali Farhadi at the University of Washington. Launched in 2015, YOLO quickly gained popularity for its high speed and accuracy.

  • 2016'da piyasaya sürülen YOLOv2, toplu normalleştirme, bağlantı kutuları ve boyut kümelerini dahil ederek orijinal modeli geliştirdi.
  • 2018'de piyasaya sürülen YOLOv3, daha verimli bir omurga ağı, çoklu çapalar ve uzamsal piramit havuzlama kullanarak modelin performansını daha da artırdı.
  • YOLOv4 was released in 2020, introducing innovations like Mosaic data augmentation, a new anchor-free detection head, and a new loss function.
  • YOLOv5 modelin performansını daha da geliştirdi ve hiperparametre optimizasyonu, entegre deney izleme ve popüler dışa aktarma formatlarına otomatik dışa aktarma gibi yeni özellikler ekledi.
  • YOLOv6, 2022 yılında Meituan tarafından açık kaynaklı hale getirildi ve şirketin otonom teslimat robotlarının çoğunda kullanılıyor.
  • YOLOv7, COCO anahtar noktaları veri kümesi üzerinde poz tahmini gibi ek görevler ekledi.
  • YOLOv8 released in 2023 by Ultralytics. YOLOv8 introduced new features and improvements for enhanced performance, flexibility, and efficiency, supporting a full range of vision AI tasks,
  • YOLOv9 , Programlanabilir Gradyan Bilgisi (PGI) ve Genelleştirilmiş Verimli Katman Toplama Ağı (GELAN) gibi yenilikçi yöntemler sunar.
  • YOLOv10, Tsinghua Üniversitesi 'nden araştırmacılar tarafından Ultralytics Python Paket. Bu sürüm, Maksimum Olmayan Bastırma (NMS) gereksinimlerini ortadan kaldıran bir Uçtan Uca başlık sunarak gerçek zamanlı nesne algılama ilerlemeleri sağlar.
  • YOLO11 🚀 NEW: Ultralytics' latest YOLO models delivering state-of-the-art (SOTA) performance across multiple tasks, including detection, segmentation, pose estimation, tracking, and classification, leverage capabilities across diverse AI applications and domains.

YOLO Lisanslar: Ultralytics YOLO nasıl lisanslanır?

Ultralytics farklı kullanım durumlarına uyum sağlamak için iki lisanslama seçeneği sunar:

  • AGPL-3.0 Lisans: OSI onaylı bu açık kaynak lisansı, açık işbirliğini ve bilgi paylaşımını teşvik ederek öğrenciler ve meraklılar için idealdir. Daha fazla ayrıntı için LICENSE dosyasına bakın.
  • Kurumsal Lisans: Ticari kullanım için tasarlanan bu lisans, AGPL-3.0'un açık kaynak gereksinimlerini atlayarak Ultralytics yazılımının ve yapay zeka modellerinin ticari ürün ve hizmetlere sorunsuz bir şekilde entegre edilmesine izin verir. Senaryonuz çözümlerimizi ticari bir teklife yerleştirmeyi içeriyorsa, Ultralytics Lisanslama aracılığıyla ulaşın.

Lisanslama stratejimiz, açık kaynak projelerimizdeki her türlü iyileştirmenin topluma geri dönmesini sağlamak için tasarlanmıştır. Açık kaynak ilkelerini kalbimize yakın tutuyoruz ❤️ ve misyonumuz, katkılarımızın herkes için faydalı olacak şekilde kullanılmasını ve genişletilmesini garanti etmektir.

SSS

Ultralytics YOLO nedir ve nesne algılamayı nasıl iyileştirir?

Ultralytics YOLO is the latest advancement in the acclaimed YOLO (You Only Look Once) series for real-time object detection and image segmentation. It builds on previous versions by introducing new features and improvements for enhanced performance, flexibility, and efficiency. YOLO supports various vision AI tasks such as detection, segmentation, pose estimation, tracking, and classification. Its state-of-the-art architecture ensures superior speed and accuracy, making it suitable for diverse applications, including edge devices and cloud APIs.

YOLO kurulumuna ve ayarlarına nasıl başlayabilirim?

Getting started with YOLO is quick and straightforward. You can install the Ultralytics package using pip and get up and running in minutes. Here's a basic installation command:

Örnek

pip install ultralytics

Adım adım kapsamlı bir kılavuz için hızlı başlangıç kılavuzumuzu ziyaret edin. Bu kaynak kurulum talimatları, ilk kurulum ve ilk modelinizi çalıştırma konularında size yardımcı olacaktır.

Veri kümemde özel bir YOLO modelini nasıl eğitebilirim?

Veri setinizde özel bir YOLO modelini eğitmek birkaç ayrıntılı adım içerir:

  1. Açıklamalı veri setinizi hazırlayın.
  2. Eğitim parametrelerini bir YAML dosyasında yapılandırın.
  3. Kullanın yolo train eğitime başlamak için komut verin.

Here's example code:

Örnek

from ultralytics import YOLO

# Load a pre-trained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo11n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)
# Train a YOLO model from the command line
yolo train data=path/to/dataset.yaml epochs=100 imgsz=640

Ayrıntılı bir kılavuz için, eğitim sürecinizi optimize etmeye yönelik örnekler ve ipuçları içeren Train a Model kılavuzumuza göz atın.

Ultralytics YOLO için mevcut lisanslama seçenekleri nelerdir?

Ultralytics YOLO için iki lisanslama seçeneği sunmaktadır:

  • AGPL-3.0 Lisans: Bu açık kaynak lisansı, açık işbirliğini teşvik ederek eğitim amaçlı ve ticari olmayan kullanım için idealdir.
  • Kurumsal Lisans: Bu lisans ticari uygulamalar için tasarlanmıştır ve AGPL-3.0 lisansının kısıtlamaları olmaksızın Ultralytics yazılımının ticari ürünlere sorunsuz bir şekilde entegre edilmesini sağlar.

Daha fazla ayrıntı için Lisanslama sayfamızı ziyaret edin.

Ultralytics YOLO gerçek zamanlı nesne takibi için nasıl kullanılabilir?

Ultralytics YOLO verimli ve özelleştirilebilir çoklu nesne takibini destekler. İzleme özelliklerinden yararlanmak için yolo track komutunu aşağıda gösterildiği gibi kullanın:

Örnek

from ultralytics import YOLO

# Load a pre-trained YOLO model
model = YOLO("yolo11n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")
# Perform object tracking on a video from the command line
# You can specify different sources like webcam (0) or RTSP streams
yolo track source=path/to/video.mp4

Nesne izlemeyi ayarlama ve çalıştırma hakkında ayrıntılı bir kılavuz için, yapılandırmayı ve gerçek zamanlı senaryolardaki pratik uygulamaları açıklayan izleme modu belgelerimize göz atın.


📅 Created 11 months ago ✏️ Updated 6 days ago

Yorumlar