Link to this sectionDL Streamer İşlem Hattı Çerçevesi ve OpenVINO™ kullanan Intel Core Ultra Series 3 üzerinde Ultralytics YOLO26#

This comprehensive guide provides a detailed walkthrough for deploying Ultralytics YOLO26 on Intel Core Ultra Series 3 platforms using DL Streamer Pipeline Framework and OpenVINO™ toolkit. Here we use OpenVINO™ to maximize inference performance on Intel CPUs, integrated and discrete GPUs, and NPUs.

İçindekiler: Intel DL Streamer nedir? • Ön koşullar • YOLO26 Model Hazırlığı • YOLO26 ile Çıkarım Çalıştırma • Çoklu Akış Kurulumu • SSS

Link to this sectionIntel DL Streamer nedir?#

Deep Learning Streamer (DL Streamer) İşlem Hattı Çerçevesi, Bulut veya Uç (Edge) için karmaşık medya analitiği işlem hatları oluşturmak üzere tasarlanmış, GStreamer multimedya çerçevesine dayalı açık kaynaklı bir medya analitiği çerçevesidir.

DL Streamer, nesneleri, olayları ve kişileri tespit etmek, sınıflandırmak, izlemek, tanımlamak ve saymak için ses ve video akışlarının analizini sağlar. Intel donanımı için optimize edilmiştir ve çeşitli arka uç kütüphaneleri üzerine inşa edilmiş GStreamer eklentileri arasında birlikte çalışabilirlik sağlar:

Çıkarım: Intel CPU, GPU ve NPU için optimize edilmiş OpenVINO™ çıkarım motoru
Video Kodlama/Kod Çözme: VA-API aracılığıyla GPU hızlandırma
Görüntü İşleme: VA-API aracılığıyla GPU hızlandırma
Meta Veri: Yapılandırılmış çıkarım sonuçları için GStreamer Analitiği
Ekosistem: Medya G/Ç, muxing/demuxing, kodek desteği ve daha fazlası için yüzlerce GStreamer eklentisi

DL Streamer, tamamı OpenVINO™ formatında olan tüm Ultralytics YOLO ailesi (YOLOv5'ten YOLO26'ya kadar) dahil olmak üzere birçok yapay zeka modelini destekler.

DL Streamer, Sistem Gereksinimleri — Open Edge Platform Belgeleri adresinde sağlanan sistemlerle düzenli olarak doğrulanmaktadır.

Link to this sectionÖn koşullar#

Başlamadan önce, Intel sisteminizde şunların yüklü ve yapılandırılmış olduğundan emin ol:

Intel GPU/NPU sürücüleri yüklü Ubuntu 24.04 (kurulum kılavuzuna göz at)
docker engine (kurulum kılavuzuna göz at)

Link to this sectionYOLO26 Model Hazırlığı#

DL Streamer, OpenVINO™ IR formatındaki modelleri kullanır. Ultralytics YOLO26 modelleri, Ultralytics dışa aktarıcı kullanılarak PyTorch'tan OpenVINO™ IR formatına dışa aktarılır. DL Streamer, Intel donanımı için optimize edilmiş dışa aktarma ve çıkarım yetenekleri sağlayan resmi Ultralytics OpenVINO™ entegrasyonundan yararlanır.

~/intel/dlstreamer_demo klasörünü oluştur ve sanal ortamda OpenVINO™ ve Ultralytics kurulumunu yap

mkdir -p ~/intel/dlstreamer_demo && cd ~/intel/dlstreamer_demo
python3 -m venv .dls-venv && source .dls-venv/bin/activate
pip install openvino==2026.2.0 ultralytics==8.4.92

PyTorch YOLO26s modelini Ultralytics'ten indir, OpenVINO™ IR formatına dönüştür ve INT8 hassasiyet varyantını oluştur.

yolo export model=yolo26s.pt format=openvino dynamic=True quantize=8 data=coco128.yaml

Model ~/intel/dlstreamer_demo/yolo26s_int8_openvino_model klasörüne indirilmelidir.

Link to this sectionModel Hassasiyeti#

DL Streamer, FP32, FP16 ve INT8 hassasiyet modellerini destekler. Her biri ayrı bir dışa aktarma adımı gerektirir:

# FP32 (default precision, highest accuracy)
yolo export model=yolo26s.pt format=openvino dynamic=True

# FP16 (recommended for GPU inference, good accuracy/performance balance)
yolo export model=yolo26s.pt format=openvino dynamic=True quantize=16

# INT8 (maximum performance, requires calibration dataset)
yolo export model=yolo26s.pt format=openvino dynamic=True quantize=8 data=coco128.yaml

Aşağıdaki örnekler, hazırlık adımında dışa aktarılan INT8 modelini kullanır. FP32 veya FP16 modellerini kullanmak için model yolunu buna göre değiştir (örneğin yolo26s_openvino_model/yolo26s.xml).

Link to this sectionYOLO26 ile Çıkarım Çalıştırma#

DL Streamer YOLO26 çıkarım tespit işlem hattını çalıştırmadan önce, DL Streamer docker imajını etkileşimli modda çalıştır. YOLO26 Model Hazırlığı adımını takip ettiğinden ve Pexels veritabanından aşağıdaki video dosyasını indirdiğinden emin ol.

curl -L https://videos.pexels.com/video-files/1192116/1192116-sd_640_360_30fps.mp4 --output ~/intel/dlstreamer_demo/video1.mp4

DL Streamer docker imajını etkileşimli modda çalıştır.

Not

Bu komut, tümleşik GPU (iGPU) ve NPU ile donatılmış Intel Core Ultra Series 3 işlemcili sistemler içindir.

docker run -it --rm \
  -v ~/intel/dlstreamer_demo:/home/dlstreamer/demo \
  -v "$HOME/.Xauthority:/root/.Xauthority:rw" \
  -e DISPLAY=$DISPLAY \
  -e XDG_RUNTIME_DIR=/tmp \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  --device /dev/dri \
  --group-add $(stat -c "%g" /dev/dri/render*) \
  --device /dev/accel \
  --group-add $(stat -c "%g" /dev/accel/accel*) \
  -e ZE_ENABLE_ALT_DRIVERS=libze_intel_npu.so \
  intel/dlstreamer:latest

Link to this sectionINT8 Hassasiyeti (Maksimum Performans)#

INT8 niceleme, model ağırlıklarını 8-bit tam sayılara indirgeyerek en yüksek verimi sağlar. Ultralytics dışa aktarıcı, kalibrasyonu otomatik olarak gerçekleştirir.

Link to this sectionGPU üzerinde INT8 ile YOLO26s çalıştırma#

gst-launch-1.0 filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU ! queue ! vapostproc ! gvawatermark ! gvafpscounter ! autovideosink sync=false

Link to this sectionGPU üzerinde INT8 ile YOLO26s çalıştır, çıktıyı video dosyasına kaydet (~/intel/dlstreamer_demo/yolo_video1_yolo26s_INT8_GPU.mp4)#

gst-launch-1.0 filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU ! queue ! vapostproc ! gvawatermark ! gvafpscounter ! vah264enc ! h264parse ! mp4mux ! filesink location=/home/dlstreamer/demo/yolo_video1_yolo26s_INT8_GPU.mp4

Link to this sectionNPU üzerinde INT8 ile YOLO26s çalıştırma#

gst-launch-1.0 filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=NPU ! queue ! vapostproc ! gvawatermark ! gvafpscounter ! autovideosink sync=false

Link to this sectionÇoklu Akış Kurulumu#

DL Streamer, birden fazla video kaynağının eş zamanlı olarak çözüldüğü ve çıkarım yapıldığı çoklu akış işlemini destekler. Birden fazla akışı birleştirmek için GStreamer'ın vacompositor öğesini kullanarak aynı anda birden fazla işlem hattı başlatabilirsin.

Link to this sectionParalel Olarak Birden Fazla İşlem Hattı (4 akış) Çalıştırma (GPU)#

gst-launch-1.0 vacompositor name=comp sink_0::xpos=0 sink_0::ypos=0 sink_1::xpos=660 sink_1::ypos=0 sink_2::xpos=0 sink_2::ypos=380 sink_3::xpos=660 sink_3::ypos=380 ! autovideosink sync=false \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_0 \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_1 \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_2 \
  filesrc location=/home/dlstreamer/demo/video1.mp4 ! decodebin3 ! gvadetect model=/home/dlstreamer/demo/yolo26s_int8_openvino_model/yolo26s.xml device=GPU model-instance-id=inf0 scheduling-policy="latency" ! queue ! gvawatermark ! gvafpscounter ! comp.sink_3

Link to this sectionSSS#

Link to this sectionBir Intel platformunda DL Streamer ile Ultralytics YOLO26'yı nasıl kurarım?#

Kurulum Kılavuzunu takip ederek DL Streamer'ı yükle, source /opt/intel/dlstreamer/scripts/setup_dls_env.sh ile ortamı ayarla, Ultralytics ve OpenVINO™'yu kur, download_ultralytics_models.sh kullanarak modelleri indir. Ardından, YOLO26 çıkarım işlem hatlarını çalıştırmak için kullanıma hazır bir betik sunan DL Streamer örnek uygulaması yolo_detect.sh ile çıkarımı çalıştır. Nasıl çalıştırılacağına dair kısa eğitime göz at.

Link to this sectionIntel donanımında YOLO26 ile OpenVINO™ kullanmanın faydası nedir?#

OpenVINO™, grafik optimizasyonu, katman birleştirme ve donanıma özgü çekirdek ayarlaması gibi tekniklerle YOLO26 modelini özellikle Intel donanımı için optimize eder. DL Streamer'ın VA-API hızlandırmalı kod çözme ve sıfır kopyalamalı va-surface-sharing ön işleme özelliğiyle birleştiğinde, tüm video analitiği işlem hattı, optimize edilmemiş çerçevelerden önemli ölçüde daha yüksek verim elde eder.

Link to this sectionYOLO26'yı DL Streamer ile farklı Intel cihazlarında çalıştırabilir miyim?#

Evet. DL Streamer, birden fazla Intel platform neslinde Intel CPU'lar (Core, Core Ultra, Xeon), tümleşik GPU'lar (Iris Xe, Arc), harici GPU'lar (Arc A-Series, B-Series) ve NPU'lar (AI Boost) üzerinde çıkarımı destekler. DEVICE parametresini CPU, GPU veya NPU olarak değiştirmen yeterlidir.

Link to this sectionFP16 ve INT8 hassasiyeti arasında nasıl seçim yaparım?#

FP16, GPU çıkarımı için varsayılan olarak önerilir — FP32'ye yakın doğruluk ve yaklaşık 2 kat daha fazla verim artışı sağlar.
INT8, düşük doğruluk kaybıyla en yüksek performansı (FP32'ye göre 2–3 kat) sunar ve maksimum verimin öncelikli olduğu durumlar için idealdir. INT8 modelleri, Ultralytics dışa aktarma sırasında otomatik olarak kalibre edilir.

Link to this sectionHangi YOLO26 görevleri destekleniyor?#

DL Streamer, tüm YOLO26 görev varyantlarını destekler: - Tespit (Detection): yolo26n, yolo26s, yolo26m, yolo26l, yolo26x - Yönelimli Sınırlayıcı Kutu (OBB): yolo26s-obb (ve tüm boyut varyantları) - Örnek Segmentasyonu (Instance Segmentation): yolo26s-seg (ve tüm boyut varyantları) - Poz Tahmini (Pose Estimation): yolo26s-pose (ve tüm boyut varyantları) - Sınıflandırma (Classification): yolo26s-cls (tespit ile kompozit işlem hattı)

Link to this sectionTespitleri yapılandırılmış veri olarak nasıl dışa aktarabilirim?#

Tespit sonuçlarını JSON-lines olarak bir dosyaya yazmak için json çıktı seçeneğini kullan:

./yolo_detect.sh yolo26s GPU input_video.mp4 json va-surface-sharing INT8

Alternatif olarak, meta verileri dosyalara, MQTT'ye veya Kafka'ya yayınlamak için özel işlem hatlarında gvametapublish öğesini kullan.

Link to this sectionEk Kaynaklar#

Katkıda Bulunanlar

TBtbujewsk¹

Oluşturulma 2 saat önceGüncellenme 2 saat önce