YOLO26, Ultralytics tarafından geliştirilen gerçek zamanlı bilgisayarlı görü modelleri ailesinin en yeni sürümüdür; bir görüntü ya da video akışı içindeki nesneleri ortaya çıktıkları anda tanıyan açık bir modeldir. Bu modelle ilgili üç şey, bir geliştiriciden önce bir işletme sahibini ilgilendirir: artık nihai sonucunu doğrudan üretiyor ve eskiden devreye almayı yavaşlatan ve karmaşıklaştıran son işleme adımına ihtiyaç duymuyor; yedi ayrı sistem yerine yedi görü görevini kapsayan tek bir model; ve en küçük boyutunda sıradan bir CPU üzerinde önceki sürüme göre %43'e kadar daha hızlı çalışıyor. Uygulamada bu, deponuzda, fabrikanızda ya da showroomunuzda zaten kurulu olan kameranın, yerinde küçük bir cihaz üzerinde çalışan bir operasyonel veri kaynağına dönüşebileceği anlamına gelir: pahalı sunucular yok ve hiçbir video tesisinizin dışına çıkmıyor.

Bu sürümde gerçekte ne değişti?

Önceki modeller her nesnenin etrafına onlarca aday kutu çizer, ardından en iyi kutuyu seçip gerisini atmak için maksimum olmayanların bastırılması adlı bir temizleme adımı çalıştırırdı. Bu adım modelin dışında yer alıyordu; bu da ek ayarlar, ek işleme ve farklı donanımlarda devreye alırken bozulabilecek bir unsur daha demekti. YOLO26 nihai sonucu doğrudan tespit başlığından verir ve görüntü başına üç yüz nesneyle sınırlıdır; bu nedenle onu bir operasyon sistemine bağlamak daha basit, daha hızlıdır ve üretimde testtekinden farklı davranma ihtimali çok daha düşüktür.

Resmi dokümantasyon ayrıca DFL kaybını devre dışı bırakan daha hafif bir tespit başlığını, büyük dil modellerinin eğitiminden ödünç alınan MuSGD adlı hibrit bir optimize ediciye dayanan güncellenmiş bir eğitim tarifini ve açıkça küçük nesneleri hedefleyen değişiklikleri anlatıyor. Küçük nesneler, gerçek operasyonlarda tam olarak önemli olan şeydir: bir koridorun sonundaki kolinin üzerindeki etiket ya da hatta ilerleyen bir üründeki tırnak büyüklüğünde bir kusur.

Tek modelde yedi görü görevi

Ticari açıdan ilginç olan kısım ham doğruluk değil; aynı ailenin hazır ağırlıklar ve tek bir iş hattıyla yedi görevi kapsamasıdır. Bu da satın aldığınız, bakımını yaptığınız ve ekibinizi eğittiğiniz sistemlerin sayısını azaltır:

  • Tespit: bir nesnenin nerede olduğu ve ne olduğu. Sayma, takip ve uyarının temeli.
  • Örnek segmentasyonu: kutu yerine her nesne için hassas bir maske; alanları ve kusurları ölçmek için kullanışlı.
  • Anlamsal segmentasyon: her pikseli sınıflandırmak, örneğin bir koridoru depolama alanından ayırmak.
  • Derinlik tahmini: ek bir lazer sensörü olmadan tek bir kamerayla mesafeyi tahmin etmek.
  • Sınıflandırma: bu durum uygun mu, değil mi.
  • Poz tahmini: vücudun kilit noktalarını takip etmek; iş güvenliği ve hareket analizinde kullanılır.
  • Yönlendirilmiş tespit: paletler ve hava görüntüleri gibi eksenlere hizalı olmayan nesneler için eğik kutular.

Resmi dokümantasyon, önceki sürüme kıyasla segmentasyonda maske kalitesinde 3,7 puana kadar, poz tahmininde 7,2 puana kadar ve DOTA kıyaslamasında yönlendirilmiş tespitte 3,4 puanlık iyileşme bildiriyor. Rakamlar önemli, ama daha önemlisi bunların üç ayrı projeden değil, tek bir modelden gelmesi.

Hangi donanımı alacağınızı belirleyen rakamlar

Aile, her biri doğruluk, hız ve maliyet arasında net bir denge sunan beş boyutta geliyor. COCO kıyaslamasında yayımlanan rakamlar doğrulukta 40,9 ile 57,5 arasında, T4 kartında ise 1,7 ile 11,8 milisaniye arasında değişiyor:

  • En küçük boyut: yalnızca 2,4 milyon parametre; ekran kartı olmadan sıradan bir CPU üzerinde çalışır. Bir şubedeki ya da küçük bir depodaki tek kamera için mantıklı seçim.
  • Orta boyutlar: tek bir yerinde cihazda birkaç kamera için iyi bir denge.
  • En büyük boyut: 55,7 milyon parametre; ince ayrıntılı kalite kontrolü gibi doğruluğun maliyetten ağır bastığı durumlar için.

Pratik kural: sorununuzu çözen en küçük boyutla başlayın. Ticari olarak başarısız olan bilgisayarlı görü projelerinin çoğu modelin zayıf olmasından değil, birinin en büyük modeli seçip ardından onu yirmi kamerada çalıştırmanın sağladığı tasarruftan daha pahalıya mal olduğunu keşfetmesinden başarısız olur.

Size gerçekte nerede yardımcı olur?

  • Depolar: mal kabul ve sevkiyatta paletleri ve kolileri saymak, fiziksel olarak hareket edenle sistemin kaydettiği arasındaki farkları yakalamak.
  • Fabrikalar: tekrarlayan bir kusur deseni ortaya çıktığında partiyi durduran hat üzerinde görsel kontrol; kusuru müşteride keşfetmek yerine.
  • Perakende ve showroomlar: şube içindeki hareketi, bekleme alanlarını ve kimse fark etmeden boşalan rafları ölçmek.
  • İş güvenliği: tehlikeli bölgelerde koruyucu ekipmanı doğrulamak ve biri yasak bir alana girdiğinde anında uyarmak.
  • Sahalar ve filolar: kamyon giriş çıkışlarını kaydetmek ve bunları otomatik olarak yükleme emriyle ilişkilendirmek.
  • Müteahhitlik: şantiye ilerlemesini görsel olarak belgelemek ve manuel bir rapora dayanmak yerine bunu hakediş başvurusuna bağlamak.

Bunların hepsinin ortak noktası, hiçbirinin genel yapay zekaya ya da büyük bir dil modeline ihtiyaç duymamasıdır. İhtiyaç duydukları şey belirli bir soru, örneğin bugün bu kapıdan kaç koli çıktı, ve bu soruyu insan müdahalesi olmadan yanıtlayan bir sistemdir.

Sabit bir liste yerine tarifle tespit

Bu sürüm ayrıca YOLOE-26 adlı açık sözlüklü bir varyanta da güç veriyor; bu varyant, metin açıklaması ya da görsel bir örnekle yönlendirilerek hiç eğitilmediği kategorileri tanıyabiliyor. Bu, eski bir sorunu çözüyor: her yeni kategori eskiden yeni bir eğitim turu demekti. Perakende gibi ürünlerin sürekli değiştiği bir ortamda bu özellik, sistemin yeniden kurulması gerekmeden önce daha uzun bir kullanım ömrü anlamına geliyor.

Koddan önce lisans

Bu nokta, projeleri tamamlandıktan sonra bütünüyle öldürür. YOLO26 ağırlıkları ve kodu AGPL-3.0 kapsamında ya da Ultralytics'in ticari lisansıyla sunuluyor. AGPL, başkalarına bir ağ üzerinden sunulan bir ürün geliştiren herkese yükümlülükler getirir ve kaynak kodunuzu paylaşmanızı gerektirebilir. Kullanım tamamen kendi operasyonlarınıza yönelik dahili bir kullanımsa durum daha basittir; müşterilere sattığınız bir ürün geliştiriyorsanız, lisansı teslimattan sonra değil, ilk kod satırından önce hukuk danışmanınızla netleştirin.

Kameralar ve Kişisel Verilerin Korunması Kanunu

İnsanları kayda alan her kamera kişisel veri üretir ve buna Suudi Arabistan'ın Kişisel Verilerin Korunması Kanunu (PDPL) ile Suudi Veri ve Yapay Zeka Otoritesi'nin (SDAIA) uygulama yönetmeliği uygulanır. Uygulamada bu, çekim yapılan yerlerde bilgilendirme ve bildirimler, açık ve sınırlı bir işleme amacı ve saklanan verinin en aza indirilmesi anlamına gelir. İyi haber şu ki YOLO26'nın sıradan CPU'lardaki verimliliği yerinde işlemeyi gerçekten pratik kılıyor: video hiçbir zaman tesisten çıkmıyor ve saklanan şey görüntü değil, ortaya çıkan sayı oluyor. Bu tasarım düzenleyici riskinizi ve maliyetinizi aynı anda düşürür.

Altı hafta içinde nasıl başlanır?

Tüm tesisi kapsayan bir bilgisayarlı görü projesiyle başlamayın. Bir kamera ve ölçülebilir bir soru seçin, internetten değil kendi sahanızdan veri toplayın, küçük boyutla eğitin ve sonucu iki hafta boyunca manuel sayımla karşılaştırın. Pilot, sistemin saatler kazandırdığını ya da değeri açık kayıpları önlediğini kanıtlarsa, sistemi her seferinde bir kamera ekleyerek genişletin. Kanıtlamazsa, tam bir yıllık bütçe yerine altı hafta harcamış olursunuz.

Kaynaklar