Ultralytics YOLO27:

Ultralytics YOLO26 Tarafından Desteklenen Bilgisayarla Görme Görevleri#

Ultralytics YOLO supported computer vision tasks

Ultralytics YOLO26, birden fazla computer vision görevini destekleyen çok yönlü bir yapay zeka altyapısıdır. Bu altyapı detection, segmentation, semantic segmentation, depth estimation, classification, pose tahmini ve OBB gerçekleştirmek için kullanılabilir. Bu görevlerin her biri farklı bir amaca ve kullanım alanına sahiptir; böylece tek bir altyapı ile çeşitli bilgisayarla görme zorluklarının üstesinden gelebilirsin.

Planlanan YOLO27 desteği için YOLO27 preview sayfasına göz at. YOLO27 yakında geliyor ve henüz mevcut değil; bu kılavuz yayınlanmış YOLO26 modellerini kullanır.



Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, Segmentation, Depth Estimation, Classification, Pose Estimation, and OBB.

Algılama#

Nesne tespiti, YOLO26 tarafından desteklenen birincil görevdir. Bir görüntüdeki veya video karesindeki nesneleri tanımlamayı ve etraflarına sınırlayıcı kutular çizmeyi içerir. Tespit edilen nesneler özelliklerine göre farklı kategorilere ayrılır. YOLO26, tek bir görüntüde veya video karesinde yüksek accuracy ve hızla birden fazla nesneyi tespit edebilir; bu da surveillance systems ve autonomous vehicles gibi gerçek zamanlı uygulamalar için idealdir.

Tespit Örnekleri

Örnek Segmentasyonu#

Segmentasyon, her nesne için piksel düzeyinde maskeler üreterek nesne tespitini bir adım öteye taşır. Bu hassasiyet medical imaging, agricultural analysis ve manufacturing quality control gibi uygulamalar için faydalıdır.

Segmentasyon Örnekleri

Anlamsal Segmentasyon#

Anlamsal segmentasyon, bir görüntüdeki her piksele bir sınıf etiketi atayarak tüm sahnenin yoğun bir sınıf haritasını üretir. Örnek segmentasyonundan farklı olarak, aynı sınıftaki bireysel nesneler arasında ayrım yapmaz. Bu özellik, tam mekansal düzeni anlamanın bireysel nesneleri tanımlamaktan daha önemli olduğu autonomous driving, scene parsing ve arazi örtüsü haritalaması için ideal hale getirir.

Anlamsal Segmentasyon Örnekleri

Derinlik Tahmini#

Tek kameralı derinlik tahmini, tek bir RGB görüntüsünden metre cinsinden piksel başına bir derinlik haritası tahmin eder. Çıktı, giriş görüntüsüyle hizalanmış yoğun bir kayan nokta haritasıdır; bu da mekansal düzenin tek bir kameradan çıkarılması gereken 3B sahne rekonstrüksiyonu, robot navigasyonu ve AR/VR uygulamaları için uygun hale getirir.

Derinlik Tahmini Örnekleri

Sınıflandırma#

Sınıflandırma, tüm görüntüleri içeriklerine göre kategorize etmeyi içerir. Bu görev, e-ticarette product categorization, content moderation ve wildlife monitoring gibi uygulamalar için esastır.

Sınıflandırma Örnekleri

Poz Tahmini#

Poz tahmini, hareketleri takip etmek veya pozları tahmin etmek için görüntülerdeki veya video karelerindeki belirli anahtar noktaları tespit eder. Bu anahtar noktalar insan eklemlerini, yüz özelliklerini veya diğer önemli ilgi noktalarını temsil edebilir. YOLO26, yüksek doğruluk ve hızla anahtar nokta tespitinde üstündür; bu da onu fitness applications, sports analytics ve human-computer interaction için değerli kılar.

Poz Örnekleri

OBB#

Yönlendirilmiş Sınırlayıcı Kutu (OBB) tespiti, döndürülmüş nesneleri daha iyi konumlandırmak için bir yönelim açısı ekleyerek geleneksel nesne tespitini geliştirir. Bu yetenek, nesnelerin çeşitli açılarda göründüğü aerial imagery analysis, document processing ve industrial applications için özellikle değerlidir. YOLO26, farklı senaryolarda döndürülmüş nesneleri tespit etmek için yüksek doğruluk ve hız sunar.

Yönlendirilmiş Tespit

Sonuç#

Ultralytics YOLO26; tespit, örnek segmentasyonu, anlamsal segmentasyon, tek kameralı derinlik tahmini, sınıflandırma, anahtar nokta tespiti ve yönlendirilmiş nesne tespiti dahil olmak üzere birden fazla bilgisayarla görme görevini destekler. Her görev, temel nesne tanımından yoğun piksel başına derinlik çıkarımına kadar bilgisayarla görme alanındaki belirli ihtiyaçları karşılar. Her görevin yeteneklerini ve uygulamalarını anlayarak, özel bilgisayarla görme zorlukların için en uygun yaklaşımı seçebilir ve etkili çözümler oluşturmak için YOLO26'nın güçlü özelliklerinden yararlanabilirsin.

Sırada Ne Var?#

Bir görev mi seçtin? Verilerini Datasets guide ile bunun için biçimlendir, ardından train on your own images.

SSS#

  • Ultralytics YOLO26, yüksek doğruluk ve hızla çeşitli bilgisayarla görme görevlerini gerçekleştirebilen çok yönlü bir yapay zeka altyapısıdır. Bu görevler şunları içerir:

    • Object Detection: Nesnelerin etrafına sınırlayıcı kutular çizerek görüntü veya video karelerindeki nesneleri tanımlama ve konumlandırma.
    • Instance Segmentation: Tıbbi görüntüleme gibi uygulamalar için faydalı olacak şekilde, tespit edilen her nesne için piksel düzeyinde bir maske üretir.
    • Semantic Segmentation: Yoğun sahne anlaşılması için bir görüntüdeki her piksele bir sınıf etiketi atama.
    • Depth Estimation: Tek bir RGB görüntüden metre cinsinden piksel başına derinlik haritası tahmin eder.
    • Classification: Tüm görüntüleri içeriklerine göre kategorize etme.
    • Pose Estimation: Hareketleri veya pozları takip etmek için bir görüntüdeki veya video karesindeki belirli anahtar noktaları tespit eder.
    • Oriented Object Detection (OBB): Gelişmiş doğruluk için eklenmiş bir yönelim açısıyla döndürülmüş nesneleri tespit etme.

  • Nesne tespiti için Ultralytics YOLO26'yı kullanmak üzere şu adımları izle:

    1. Veri setini uygun biçimde hazırla.
    2. Tespit görevini kullanarak YOLO26 modelini eğit.
    3. Yeni görüntüler veya video kareleri besleyerek tahminler yapmak için modeli kullan.
    Örnek
    from ultralytics import YOLO

# Load a pretrained YOLO model (adjust model type as needed)
model = YOLO("yolo26n.pt")  # n, s, m, l, x versions available

# Perform object detection on an image
results = model.predict(source="image.jpg")  # Can also use video, directory, URL, etc.

# Display the results
results[0].show()  # Show the first image results

    Daha ayrıntılı talimatlar için detection examples sayfasına göz at.

  • Segmentasyon görevleri için YOLO26 kullanmak çeşitli avantajlar sağlar:

    1. Yüksek Doğruluk: Segmentasyon görevi hassas, piksel düzeyinde maskeler sağlar.
    2. Hız: YOLO26, yüksek çözünürlüklü görüntüler için bile hızlı işleme sunarak gerçek zamanlı uygulamalar için optimize edilmiştir.
    3. Çoklu Uygulamalar: Tıbbi görüntüleme, otonom sürüş ve ayrıntılı görüntü segmentasyonu gerektiren diğer uygulamalar için idealdir.

    Segmentasyon için YOLO26'nın faydaları ve kullanım alanları hakkında daha fazla bilgiyi image segmentation section içinde öğren.

  • Evet, Ultralytics YOLO26 yüksek doğruluk ve hızla poz tahmini ve anahtar nokta tespitini etkili bir şekilde gerçekleştirebilir. Bu özellik, spor analitiği, sağlık hizmetleri ve insan-bilgisayar etkileşimi uygulamalarındaki hareketleri takip etmek için özellikle yararlıdır. YOLO26, bir görüntü veya video karesindeki anahtar noktaları tespit ederek hassas poz tahminine olanak tanır.

    Daha fazla ayrıntı ve uygulama ipucu için pose estimation examples sayfamızı ziyaret et.

  • YOLO26 ile Yönlendirilmiş Nesne Tespiti (OBB), ek bir açı parametresi ile nesneleri tespit ederek gelişmiş precision sağlar. Bu özellik, hava görüntüsü analizi ve depo otomasyonu gibi döndürülmüş nesnelerin doğru bir şekilde konumlandırılmasını gerektiren uygulamalar için faydalıdır.

    • Artan Hassasiyet: Açı bileşeni, döndürülmüş nesneler için yanlış pozitifleri azaltır.
    • Çok Yönlü Uygulamalar: Cozi uzamsal analiz, robotik vb. görevler için faydalıdır.

    Daha fazla ayrıntı ve örnek için Oriented Object Detection section bölümüne göz at.

Katkıda Bulunanlar
GLglenn-jocher21RIRizwanMunawar3RAraimbekovm3BOBovey08091MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

Yorumlar