YOLO Vision 2026:

Ultralytics YOLO26 Tarafından Desteklenen Bilgisayarlı Görü Görevleri#

Ultralytics YOLO supported computer vision tasks

Ultralytics YOLO26, birden fazla computer vision görevini destekleyen çok yönlü bir AI çerçevesidir. Bu çerçeve; detection, segmentation, semantic segmentation, depth estimation, classification, pose tahmini ve OBB işlemlerini gerçekleştirmek için kullanılabilir. Bu görevlerin her biri farklı bir amaca ve kullanım alanına sahip olup, tek bir çerçeveyle çeşitli bilgisayarla görü zorluklarının üstesinden gelmeni sağlar.



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

Algılama#

Detection, YOLO26 tarafından desteklenen birincil görevdir. Bir görüntü veya video karesindeki nesnelerin tanımlanmasını ve etraflarına sınırlayıcı kutular (bounding boxes) çizilmesini içerir. Tespit edilen nesneler özelliklerine göre farklı kategorilere sınıflandırılır. YOLO26, tek bir görüntü veya video karesinde birden fazla nesneyi yüksek accuracy ve hızla tespit edebilir; bu da onu surveillance systems ve autonomous vehicles gibi gerçek zamanlı uygulamalar için ideal kılar.

Algılama Örnekleri

Image segmentation#

Segmentation, 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.

Bölütleme Örnekleri

Anlamsal Bölütleme#

Semantic segmentation, bir görüntüdeki her piksele bir sınıf etiketi atayarak tüm sahnenin yoğun bir sınıf haritasını üretir. Örnek bölütlemeden (instance segmentation) farklı olarak, aynı sınıftaki bireysel nesneler arasında ayrım yapmaz. Bu durum, bireysel nesneleri tanımlamaktan ziyade tam mekansal düzeni anlamanın önemli olduğu autonomous driving, scene parsing ve arazi örtüsü haritalaması için onu ideal kılar.

Anlamsal Bölütleme Örnekleri

Tek Gözlü Derinlik Tahmini#

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

Derinlik Tahmini Örnekleri

Sınıflandırma#

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

Sınıflandırma Örnekleri

Pose estimation#

Pose estimation, hareketleri takip etmek veya pozları tahmin etmek için görüntü 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#

Oriented Bounding Box (OBB) tespiti, döndürülen nesneleri daha iyi konumlandırmak için 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 döndürülen nesneleri tespit etmek için yüksek doğruluk ve hız sunar.

Yönelimli Algılama

Sonuç#

Ultralytics YOLO26, nesne tespiti, örnek bölütleme (instance segmentation), anlamsal bölütleme (semantic segmentation), monoküler derinlik tahmini, sınıflandırma, anahtar nokta tespiti ve yönlendirilmiş nesne tespiti dahil olmak üzere çok sayıda bilgisayarlı görü görevini destekler. Her görev; temel nesne tanımasından yoğun piksel bazlı derinlik çıkarımına kadar bilgisayarlı görü dünyasındaki belirli ihtiyaçları karşılar. Her görevin yeteneklerini ve uygulama alanlarını anlayarak, özel bilgisayarlı görü zorlukların için en uygun yaklaşımı seçebilir ve etkili çözümler geliştirmek amacıyla YOLO26'nın güçlü özelliklerinden yararlanabilirsin.

Sırada ne var#

Bir görev mi seçtin? Datasets guide ile verilerini bu göreve göre biçimlendir, ardından train on your own images ile devam et.

SSS#

  • Ultralytics YOLO26, çeşitli bilgisayarlı görü görevlerini yüksek doğruluk ve hızla gerçekleştirebilen çok yönlü bir yapay zeka çerçevesidir. Bu görevler şunları içerir:

    • Object Detection: Görüntü veya video karelerindeki nesnelerin etrafına sınırlayıcı kutular çizilerek tanımlanması ve konumlandırılması.
    • Image segmentation: Görüntülerin içeriklerine göre farklı bölgelere bölütlenmesi; tıbbi görüntüleme gibi uygulamalar için yararlıdır.
    • Semantic Segmentation: Yoğun sahne anlaşılması için bir görüntüdeki her piksele sınıf etiketi atanması.
    • Monocular Depth Estimation: Tek bir RGB görüntüden metre cinsinden piksel başına derinlik haritası tahmin edilmesi.
    • Classification: Tüm görüntülerin içeriklerine göre kategorize edilmesi.
    • Pose estimation: Hareketleri veya pozları takip etmek için bir görüntü veya video karesindeki belirli anahtar noktaların tespiti.
    • Oriented Object Detection (OBB): Gelişmiş doğruluk için ek bir yönelim açısıyla döndürülmüş nesnelerin tespiti.

  • Ultralytics YOLO26'yı nesne tespiti için kullanmak amacıyla şu adımları izle:

    1. Veri setini uygun formatta hazırla.
    2. YOLO26 modelini tespit görevi için eğit.
    3. Yeni görüntüler veya video kareleri besleyerek tahmin 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 birkaç avantaj sağlar:

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

    Segmentasyon için YOLO26'nın faydaları ve kullanım alanları hakkında daha fazla bilgi edinmek için image segmentation section bölümünü incele.

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

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

  • YOLO26 ile Oriented Object Detection (OBB), ek bir açı parametresiyle nesneleri tespit ederek gelişmiş precision sağlar. Bu özellik; hava görüntüsü analizi ve depo otomasyonu gibi döndürülen nesnelerin doğru bir şekilde konumlandırılmasını gerektiren uygulamalar için faydalıdır.

    • Artırılmış Hassasiyet: Açı bileşeni, döndürülmüş nesneler için yanlış pozitifleri azaltır.
    • Çok Yönlü Uygulamalar: Coğrafi analiz, robotik vb. görevler için yararlıdır.

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

Katkıda Bulunanlar
GLglenn-jocher19RIRizwanMunawar3RAraimbekovm3BOBovey08091MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

Yorumlar