Ultralytics Tarafından Desteklenen Modeller

Ultralytics model dokümantasyonuna hoş geldin! nesne algılama, örnek bölümleme, anlamsal bölümleme, görüntü sınıflandırma, poz kestirimi ve çoklu nesne takibi gibi belirli görevler için uyarlanmış geniş bir model yelpazesi sunuyoruz. Kendi model mimarini Ultralytics'e katkıda bulunmak istiyorsan, Katkıda Bulunma Rehberimize göz at.

Öne Çıkan Modeller

İşte desteklenen anahtar modellerden bazıları:

1. YOLOv3: Başlangıçta Joseph Redmon tarafından geliştirilen ve verimli gerçek zamanlı nesne algılama yetenekleriyle tanınan YOLO model ailesinin üçüncü sürümü.
2. YOLOv4: 2020'de Alexey Bochkovskiy tarafından yayınlanan, YOLOv3'ün darknet tabanlı bir güncellemesi.
3. YOLOv5: Ultralytics tarafından geliştirilen ve önceki sürümlere kıyasla daha iyi performans ve hız dengesi sunan, iyileştirilmiş bir YOLO mimarisi.
4. YOLOv6: 2022'de Meituan tarafından yayınlanan ve şirketin birçok otonom teslimat robotunda kullanılan model.
5. YOLOv7: YOLOv4'ün yazarları tarafından 2022'de yayınlanan güncellenmiş YOLO modelleri. Yalnızca çıkarım (inference) 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 gerektirmeyen eğitim ve verimlilik-doğruluk odaklı mimarisiyle en son teknoloji performans ve gecikme süresi sunan model.
9. YOLO11: Ultralytics'in algılama, bölümleme, poz kestirimi, takip ve sınıflandırma dahil olmak üzere birçok görevde yüksek performans sağlayan YOLO modelleri.
10. YOLO26 🚀 YENİ: Ultralytics'in uç cihazlarda konuşlandırma için optimize edilmiş, uçtan uca NMS gerektirmeyen 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 yeni nesil Segment Anything Model'i.
13. Segment Anything Model 3 (SAM3) 🚀 YENİ: Meta'nın metin ve örnek tabanlı görüntü bölümleme için İstem İstenebilir Kavram Bölümleme 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, Görüntü ve Video Analizi Grubu tarafından geliştirilen FastSAM.
16. YOLO-NAS: YOLO Sinirsel Mimari Arama (NAS) Modelleri.
17. Real-Time Detection Transformers (RT-DETR): Baidu'nun PaddlePaddle gerçek zamanlı Transformer (RT-DETR) nesne algılama modelleri.
18. YOLO-World: Tencent AI Lab tarafından geliştirilen gerçek zamanlı Açık Kelime Dağarcıklı Nesne Algılama modelleri.
19. YOLOE: YOLO'nun gerçek zamanlı performansını korurken eğitim verilerinin ötesindeki keyfi sınıfları da algılayabilen, geliştirilmiş bir açık kelime dağarcıklı nesne dedektörü.

Başlarken: Kullanım Örnekleri

Bu örnek, temel YOLO eğitimi ve çıkarım örneklerini sunar. Bunlar ve diğer modlar hakkında tam dokümantasyon için Predict, Train, Val ve Export dokümantasyon sayfalarına bakabilirsin.

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 Bulunma

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

1. Depoyu Çatallayın (Fork): Ultralytics GitHub deposunu çatallayarak başla.

2. Çatalladığın Depoyu Klonla: Çatalladığın depoyu yerel makinene klonla ve üzerinde çalışmak için yeni bir dal (branch) oluştur.

3. Modelini Uygula: Modelini, Katkıda Bulunma Rehberimizde sağlanan kodlama standartlarına ve yönergelere uygun olarak ekle.

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

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

6. Kod İncelemesi ve Birleştirme (Merge): İncelemeden sonra, modelin kriterlerimizi karşılıyorsa ana depoya birleştirilecektir.

Adım adım ayrıntılar için Katkıda Bulunma Rehberimize bak.

SSS

En güncel Ultralytics YOLO modeli hangisidir?

En güncel Ultralytics YOLO modeli, Ocak 2026'da yayınlanan YOLO26'dır. YOLO26, uçtan uca NMS gerektirmeyen çıkarım, optimize edilmiş uç cihaz konuşlandırması sunar ve algılama, örnek bölümleme, anlamsal bölümleme, sınıflandırma, poz kestirimi, OBB ve açık kelime dağarcıklı sürümleri destekler. Kararlı üretim iş yükleri için hem YOLO26 hem de YOLO11 önerilen seçeneklerdir.

Kendi verilerimle nasıl bir YOLO modeli eğitebilirim?

Kendi verilerinle 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 dokümantasyon sayfasını ziyaret et.

Ultralytics hangi YOLO sürümlerini destekliyor?

Ultralytics, YOLOv3'ten YOLO26'ya kadar kapsamlı bir YOLO (You Only Look Once) sürüm yelpazesini, ayrıca YOLO-NAS, SAM ve RT-DETR gibi modelleri destekler. Her sürüm; algılama, bölümleme, anlamsal bölümleme ve sınıflandırma gibi çeşitli görevler için optimize edilmiştir. Her model hakkında detaylı bilgi için Ultralytics Tarafından Desteklenen Modeller dokümantasyonuna bakabilirsin.

makine öğrenimi projeleri için neden Ultralytics Platform kullanmalıyım?

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

Ultralytics YOLO modelleri ne tür görevler gerçekleştirebilir?

Ultralytics YOLO modelleri çok yönlüdür ve nesne algılama, örnek bölümleme, anlamsal bölümleme, sınıflandırma, poz kestirimi ve yönelimli nesne algılama (OBB) gibi görevleri gerçekleştirebilir. En son model olan YOLO26, bu altı görevin tamamını ve ayrıca açık kelime dağarcıklı algılamayı destekler. Belirli görevler hakkında ayrıntılar için Görev sayfalarına göz at.