İçeriğe geç

Ultralytics Android Uygulaması: YOLO Modelleri ile Gerçek Zamanlı Nesne Tespiti

Ultralytics HUB önizleme görüntüsü

Ultralytics GitHub space Ultralytics LinkedIn space Ultralytics Twitter space Ultralytics YouTube space Ultralytics TikTok space Ultralytics BiliBili space Ultralytics Discord

Google Play Store 

Ultralytics Android Uygulaması, YOLO modellerini doğrudan Android cihazınızda gerçek zamanlı nesne tespiti için çalıştırmanıza olanak tanıyan güçlü bir araçtır. Bu uygulama, model optimizasyonu için TensorFlow Lite'ı ve hızlandırma için çeşitli donanım delegelerini kullanarak hızlı ve verimli nesne tespiti sağlar.



İzle: Ultralytics HUB Uygulaması ile Başlarken (IOS & Android)

Kuantalama ve Hızlandırma

Android cihazınızda gerçek zamanlı performans elde etmek için YOLO modelleri FP16 veya INT8 kesinliğine nicemlenir. Nicemleme, modelin ağırlıklarının ve sapmalarının sayısal kesinliğini azaltan, böylece modelin boyutunu ve gereken hesaplama miktarını azaltan bir işlemdir. Bu, modelin doğruluğunu önemli ölçüde etkilemeden daha hızlı çıkarım süreleri sağlar.

FP16 Niceleme

FP16 (veya yarı duyarlıklı) niceleme, modelin 32 bit kayan noktalı sayılarını 16 bit kayan noktalı sayılara dönüştürür. Bu, modelin boyutunu yarıya indirir ve doğruluk ile performans arasında iyi bir denge sağlarken çıkarım sürecini hızlandırır.

INT8 Nicelemesi

INT8 (veya 8-bit tamsayı) nicelemesi, modelin 32-bit kayan noktalı sayılarını 8-bit tamsayılara dönüştürerek boyutunu ve hesaplama gereksinimlerini daha da azaltır. Bu niceleme yöntemi önemli bir hızlanmaya neden olabilir, ancak daha düşük sayısal duyarlılık nedeniyle ortalama ortalama kesinlikte (mAP) hafif bir azalmaya yol açabilir.

INT8 Modellerinde mAP Azaltımı

INT8 modellerindeki azaltılmış sayısal hassasiyet, niceleme işlemi sırasında bazı bilgi kayıplarına yol açabilir ve bu da mAP'de hafif bir düşüşe neden olabilir. Ancak, bu ödünleşme genellikle INT8 nicelemesinin sunduğu önemli performans kazanımları göz önüne alındığında kabul edilebilir.

Temsilciler ve Performans Değişkenliği

Android cihazlarda model çıkarımını hızlandırmak için farklı delegeler mevcuttur. Bu delegeler arasında CPU, GPU, Hexagon ve NNAPI bulunur. Bu delegelerin performansı, cihazın donanım satıcısına, ürün serisine ve cihazda kullanılan belirli yonga setlerine bağlı olarak değişir.

  1. CPU: Çoğu cihazda makul performans gösteren varsayılan seçenek.
  2. GPU: Daha hızlı çıkarım için cihazın GPU'sunu kullanır. Güçlü GPU'lara sahip cihazlarda önemli bir performans artışı sağlayabilir.
  3. Hexagon: Daha hızlı ve daha verimli işleme için Qualcomm'un Hexagon DSP'sini kullanır. Bu seçenek, Qualcomm Snapdragon işlemcilere sahip cihazlarda mevcuttur.
  4. NNAPI: Android Neural Networks API'si (NNAPI), ML modellerini Android cihazlarda çalıştırmak için bir soyutlama katmanı görevi görür. NNAPI, CPU, GPU ve özel AI çipleri (örneğin, Google'ın Edge TPU'su veya Pixel Neural Core) gibi çeşitli donanım hızlandırıcılarını kullanabilir.

İşte başlıca satıcıları, ürün hatlarını, popüler cihazlarını ve desteklenen delegelerini gösteren bir tablo:

Satıcı Ürün Grupları Popüler Cihazlar Desteklenen Temsilciler
Qualcomm Snapdragon (örn. 800 serisi) Samsung Galaxy S21, OnePlus 9, Google Pixel 6 CPU, GPU, Hexagon, NNAPI
Samsung Exynos (örn. Exynos 2100) Samsung Galaxy S21 (Global versiyon) CPU, GPU, NNAPI
MediaTek Dimensity (örn. Dimensity 1200) Realme GT, Xiaomi Redmi Note CPU, GPU, NNAPI
HiSilicon Kirin (örn. Kirin 990) Huawei P40 Pro, Huawei Mate 30 Pro CPU, GPU, NNAPI
NVIDIA Tegra (örn. Tegra X1) NVIDIA Shield TV, Nintendo Switch CPU, GPU, NNAPI

Bahsedilen cihazların listesinin kapsamlı olmadığını ve belirli yonga setlerine ve cihaz modellerine bağlı olarak değişebileceğini lütfen unutmayın. Uyumluluk ve optimum performans sağlamak için modellerinizi her zaman hedef cihazlarınızda test edin.

Temsilci seçiminin performansı ve model uyumluluğunu etkileyebileceğini unutmayın. Örneğin, bazı modeller belirli temsilcilerle çalışmayabilir veya bir temsilci belirli bir cihazda kullanılamayabilir. Bu nedenle, en iyi sonuçlar için modelinizi ve seçilen temsilciyi hedef cihazlarınızda test etmek önemlidir.

Ultralytics Android Uygulaması ile Başlarken

Ultralytics Android Uygulaması'nı kullanmaya başlamak için şu adımları izleyin:

  1. Google Play Store'dan Ultralytics Uygulamasını indirin.

  2. Uygulamayı Android cihazınızda başlatın ve Ultralytics hesabınızla oturum açın. Henüz bir hesabınız yoksa, https://hub.ultralytics.com/ adresinde bir tane oluşturun.

  3. Oturum açtıktan sonra, eğitilmiş YOLO modellerinizin bir listesini göreceksiniz. Nesne algılama için kullanılacak bir model seçin.

  4. Uygulamaya cihazınızın kamerasına erişim izni verin.

  5. Cihazınızın kamerasını algılamak istediğiniz nesnelere doğrultun. Uygulama, nesneleri algıladıkça gerçek zamanlı olarak sınırlayıcı kutuları ve sınıf etiketlerini gösterecektir.

  6. Algılama eşiğini ayarlamak, belirli nesne sınıflarını etkinleştirmek veya devre dışı bırakmak ve daha fazlası için uygulamanın ayarlarını keşfedin.

Ultralytics Android Uygulaması ile artık YOLO modellerini kullanarak gerçek zamanlı nesne algılama gücüne parmaklarınızın ucunda sahipsiniz. Uygulamanın özelliklerini keşfetmenin ve ayarlarını özel kullanım durumlarınıza uyacak şekilde optimize etmenin keyfini çıkarın.



📅 1 yıl önce oluşturuldu ✏️ 3 ay önce güncellendi

Yorumlar