中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية

Link to this sectionAna Sayfa#

Gerçek zamanlı nesne algılama ve görüntü segmentasyonu modelinin en güncel versiyonu olan Ultralytics YOLO26 ile tanış. YOLO26, uçtan uca NMS'siz çıkarım ve optimize edilmiş uç cihaz dağıtımı sunan derin öğrenme ve bilgisayarlı görü gelişmelerinin üzerine inşa edilmiştir. Modern tasarımı, onu çeşitli uygulamalar için uygun hale getirir ve uç cihazlardan bulut API'lerine kadar farklı donanım platformlarına kolayca uyarlanabilir. 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 Dokümantasyonunu keşfet. İster deneyimli bir makine öğrenmesi uygulayıcısı ol, ister bu alanda yeni; bu merkez, projelerinde YOLO'nun potansiyelini en üst düzeye çıkarmayı amaçlar.

Ticari kullanım için Ultralytics Lisanslama üzerinden Kurumsal Lisans talep et.

Link to this sectionNereden Başlamalı#

Link to this sectionYOLO: 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 gained popularity for its high speed and accuracy.

• 2016'da piyasaya sürülen YOLOv2, toplu normalleştirme, çapa kutuları (anchor boxes) ve boyut kümeleri ekleyerek orijinal modeli geliştirmiştir.
• 2018'de piyasaya sürülen YOLOv3, daha verimli bir omurga ağı, çoklu çapalar ve uzamsal piramit havuzlama kullanarak modelin performansını daha da artırmıştır.
• 2020'de piyasaya sürülen YOLOv4, Mosaic veri artırma, yeni bir çapasız algılama başlığı ve yeni bir kayıp fonksiyonu gibi yenilikler getirmiştir.
• YOLOv5, modelin performansını daha da artırmış ve hiperparametre optimizasyonu, entegre deney takibi ve popüler dışa aktarma formatlarına otomatik dışa aktarma gibi yeni özellikler eklemiştir.
• YOLOv6, 2022'de Meituan tarafından açık kaynak haline getirilmiştir ve şirketin birçok otonom teslimat robotunda kullanılmaktadır.
• YOLOv7, COCO anahtar noktaları veri kümesi üzerinde poz tahmini gibi ek görevler eklemiştir.
• Ultralytics tarafından 2023'te yayınlanan YOLOv8, gelişmiş performans, esneklik ve verimlilik için yeni özellikler ve iyileştirmeler sunarak tüm vizyon AI görevlerini desteklemiştir.
• YOLOv9, Programlanabilir Gradyan Bilgisi (PGI) ve Genelleştirilmiş Verimli Katman Birleştirme Ağı (GELAN) gibi yenilikçi yöntemler sunar.
• YOLOv10 created by researchers from Tsinghua University using the Ultralytics Python package, provides real-time object detection advancements by introducing an End-to-End head that eliminates Non-Maximum Suppression (NMS) requirements.
• YOLO11: Eylül 2024'te yayınlanan YOLO11, nesne algılama, segmentasyon, poz tahmini, izleme ve sınıflandırma dahil olmak üzere birçok görevde mükemmel performans sunarak çeşitli AI uygulamaları ve alanlarında dağıtımı mümkün kılar.
• YOLO26 🚀: Ultralytics'in uçtan uca NMS'siz çıkarım ile uç cihaz dağıtımı için optimize edilmiş yeni nesil YOLO modeli.

Link to this sectionYOLO Lisansları: Ultralytics YOLO nasıl lisanslanmıştır?#

Ultralytics, çeşitli kullanım durumlarına uyum sağlamak için iki lisanslama seçeneği sunar:

• AGPL-3.0 Lisansı: Bu OSI onaylı açık kaynak lisansı, öğrenciler ve meraklılar için idealdir ve açık iş birliğini ve bilgi paylaşımını teşvik eder. Daha fazla ayrıntı için LICENSE dosyasına bak.
• Kurumsal Lisans: Geliştirme ve üretim kullanımı için bu lisans, Ultralytics yazılımının ve yapay zeka modellerinin; dahili araçlar, otomatik iş akışları ve üretim dağıtımları dahil olmak üzere ticari ürün ve hizmetlere sorunsuz entegrasyonunu sağlar ve AGPL-3.0'ın açık kaynak gereksinimlerini atlar. Başlamak için lütfen Ultralytics Licensing aracılığıyla bizimle iletişime geç.

Lisanslama stratejimiz, açık kaynak projelerimizdeki tüm iyileştirmelerin topluluğa geri kazandırılmasını sağlamak için tasarlanmıştır. Açık kaynağa inanıyoruz ve misyonumuz, katkılarımızın herkese fayda sağlayacak şekilde kullanılmasını ve genişletilmesini sağlamaktır.

Link to this sectionNesne Algılamanın Evrimi#

Nesne algılama, geleneksel bilgisayarlı görü tekniklerinden gelişmiş derin öğrenme modellerine kadar yıllar içinde önemli ölçüde evrimleşmiştir. YOLO model ailesi, gerçek zamanlı nesne algılamada mümkün olanın sınırlarını sürekli zorlayarak bu evrimin ön saflarında yer almıştır.

YOLO'nun benzersiz yaklaşımı, nesne algılamayı tek bir regresyon problemi olarak ele alır ve sınırlayıcı kutuları ile sınıf olasılıklarını tam görüntülerden tek bir değerlendirmede tahmin eder. Bu devrim niteliğindeki yöntem, YOLO modellerini önceki iki aşamalı dedektörlerden önemli ölçüde daha hızlı hale getirirken yüksek doğruluğu korumuştur.

YOLO, her yeni sürümde çeşitli metriklerde performansı artıran mimari iyileştirmeler ve yenilikçi teknikler tanıtmıştır. YOLO26, bilgisayarlı görü araştırmalarındaki en son gelişmeleri birleştirerek, uçtan uca NMS'siz çıkarım ve gerçek dünya uygulamaları için optimize edilmiş uç cihaz dağıtımı sunarak bu geleneği sürdürüyor.

Link to this sectionSSS#

Link to this sectionUltralytics YOLO nedir ve nesne algılamayı nasıl geliştirir?#

Ultralytics YOLO is the acclaimed YOLO (You Only Look Once) series for real-time object detection and image segmentation. The latest model, YOLO26, builds on previous versions by introducing end-to-end NMS-free inference and optimized edge deployment. YOLO supports various vision AI tasks such as detection, instance segmentation, semantic segmentation, pose estimation, tracking, and classification. Its efficient architecture ensures excellent speed and accuracy, making it suitable for diverse applications, including edge devices and cloud APIs.

Link to this sectionYOLO kurulumu ve ayarları ile nasıl başlayabilirim?#

YOLO ile başlamak hızlı ve basittir. pip kullanarak Ultralytics paketini yükleyebilir ve dakikalar içinde çalışmaya başlayabilirsin. İşte temel bir 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 konularında sana yardımcı olacaktır.

Link to this sectionVeri kümemde özel bir YOLO modelini nasıl eğitebilirim?#

Veri kümen üzerinde özel bir YOLO modeli eğitmek birkaç ayrıntılı adım içerir:

1. Ek açıklama (annotation) eklenmiş veri kümeni hazırla.
2. Bir YAML dosyasında eğitim parametrelerini yapılandır.
3. Eğitimi başlatmak için yolo TASK train komutunu kullan. (Her TASK kendi argümanına sahiptir)

İşte Nesne Algılama Görevi için örnek kod:

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)

Ayrıntılı bir izlenecek yol için, eğitim sürecini optimize etmeye yönelik örnekler ve ipuçları içeren Bir Model Eğit kılavuzumuza göz at.

Link to this sectionUltralytics YOLO için mevcut lisanslama seçenekleri nelerdir?#

Ultralytics, YOLO için iki lisanslama seçeneği sunar:

• AGPL-3.0 Lisansı: Bu açık kaynak lisansı, açık iş birliğini teşvik eden eğitimsel ve ticari olmayan kullanım için idealdir.
• Kurumsal Lisans: AGPL-3.0'ın açık kaynak gereksinimlerini atlayarak, dahili araçlar, otomatik iş akışları ve üretim dağıtımları dahil olmak üzere geliştirme ve üretim kullanımı için.

Daha fazla ayrıntı için Lisanslama sayfamızı ziyaret et.

Link to this sectionUltralytics YOLO gerçek zamanlı nesne izleme için nasıl kullanılabilir?#

Ultralytics YOLO, verimli ve özelleştirilebilir çoklu nesne izlemeyi destekler. İzleme yeteneklerini kullanmak için aşağıda gösterildiği gibi yolo track komutunu 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 izlemeyi kurma ve çalıştırma hakkında ayrıntılı bir kılavuz için, gerçek zamanlı senaryolardaki yapılandırmayı ve pratik uygulamaları açıklayan İzleme Modu dokümantasyonumuza göz at.