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

Ultralytics YOLO Dokümanları#

Ultralytics YOLO, tek bir Python paketi ve CLI üzerinden kullanılabilen; nesne tespiti, örnek bölütleme, anlamsal bölütleme, derinlik tahmini, sınıflandırma, poz tahmini, yönlendirilmiş sınırlayıcı kutular ve takipleme için gerçek zamanlı bilgisayarlı görü modellerinden oluşan bir ailedir. YOLO26; uçtan uca NMS içermeyen çıkarım ve optimize edilmiş uç dağıtımı özellikleri sunarak derin öğrenme ve bilgisayarlı görü gelişmelerine dayanarak oluşturulmuştur. Sadeleştirilmiş tasarımı sayesinde çeşitli uygulamalar için uygundur ve uç cihazlardan bulut API'lerine kadar farklı donanım platformlarına kolayca uyarlanabilir. Kararlı üretim iş yükleri için hem YOLO26 hem de YOLO11 önerilir.

YOLO paketini ve CLI'yı ile aynı modellerin üzerine veri etiketleme, bulut eğitimi ve dağıtımı ekleyen Ultralytics Platform seçeneğini kapsayan kapsamlı bir kaynak olan Ultralytics Docs'u keşfet. İster deneyimli bir makine öğrenimi uygulayıcısı ol ister bu alanda yeni başla, bu kaynaklar projelerinde YOLO'dan en iyi şekilde yararlanmana yardımcı olur.

Ticari kullanım için Ultralytics Licensing adresinden bir Kurumsal Lisans talep et.

İki Komutla Başla#

# Install the ultralytics package from PyPI
pip install ultralytics

# Detect objects in an image with a pretrained YOLO26 model
yolo predict model=yolo26n.pt source='https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg'

Model ağırlıkları ve örnek görsel otomatik olarak indirilir ve etiketlenen sonuç runs/detect/predict konumuna kaydedilir.

Tam kurulum ve kullanım başvurusu için Quickstart kılavuzuna göz at.

Ne Yapmak İstiyorsun?#

Bu Dokümanlar Nasıl Düzenlendi?#

Çoğu model iş akışı yolo komutu, Task öğesinin isteğe bağlı olduğu tek bir dilbilgisini (yolo [TASK] MODE ARGS) takip eder ve bu belgeler, tek bir kısayolun yanı sıra aynı üç parça etrafında organize edilmiştir:

• Task, bir görselden ne istediğini yanıtlar: detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation veya oriented boxes.
• Mode, bir modeli nasıl kullandığını yanıtlar: train, validate, predict, export, track veya benchmark.
• Args, model= ile çalıştırılacak modelden epochs ve imgsz gibi hiperparametrelere kadar komutu yapılandırır.
• Solutions kısayoldur: Task ve Mode adımlarını tamamen atlayan, nesne sayma veya güvenlik alarmı gibi hazır bir uygulamadır.

Geri kalan her şey bu dilbilgisini destekler: Models, model= öğesine aktarabileceğin her mimariyi listeler (YOLO26, YOLO11, SAM 3, RT-DETR ve daha fazlası); Datasets, her Task öğesinin ne üzerinde eğitildiğini sağlar; Guides, donanım dağıtımı, hiper parametre ayarı, veri seti dönüştürme ve tam proje kılavuzlarını kapsayan geniş bir derinlemesine nasıldır koleksiyonudur; Integrations, işlem hattını halihazırda kullandığın eğitim ve dağıtım araçlarına bağlar ve Reference bölümü Python API'sindeki her sınıfı ve fonksiyonu belgelendirir.

Python paketinin ötesinde, aynı modeller üzerinde çalışan iki yüzey daha bulunmaktadır: bulut tabanlı etiketleme, eğitim ve dağıtım için Ultralytics Platform ve bir Python çalışma zamanına ihtiyaç duymadan dışa aktarılan modelleri çalıştırmak için bağımsız bir Rust kütüphanesi ve CLI olan Ultralytics Inference.

YOLO Lisansları: Ultralytics YOLO nasıl lisanslanmıştır?#

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

• AGPL-3.0 Lisansı: Bu OSI onaylı açık kaynaklı lisans, öğrenciler ve meraklılar için ideal olup açık iş birliğini ve bilgi paylaşımını teşvik eder. Daha fazla ayrıntı için LICENSE dosyasına bak.
• Kurumsal Lisans: Geliştirme ve üretim kullanımı için bu lisans, AGPL-3.0'ın açık kaynak gereksinimlerini atlayarak dahili araçlar, otomatik iş akışları ve üretim dağıtımları dahil olmak üzere Ultralytics yazılımının ve yapay zeka modellerinin iş ürünlerine ve hizmetlerine sorunsuz bir şekilde entegre edilmesini sağlar. 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.

SSS#

Ultralytics YOLO nedir ve nesne algılamayı nasıl geliştirir?#

Ultralytics YOLO, gerçek zamanlı nesne tespiti ve görüntü segmentasyonu için beğenilen YOLO (You Only Look Once) serisidir. En son model olan YOLO26, uçtan uca NMS'siz çıkarım ve optimize edilmiş uç (edge) dağıtımı sunarak önceki sürümlerin üzerine inşa edilir. YOLO, tespit, örnek segmentasyonu, anlamsal segmentasyon, derinlik tahmini, sınıflandırma, poz tahmini ve takip gibi çeşitli görüntüleme yapay zeka görevlerini destekler. Verimli mimarisi, uç cihazlar ve bulut API'leri dahil olmak üzere çeşitli uygulamalar için uygun hale getirerek mükemmel hız ve doğruluk sağlar.

YOLO kurulumu ve ayarları ile nasıl başlayabilirim?#

YOLO ile çalışmaya başlamak hızlı ve basittir. Ultralytics paketini pip üzerinden pip install ultralytics ile yükle, ardından ilk tahminini yolo predict model=yolo26n.pt ile çalıştır; model ağırlıkları otomatik olarak indirilir. Conda, Docker ve kaynaktan kurulumu kapsayan kapsamlı talimatlar için Quickstart sayfasını ziyaret et.

Veri kümemde özel bir YOLO modelini nasıl eğitebilirim?#

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

1. Etiketlenmiş veri kümeni hazırla ve bunu bir veri kümesi YAML dosyasında açıkla.
2. Python'da örneğin YOLO("yolo26n.pt") önceden eğitilmiş modelini yükle.
3. model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640) ile veya komut satırından yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640 ile eğitime başla.

Ayrıntılı bir adım adım rehber için, eğitim sürecini optimize etmeye yönelik örnekler ve ipuçları içeren Train a Model kılavuzumuza göz at.

Ultralytics 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 Licensing sayfamızı ziyaret et.

Ultralytics YOLO gerçek zamanlı nesne izleme için nasıl kullanılabilir?#

Ultralytics YOLO, verimli ve özelleştirilebilir çoklu nesne takibini destekler. Python'da YOLO("yolo26n.pt").track(source="path/to/video.mp4") fonksiyonunu çağır veya komut satırından yolo track source=path/to/video.mp4 komutunu çalıştır; her ikisi de video dosyaları, canlı akışlar ve web kamerası girdisi ile çalışır. Nesne takibini kurmaya ve çalıştırmaya dair ayrıntılı bir kılavuz için, yapılandırmayı ve gerçek zamanlı senaryolardaki pratik uygulamaları açıklayan Track Mode belgelerimizi incele.