Ultralytics Tarafından Desteklenen Modeller

Ultralytics model belgelerine hoş geldin! Nesne algılama, örnek bölümleme, görüntü sınıflandırma, poz kestirimi ve çoklu nesne takibi gibi belirli görevler için uyarlanmış çok çeşitli modeller için destek sunuyoruz. Kendi model mimarini Ultralytics'e katkıda bulunmak istiyorsan, Katkıda Bulunma Rehberimize göz at.

Öne Çıkan Modeller

Desteklenen temel modellerden bazıları şunlardır:

1. YOLOv3: Aslen Joseph Redmon tarafından geliştirilen ve verimli gerçek zamanlı nesne algılama yetenekleriyle bilinen YOLO model ailesinin üçüncü sürümü.
2. YOLOv4: 2020 yılında Alexey Bochkovskiy tarafından yayınlanan, darknet tabanlı bir YOLOv3 güncellemesi.
3. YOLOv5: Ultralytics tarafından geliştirilen ve önceki sürümlere kıyasla daha iyi performans ve hız dengesi sunan, geliştirilmiş bir YOLO mimarisi.
4. YOLOv6: 2022'de Meituan tarafından yayınlanmış olup şirketin birçok otonom teslimat robotunda kullanılmaktadır.
5. YOLOv7: YOLOv4 yazarları tarafından 2022'de yayınlanan güncel YOLO modelleri. Yalnızca çıkarım desteklenmektedir.
6. YOLOv8: Örnek bölümleme, poz/anahtar nokta kestirimi ve sınıflandırma gibi gelişmiş yeteneklere sahip çok yönlü bir model.
7. YOLOv9: Programlanabilir Gradyan Bilgisi (PGI) uygulayan, Ultralytics YOLOv5 kod tabanı üzerinde eğitilmiş deneysel bir model.
8. YOLOv10: Tsinghua Üniversitesi tarafından geliştirilen, NMS içermeyen eğitim ve verimlilik-doğruluk odaklı mimariye sahip; en güncel performansı ve düşük gecikme süresini sunan model.
9. YOLO11: Algılama, bölümleme, poz kestirimi, takip ve sınıflandırma dahil olmak üzere birçok görevde yüksek performans sunan Ultralytics YOLO modelleri.
10. YOLO26 🚀 YENİ: Ultralytics'in uç cihazlarda dağıtım için optimize edilmiş, uçtan uca NMS'siz çıkarım sunan en güncel yeni nesil YOLO modeli.
11. Segment Anything Model (SAM): Meta'nın orijinal Segment Anything Model (SAM) modeli.
12. Segment Anything Model 2 (SAM2): Meta'nın videolar ve görüntüler için geliştirdiği Segment Anything Model'inin yeni nesli.
13. Segment Anything Model 3 (SAM3) 🚀 YENİ: Meta'nın metin ve görsel örnek tabanlı bölümleme için İstenebilir Konsept Bölümleme (Promptable Concept Segmentation) özelliğine sahip üçüncü nesil Segment Anything Model'i.
14. Mobile Segment Anything Model (MobileSAM): Kyung Hee Üniversitesi tarafından mobil uygulamalar için geliştirilen MobileSAM.
15. Fast Segment Anything Model (FastSAM): Çin Bilimler Akademisi, Otomasyon Enstitüsü, Görüntü ve Video Analiz Grubu tarafından geliştirilen FastSAM.
16. YOLO-NAS: YOLO Neural Architecture Search (NAS) Modelleri.
17. Real-Time Detection Transformers (RT-DETR): Baidu'nun PaddlePaddle gerçek zamanlı Detection Transformer (RT-DETR) modelleri.
18. YOLO-World: Tencent AI Lab'dan gerçek zamanlı Açık Kelime Dağarcıklı (Open Vocabulary) Nesne Algılama modelleri.
19. YOLOE: Eğitim verilerinin ötesindeki rastgele sınıfları algılarken YOLO'nun gerçek zamanlı performansını koruyan, geliştirilmiş bir açık kelime dağarcıklı nesne dedektörü.

Başlarken: Kullanım Örnekleri

Bu örnek, basit YOLO eğitimi ve çıkarım örnekleri sağlar. Bunlar ve diğer modlar hakkındaki belgelerin tamamı için Predict, Train, Val ve Export belgeleri sayfalarına bak.

Note the below example spotlights YOLO11 Detect models for object detection. For additional supported tasks see the Segment, Classify and Pose docs.

from ultralytics import YOLO

# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

Yeni Modellerle Katkıda Bulunmak

Modelini Ultralytics'e katkıda bulunmak ister misin? Harika! Model portföyümüzü genişletmeye her zaman açığız.

1. Depoyu Forkla: İşe Ultralytics GitHub deposunu forklayarak başla.

2. Forkunu Klonla: Forkunu yerel bilgisayarına klonla ve üzerinde çalışmak için yeni bir dal (branch) oluştur.

3. Modelini Uygula: Katkıda Bulunma Rehberimizde verilen kodlama standartlarını ve kılavuzları takip ederek modelini ekle.

4. Kapsamlı Test Et: Modelini hem tek başına hem de işlem hattının bir parçası olarak titizlikle test ettiğinden emin ol.

5. Pull Request Oluştur: Modelinden memnun kaldığında, inceleme için ana depoya bir pull request oluştur.

6. Kod İnceleme & Birleştirme: İncelemeden sonra, modelin kriterlerimizi karşılıyorsa ana depoya birleştirilecektir.

Ayrıntılı adımlar için Katkıda Bulunma Rehberimize danış.

SSS

En son Ultralytics YOLO modeli hangisidir?

En son Ultralytics YOLO modeli, Ocak 2026'da yayınlanan YOLO26 modelidir. YOLO26, uçtan uca NMS'siz çıkarım, optimize edilmiş uç cihaz dağıtımı sunar ve beş görevin tamamını (algılama, bölümleme, sınıflandırma, poz kestirimi ve OBB) ve açık kelime dağarcıklı sürümleri destekler. İstikrarlı üretim iş yükleri için hem YOLO26 hem de YOLO11 önerilen seçeneklerdir.

Özel veriler üzerinde nasıl YOLO modeli eğitebilirim?

Özel veriler üzerinde bir YOLO modeli eğitmek, Ultralytics kütüphaneleri kullanılarak kolayca gerçekleştirilebilir. İşte hızlı bir örnek:

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo26n.pt")  # or any other YOLO model

# Train the model on custom dataset
results = model.train(data="custom_data.yaml", epochs=100, imgsz=640)

Daha ayrıntılı talimatlar için Train belgeleme sayfasını ziyaret et.

Ultralytics tarafından hangi YOLO sürümleri destekleniyor?

Ultralytics, YOLOv3'ten YOLO11'e kadar kapsamlı bir YOLO (You Only Look Once) sürüm yelpazesini, ayrıca YOLO-NAS, SAM ve RT-DETR gibi modelleri destekler. Her sürüm, algılama, bölümleme ve sınıflandırma gibi çeşitli görevler için optimize edilmiştir. Her model hakkında ayrıntılı bilgi için Ultralytics Tarafından Desteklenen Modeller belgelerine başvur.

Makine öğrenimi projeleri için neden Ultralytics Platform kullanmalıyım?

Ultralytics Platform, YOLO modellerini eğitmek, dağıtmak ve yönetmek için kod gerektirmeyen, uçtan uca bir platform sağlar. Karmaşık iş akışlarını basitleştirerek kullanıcıların model performansına ve uygulamaya odaklanmasını sağlar. HUB ayrıca bulut eğitim yetenekleri, kapsamlı veri seti yönetimi ve hem yeni başlayanlar hem de deneyimli geliştiriciler için kullanıcı dostu arayüzler sunar.

Ultralytics YOLO modelleri hangi tür görevleri gerçekleştirebilir?

Ultralytics YOLO modelleri çok yönlüdür ve nesne algılama, örnek bölümleme, sınıflandırma, poz kestirimi ve yönelimli nesne algılama (OBB) gibi görevleri gerçekleştirebilir. En son model olan YOLO26, beş görevin tamamını ve açık kelime dağarcıklı algılamayı destekler. Belirli görevlerle ilgili ayrıntılar için Görev sayfalarına bak.