Ultralytics YOLO-Depth nedir?

Ultralytics YOLO-Depth, monoküler derinlik kestirimi için kullanılan YOLO26 model ailesidir: tek bir sıradan RGB görüntüsünden metre cinsinden yoğun bir piksel bazlı derinlik haritası tahmin eder. Resmi önceden eğitilmiş kontrol noktaları, YOLO26n-depth'ten YOLO26x-depth'e kadar beş boyutta mevcuttur.

Monoküler derinlik tahmini neden önemlidir?

Derinlik, 2D algılamaları 3D anlayışına dönüştürür: Bir engelin ne kadar uzakta olduğu, bir nesnenin gerçekte ne kadar büyük olduğu ve bir sahnenin nasıl düzenlendiği gibi. Bunu standart bir kameradan yapmak, lidar ve stereo donanımlarının maliyet, kalibrasyon ve entegrasyon yükünden kaçınmanı sağlar, bu da uzamsal farkındalığı robotik, mobilite ve günlük kamera sistemleri için pratik hale getirir.

Bir YOLO26 derinlik modeli ne döndürür?

Her tahmin, giriş görüntüsüyle hizalanmış yoğun bir kayan noktalı derinlik haritası döndürür. Buna result.depth.data üzerinden erişebilirsin; değerleri metre cinsinden mesafeyi temsil eder ve 3B yeniden oluşturma, navigasyon, ölçüm veya görselleştirme için bir NumPy dizisine dönüştürülebilir. Tam sonuç sözleşmesi için derinlik tahmini kılavuzuna bak.

YOLO-Depth modelini kendi verilerimle eğitebilir miyim?

Evet. Her RGB görüntüsünü metre cinsinden bir float32 derinlik haritasıyla eşleştir ve önceden eğitilmiş bir YOLO26-depth kontrol noktasını standart Ultralytics train modu ile ince ayar yap. Resmi kılavuz, yayınlanan ağırlıkları özel bir derinlik alanına uyarlarken AdamW ve düşük bir öğrenme oranı kullanmanı önerir.

Bir YOLO26 derinlik modelini nasıl dağıtırım?

Bir YOLO26-depth kontrol noktasını ONNX, TensorRT, CoreML ve OpenVINO gibi formatlara dönüştürmek için export modunu kullan. Daha sonra dışa aktarılan modeli, uç cihaz, mobil veya sunucu donanımı üzerinde aynı Ultralytics tahmin iş akışıyla çalıştırabilirsin.

Ultralytics YOLO

Ultralytics YOLO-Depth

Tek bir RGB görüntüsünden görünen her yüzeye olan mesafeyi tahmin et. YOLO26 derinlik modelleri; özel derinlik sensörleri, stereo kameralar veya lidar olmadan metrik 3B mekansal farkındalık ekler.

Platform üzerinde derinlik kestirimine başla Derinlik kestirimi dokümanlarını keşfet

YOLO26 derinlik kestirim modelleri

YOLO26-depth modelleri, tek bir RGB görüntüsünden metre cinsinden yoğun bir derinlik haritası tahmin eder. Beş model boyutu, uç cihazda dağıtımdan doğruluk açısından kritik mekansal analize kadar uzanır ve yaklaşık 2,19 milyon iç ve dış mekan görüntüsü üzerinde önceden eğitilmiş ve NYU Depth V2 Eigen test ayrımı üzerinde değerlendirilmiş ağırlıklarla yayınlanmıştır.

pip install ultralytics

from ultralytics import YOLO

# Load a YOLO26 depth model
model = YOLO("yolo26n-depth.pt")

# Predict metric depth at the model training resolution
results = model("image.jpg", imgsz=768)
depth_map = results[0].depth.data.cpu().numpy()

Model	Boyut (px)	delta1	abs_rel	RMSE (m)	Parametreler (M)	FLOP'lar (B)
YOLO26n-depth	768	0.882	0.109	0.414	6.4	46.9
YOLO26s-depth	768	0.896	0.104	0.399	13.2	67.9
YOLO26m-depth	768	0.921	0.089	0.364	23.3	130.7
YOLO26l-depth	768	0.930	0.083	0.351	27.7	157.2
YOLO26x-depth	768	0.933	0.080	0.344	57.0	302.0

NYU Depth V2 Eigen test ayrımı üzerinde çok ölçekli ve yatay çevirmeli TTA artı log-en küçük kareler hizalaması ile YOLO26 derinlik kestirim kıyaslamaları; parametreler ve FLOP'lar 768 × 768 boyutunda ölçülmüştür.

Dünyanın önde gelen kuruluşlarının güvendiği

Modellerimizin etkisi

Son teknoloji bilgisayarlı görü yapay zeka modellerimizle sektörler genelinde süreçleri kolaylaştırın. Ultralytics tarafından desteklenen hız, doğruluk ve kullanım kolaylığı.

—

GitHub yıldızları

—

İndirmeler

—

Günlük Ultralytics YOLO kullanımı

—

Açık kaynak katkıda bulunanlar

Ultralytics YOLO modellerinin evrimi

Ultralytics YOLO'nun pratik YOLOv5 iş akışından uç birim için hazır YOLO26 çıkarımına nasıl evrildiğini gör.

2020

Ultralytics YOLOv5

Hızlı ve pratik bir PyTorch iş akışıyla gerçek zamanlı nesne algılamayı erişilebilir kıldı.

2023

Ultralytics YOLOv8

Algılama, segmentasyon, sınıflandırma, pose ve OBB genelinde birleşik iş akışını genişletti.

2024

Ultralytics YOLO11

Tanıdık Ultralytics iş akışını korurken doğruluk, hız ve verimliliği artırdı.

2026

Ultralytics YOLO26

Uç cihazlarda verimli dağıtım için optimize edilmiş bir mimari ve uçtan uca çıkarım özelliğini sundu.

Image annotation interface using smart segmentation to label an object.

Akıllı etiketleme ile 10 kata kadar daha hızlı etiketle

Ultralytics Platform, yüksek kaliteli veri kümelerini daha hızlı oluşturman için gereken görüntü etiketleme aracını sana sunar. Akıllı etiketlemeden hassas manuel düzenlemeye kadar bu özellikler, kaliteden ödün vermeden görüntü etiketleme süresini azaltmak için tasarlanmıştır.

SAM destekli akıllı etiketleme: Tek tıkla maskeler ve sınırlayıcı kutular.
Tam AI görev kapsamı: Algılama, örnek segmentasyonu, anlamsal segmentasyon, sınıflandırma, poz tahmini, OBB.
Evrensel format desteği: YOLO, COCO ve daha fazlası arasından seçimini yapabilirsin.
Ekip incelemesi ve sürüm yönetimi: Her adımda net iş birliği.

En İyi GPU'lar üzerinde daha ucuza eğitim yapın

Ampere'den Blackwell'e kadar 26 NVIDIA GPU, saatlik 0,24$ başlangıç fiyatıyla. Ek ücret yok, alt limit yok, taahhüt yok.

Ampere

Kanıtlanmış veri merkezi ve iş istasyonu GPU'ları

Verimli çıkarım ve gerçek zamanlı yapay zeka

Büyük ölçekli eğitim için özel olarak oluşturulmuş

BlackwellYeni

En yeni nesil, maksimum performans

Her yere dağıtın

20 formata dışarı aktar ve uç cihazlarda, bulutta ve mobilde dağıtım yap.

Sektörel çözümleri keşfedin

Ekiplerin Ultralytics bilgisayarlı görü teknolojisini üretim ortamlarında nasıl uyguladığını görün.

Sıkça sorulan sorular

Ultralytics YOLO-Depth, monoküler derinlik kestirimi için kullanılan YOLO26 model ailesidir: tek bir sıradan RGB görüntüsünden metre cinsinden yoğun bir piksel bazlı derinlik haritası tahmin eder. Resmi önceden eğitilmiş kontrol noktaları, YOLO26n-depth'ten YOLO26x-depth'e kadar beş boyutta mevcuttur.
Derinlik, 2D algılamaları 3D anlayışına dönüştürür: Bir engelin ne kadar uzakta olduğu, bir nesnenin gerçekte ne kadar büyük olduğu ve bir sahnenin nasıl düzenlendiği gibi. Bunu standart bir kameradan yapmak, lidar ve stereo donanımlarının maliyet, kalibrasyon ve entegrasyon yükünden kaçınmanı sağlar, bu da uzamsal farkındalığı robotik, mobilite ve günlük kamera sistemleri için pratik hale getirir.
Her tahmin, giriş görüntüsüyle hizalanmış yoğun bir kayan noktalı derinlik haritası döndürür. Buna result.depth.data üzerinden erişebilirsin; değerleri metre cinsinden mesafeyi temsil eder ve 3B yeniden oluşturma, navigasyon, ölçüm veya görselleştirme için bir NumPy dizisine dönüştürülebilir. Tam sonuç sözleşmesi için derinlik tahmini kılavuzuna bak.
Evet. Her RGB görüntüsünü metre cinsinden bir float32 derinlik haritasıyla eşleştir ve önceden eğitilmiş bir YOLO26-depth kontrol noktasını standart Ultralytics train modu ile ince ayar yap. Resmi kılavuz, yayınlanan ağırlıkları özel bir derinlik alanına uyarlarken AdamW ve düşük bir öğrenme oranı kullanmanı önerir.
Bir YOLO26-depth kontrol noktasını ONNX, TensorRT, CoreML ve OpenVINO gibi formatlara dönüştürmek için export modunu kullan. Daha sonra dışa aktarılan modeli, uç cihaz, mobil veya sunucu donanımı üzerinde aynı Ultralytics tahmin iş akışıyla çalıştırabilirsin.