Ultralytics YOLOv8 öncü, en son teknoloji (SOTA) bir modeldir ve önceki YOLO sürümlerinin başarısını temel alarak yeni özellikler ve iyileştirmeler sunarak performansı ve esnekliği artırmayı hedefler. YOLOv8, hızlı, doğru ve kullanımı kolay olacak şekilde tasarlanmış ve tanınmıştır; bu da onu geniş bir nesne tespiti ve izleme, örnek segmentasyonu, görüntü sınıflandırması ve poz tahmini görevleri için mükemmel bir seçim haline getirir.
SOTA modelini kompakt kenar cihazına getirin
2022’de ve bu yıl, YOLOv5 &YOLOv8‘i NVIDIA Jetson Cihazları üzerinde nasıl dağıtacağımızı tanıttık, DeepStream-Yolo kullanarak (Projeye teşekkürler!). Kılavuzu takip ederek, Jetson Xavier NX ile 640×640 çözünürlükte yaklaşık 60fps elde edebilirsiniz. Ayrıca, NVIDIA Jetson Orin NX 16GB modülü ile çalışan reComputer J4012‘de çalışan YOLOv8 tarafından desteklenen tüm bilgisayarla görme görevleri için performans benchmark’ları yaptık. (? Yeni reComputer Industrial Orin serisini fanless tasarımıyla, ayrıca fabrika makineleriyle iletişim kuran daha fazla arayüz ekleyerek piyasaya sürdüğümüzü biliyor musunuz?)
Artık herhangi bir YOLOv8 modelini doğrudan TensorRT kullanarak dağıtabileceğinizi paylaşmaktan heyecan duyuyoruz.
Yalnızca YOLOv8 Detect değil, aynı zamanda Segment ve Pose modellerini de test ettik; bu modeller Seeed’in NVIDIA Jetson kenar cihazlarında etkileyici çıkarım yapmaktadır. Buradaki wiki’nin YOLOv8’den en iyi şekilde yararlanmanıza yardımcı olacağını umuyoruz. YOLOv8 ile ilgili detaylar için Docs‘u inceleyebilir, eğitilmiş YOLOv8 modellerini Roboflow Universe’de bulabilir ve Roboflow ve Ultralytics Hub’da hızlı bir şekilde eğitip etiketleyebilirsiniz!
YOLOv8 modelleri
- Nesne Tespiti
- Görüntü Segmentasyonu
- Görüntü Sınıflandırması
- Poz Tahmini
- Nesne Takibi
Neden TensorRT?
NVIDIA® TensorRT™, yüksek performanslı derin öğrenme çıkarımı için bir SDK’dır ve düşük gecikme süresi ve yüksek verimlilik sunan bir derin öğrenme çıkarım optimizasyoncusu ve çalışma zamanı içerir. TensorRT, NVIDIA GPU’larda çıkarımı hızlandırmak için geliştirilmiş bir kütüphanedir. TensorRT, yerel modelleri (PyTorch ve ONNX gibi) TensorRT olmadan çalıştırmakla karşılaştırıldığında, birçok gerçek zamanlı hizmet ve gömülü uygulamalarda çıkarımı 2 ila 3 kat daha hızlı hale getirmeye yardımcı olabilir.
İlk YOLOv8 modelinizi nasıl eğitirsiniz?
İşte bir modeli eğitmek için üç önerilen yöntem:
Ultralytics HUB
Roboflow’u Ultralytics HUB’a kolayca entegre edebilirsiniz, böylece tüm Roboflow projeleriniz eğitim için hazır hale gelir. Burada eğitim sürecine kolayca başlamak için bir Google Colab defteri sunulmakta ve ayrıca eğitim ilerlemesini gerçek zamanlı olarak görüntüleyebilirsiniz.
Kendi oluşturduğumuz bir Google Colab çalışma alanını kullanın.
Burada Roboflow API’sini kullanarak Roboflow projesinden veri setini indiriyoruz.
Eğitim süreci için yerel bir PC kullanın.
Burada yeterince güçlü bir GPU’ya sahip olduğunuzdan emin olmalı ve ayrıca veri setini manuel olarak indirmeniz gerekmektedir.
Referans
- Seeed NVIDIA Jetson Ekosistemi: seeedstudio.com/tag/nvidia.html
- YOLOv8 belgeleri: docs.ultralytics.com
- Roboflow belgeleri: docs.roboflow.com
- TensorRT belgeleri: docs.nvidia.com/deeplearning/tensorrt/developer-guide/index.html
- TensorRT ve DeepStream kullanarak NVIDIA Jetson’da YOLOv8 dağıtımı
- NVIDIA Jetson Cihazlarında YOLOv8 Performans Benchmark’ları
- NVIDIA Jetson’da YOLOv5 dağıtımı
Seeed ve NVIDIA Jetson Ekosistemi
Seeed, NVIDIA Partner Network‘de kenar AI için bir Elite ortaktır. Daha fazla taşıyıcı kart, tam sistem cihazları, özelleştirme hizmetleri, kullanım durumları ve geliştirici araçları keşfetmek için Seeed’in NVIDIA Jetson ekosistemi sayfasını ziyaret edin.
AI yeniliğinin ön saflarında bizimle birlikte olun! Endüstrilerde makine öğreniminin gerçek dünyada dağıtımını devrim niteliğinde değiştirmek için en son teknoloji donanım ve yazılımın gücünü kullanın. Geliştiricilere ve işletmelere mevcut en iyi ML çözümlerini sağlama misyonumuzun bir parçası olun.
