YOLO12: Dikkat Odaklı Nesne Algılama#

Genel Bakış#

2025'in başlarında yayınlanan YOLO12, önceki YOLO modellerinde kullanılan geleneksel CNN tabanlı yaklaşımlardan uzaklaşan ve dikkat merkezli bir mimari sunarken, birçok uygulama için gerekli olan gerçek zamanlı çıkış hızını koruyor. Bu model, dikkat mekanizmalarındaki ve genel ağ mimarisindeki yenilikçi metodolojik yenilikler yoluyla yüksek nesne tespiti doğruluğu elde ederken gerçek zamanlı performansını korur. Bu avantajlara rağmen YOLO12, yoğun dikkat blokları nedeniyle eğitim istikrarsızlığı, artan bellek tüketimi ve daha yavaş CPU aktarım hızı sergileyebilen topluluk odaklı bir sürüm olarak kalmaktadır; bu nedenle Ultralytics, çoğu prodüksiyon iş yükü için YOLO11 veya YOLO26 önermektedir.

Temel Özellikler#

• Alan Dikkat Mekanizması: Büyük alıcı alanları verimli bir şekilde işleyen yeni bir öz-dikkat yaklaşımı. Karmaşık operasyonlardan kaçınarak ve geniş bir etkili alıcı alan koruyarak özellik haritalarını yatay veya dikey olarak l eşit boyutta bölgeye (varsayılan olarak 4) ayırır. Bu, standart öz-dikkat ile karşılaştırıldığında hesaplama maliyetini önemli ölçüde azaltır.
• Artık Verimli Katman Birleştirme Ağları (R-ELAN): Özellikle daha geniş ölçekli dikkat odaklı modellerdeki optimizasyon zorluklarını ele almak için tasarlanmış, ELAN tabanlı geliştirilmiş bir özellik birleştirme modülü. R-ELAN şunları sunar:
  • Ölçeklendirme özellikli blok düzeyinde artık bağlantılar (katman ölçeklendirmeye benzer).
  • Darboğaz benzeri bir yapı oluşturan, yeniden tasarlanmış bir özellik birleştirme yöntemi.
• Optimize Edilmiş Dikkat Mimarisi: YOLO12, daha yüksek verimlilik ve YOLO çerçevesi ile uyumluluk için standart dikkat mekanizmasını kolaylaştırır. Bu şunları içerir:
  • Bellek erişim yükünü en aza indirmek için FlashAttention kullanımı.
  • Daha temiz ve daha hızlı bir model için konumsal kodlamanın kaldırılması.
  • Dikkat ve ileri beslemeli katmanlar arasındaki hesaplamayı daha iyi dengelemek için MLP oranının ayarlanması (tipik 4 değerinden 1.2 veya 2'ye).
  • Geliştirilmiş optimizasyon için yığılmış blokların derinliğinin azaltılması.
  • Hesaplama verimlilikleri nedeniyle evrişim (convolution) işlemlerinden yararlanılması (uygun durumlarda).
  • Dikkat mekanizmasına konumsal bilgiyi örtük olarak kodlamak için 7x7'lik ayrılabilir bir evrişim ("konum algılayıcı") eklenmesi.
• Kapsamlı Görev Desteği: YOLO12 bir dizi temel bilgisayarla görü görevini destekler: nesne tespiti, örnek segmentasyonu, görüntü sınıflandırma, poz kestirimi ve yönelimli nesne tespiti (OBB).
• Gelişmiş Verimlilik: Hız ve doğruluk arasında iyileştirilmiş bir denge sergileyerek birçok önceki modele kıyasla daha az parametre ile daha yüksek doğruluk elde eder.
• Esnek Dağıtım: Uç cihazlardan bulut altyapısına kadar çeşitli platformlarda dağıtım için tasarlanmıştır.

Desteklenen Görevler ve Modlar#

YOLO12 çeşitli bilgisayarlı görü görevlerini destekler. Aşağıdaki tablo görev desteğini ve her biri için etkinleştirilen operasyonel modları (Çıkarım, Doğrulama, Eğitim ve Dışa Aktarma) gösterir:

Eğitilmiş bir kontrol noktası mevcut olduğunda tüm YOLO12 mimarileri her modu destekler. Pretrained Weights sütunu yalnızca Ultralytics'in ultralytics/assets üzerinde resmi olarak önceden eğitilmiş bir .pt yayınlayıp yayınlamadığını gösterir: segmentasyon, poz, sınıflandırma ve OBB için, çıkarım, doğrulama veya dışa aktarma çalıştırmadan önce ilgili .yaml kaynağından kendi kontrol noktanı eğitmelisin.

Performans Metrikleri#

YOLO12, en hızlı önceki YOLO modellerine kıyasla hız konusunda bazı ödünleşimlerle birlikte, tüm model ölçeklerinde önemli doğruluk iyileştirmeleri göstermektedir. COCO doğrulama veri kümesindeki nesne tespiti için nicel sonuçlar aşağıdadır:

Algılama Performansı (COCO val2017)#

• TensorRT FP16 hassasiyeti ile bir NVIDIA T4 GPU üzerinde ölçülen çıkarım hızı.
• Karşılaştırmalar, mAP'deki göreceli iyileşmeyi ve hızdaki yüzde değişimini gösterir (pozitif daha hızlı olduğunu, negatif daha yavaş olduğunu gösterir). Karşılaştırmalar, mümkün olan yerlerde YOLOv10, YOLO11 ve RT-DETR için yayınlanan sonuçlara göre yapılmıştır.

Kullanım Örnekleri#

Bu bölüm, YOLO12 ile eğitim ve çıkarım için örnekler sunar. Bunlar ve diğer modlar hakkında daha kapsamlı belgeler için (Doğrulama ve Dışa Aktarma dahil), özel Tahmin ve Eğitim sayfalarına göz at.

Aşağıdaki örnekler YOLO12 Tespit modellerine (nesne tespiti için) odaklanmaktadır. Desteklenen diğer görevler (segmentasyon, sınıflandırma, poz kestirimi ve yönelimli nesne tespiti) için ilgili göreve özel belgelere bak: Segment, Sınıflandır, Poz ve OBB.

from ultralytics import YOLO

# Load a COCO-pretrained YOLO12n model
model = YOLO("yolo12n.pt")

# 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 YOLO12n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

Temel İyileştirmeler#

1. Gelişmiş Öznitelik Çıkarımı:

   • Alan Dikkati: Büyük alıcı alanları verimli bir şekilde işleyerek hesaplama maliyetini düşürür.
   • Optimize Edilmiş Denge: Dikkat ve ileri beslemeli ağ hesaplamaları arasında iyileştirilmiş denge.
   • R-ELAN: R-ELAN mimarisini kullanarak özellik birleştirmeyi geliştirir.

2. Optimizasyon Yenilikleri:

   • Artık Bağlantılar: Özellikle daha büyük modellerde eğitimi stabilize etmek için ölçeklendirmeli artık bağlantılar sunar.
   • İyileştirilmiş Özellik Entegrasyonu: R-ELAN içinde özellik entegrasyonu için geliştirilmiş bir yöntem uygular.
   • FlashAttention: Bellek erişim yükünü azaltmak için FlashAttention'ı içerir.

3. Mimari Verimlilik:

   • Azaltılmış Parametreler: Birçok önceki modele kıyasla doğruluğu korurken veya iyileştirirken daha düşük parametre sayısı elde eder.
   • Kolaylaştırılmış Dikkat: Konumsal kodlamadan kaçınan basitleştirilmiş bir dikkat uygulaması kullanır.
   • Optimize Edilmiş MLP Oranları: Hesaplama kaynaklarını daha etkili bir şekilde tahsis etmek için MLP oranlarını ayarlar.

Gereksinimler#

Ultralytics YOLO12 uygulaması, varsayılan olarak FlashAttention gerektirmez. Ancak, FlashAttention isteğe bağlı olarak derlenebilir ve YOLO12 ile kullanılabilir. FlashAttention'ı derlemek için aşağıdaki NVIDIA GPU'lardan birine ihtiyaç vardır:

• Turing GPU'ları (örn. T4, Quadro RTX serisi)
• Ampere GPU'ları (örn. RTX30 serisi, A30/40/100)
• Ada Lovelace GPU'ları (örn. RTX40 serisi)
• Hopper GPU'ları (örn. H100/H200)

Alıntılar ve Teşekkür#

YOLO12'yi araştırma çalışmalarında kullanıyorsan, lütfen University at Buffalo ve University of Chinese Academy of Sciences tarafından yapılan orijinal çalışmayı atıfta bulun:

@inproceedings{tian2025yolov12,
  title={YOLOv12: Attention-Centric Real-Time Object Detectors},
  author={Tian, Yunjie and Ye, Qixiang and Doermann, David},
  booktitle={Advances in Neural Information Processing Systems},
  volume={38},
  pages={78433--78457},
  year={2025},
  url={https://proceedings.neurips.cc/paper_files/paper/2025/file/7103444259031cc58051f8c9a4868533-Paper-Conference.pdf}
}

@software{yolo12,
  author = {Tian, Yunjie and Ye, Qixiang and Doermann, David},
  title = {YOLO12: Attention-Centric Real-Time Object Detectors},
  year = {2025},
  url = {https://github.com/sunsmarterjie/yolov12},
  license = {AGPL-3.0}
}

YOLO12 makalesi NeurIPS 2025 proceedings içinde, arXiv üzerinde bir ön baskı ile yayınlanmıştır.

SSS#

YOLO12, yüksek doğruluğu korurken nasıl gerçek zamanlı nesne algılamaya ulaşır?#

YOLO12, hız ve doğruluk arasında denge kurmak için birkaç temel yenilik barındırır. Alan Dikkat mekanizması, büyük alıcı alanları verimli bir şekilde işleyerek standart öz-dikkat ile karşılaştırıldığında hesaplama maliyetini azaltır. Artık Verimli Katman Birleştirme Ağları (R-ELAN), daha büyük dikkat merkezli modellerdeki optimizasyon zorluklarını ele alarak özellik birleştirmeyi geliştirir. FlashAttention kullanımını ve konumsal kodlamanın kaldırılmasını içeren Optimize Edilmiş Dikkat Mimarisi verimliliği daha da artırır. Bu özellikler, YOLO12'nin birçok uygulama için çok önemli olan gerçek zamanlı çıkarım hızını korurken son teknoloji doğruluk elde etmesini sağlar.

YOLO12 hangi bilgisayarla görü görevlerini destekler?#

YOLO12, geniş bir temel bilgisayarla görü görevi yelpazesini destekleyen çok yönlü bir modeldir. Nesne tespiti, örnek segmentasyonu, görüntü sınıflandırması, poz kestirimi ve yönelimli nesne tespiti (OBB) konularında (detaylara bakın) üstündür. Bu kapsamlı görev desteği, YOLO12'yi robotikten ve otonom sürüşten tıbbi görüntüleme ve endüstriyel denetime kadar çeşitli uygulamalar için güçlü bir araç haline getirir. Önceden eğitilmiş .pt ağırlıklarının şu anda yalnızca tespit için yayınlandığını unutma; segmentasyon, poz, sınıflandırma ve OBB mimarileri sıfırdan eğitim için .yaml konfigürasyonları olarak sağlanır.

YOLO12, diğer YOLO modelleri ve RT-DETR gibi rakiplerle nasıl karşılaştırılır?#

YOLO12, YOLOv10 ve YOLO11 gibi önceki YOLO modellerine kıyasla tüm model ölçeklerinde önemli doğruluk iyileştirmeleri gösterirken, en hızlı önceki modellerle karşılaştırıldığında hız konusunda bazı ödünleşimler barındırır. Örneğin YOLO12n, COCO val2017 veri kümesinde YOLOv10n'e göre +%2,1 mAP iyileştirmesi ve YOLO11n'e göre +%1,2 iyileştirme elde eder. RT-DETR gibi modellerle karşılaştırıldığında YOLO12s, +%1,5 mAP iyileştirmesi ve önemli ölçüde +%42 hız artışı sunar. Bu metrikler, YOLO12'nin doğruluk ve verimlilik arasındaki güçlü dengesini vurgulamaktadır. Ayrıntılı karşılaştırmalar için performans metrikleri bölümüne bak.

YOLO12'yi çalıştırmak için, özellikle FlashAttention kullanımı için donanım gereksinimleri nelerdir?#

Ultralytics YOLO12 uygulaması varsayılan olarak FlashAttention gerektirmez. Ancak, bellek erişim yükünü en aza indirmek için FlashAttention isteğe bağlı olarak derlenebilir ve YOLO12 ile kullanılabilir. FlashAttention'ı derlemek için şu NVIDIA GPU'lardan birine ihtiyaç vardır: Turing GPU'lar (örn. T4, Quadro RTX serisi), Ampere GPU'lar (örn. RTX30 serisi, A30/40/100), Ada Lovelace GPU'lar (örn. RTX40 serisi) veya Hopper GPU'lar (örn. H100/H200). Bu esneklik, kullanıcıların donanım kaynakları izin verdiğinde FlashAttention'ın avantajlarından yararlanmalarına olanak tanır.

YOLO12 için kullanım örneklerini ve daha ayrıntılı belgeleri nerede bulabilirim?#

Bu sayfa, eğitim ve çıkarım için temel kullanım örnekleri sunar. Bunlar ve diğer modlar hakkında kapsamlı belgeler için (Doğrulama ve Dışa Aktarma dahil), özel Tahmin ve Eğitim sayfalarına göz at. Göreve özel bilgiler (segmentasyon, sınıflandırma, poz kestirimi ve yönelimli nesne tespiti) için ilgili belgelere başvur: Segment, Sınıflandır, Poz ve OBB. Bu kaynaklar, YOLO12'yi çeşitli senaryolarda etkili bir şekilde kullanmak için derinlemesine rehberlik sağlar.