Drone fotoğraflarında yaya, araç ve bisiklet gibi 10 nesne türünü bulan iki model, aynı fotoğraf üzerinde yan yana çalışır. İki model de aynı, yalnızca farklı girdi boyutlarıyla eğitildi.
Model tarayıcıda çalışır, yüklenen görseller kaydedilmez.
Dron fotoğraflarında yaya, araç ve bisiklet gibi 10 nesne türünü bulan, tamamen tarayıcıda çalışan bir nesne tespiti demosu. Aynı modelin iki sürümü aynı fotoğraf üzerinde yan yana karşılaştırılabiliyor.
Dron fotoğraflarında nesnelerin çoğu çok küçük. 1360 piksel genişliğindeki bir karede yaklaşık 20 piksel olan bir yaya, görüntü model için 640 piksele küçültüldüğünde 9 piksele iner. Standart girdi boyutunda küçük nesnelerde başarı düşük kalıyor (AP 0.111).
Aynı YOLO11s modeli VisDrone ile 640 ve 1280 piksellik iki girdi boyutunda eğitildi. 1280 girdi küçük nesnelerde AP'yi 0.111'den 0.223'e çıkarıyor. Bedeli ise daha uzun çalışma süresi (WebGPU'da 23 ms yerine 65 ms). İki sürüm ONNX'e aktarılıp tarayıcıda yan yana çalıştırılıyor.
Aynı model, aynı veri. Ultralytics'in kendi aracı Model-1 için mAP50 0.380, standart COCO aracı pycocotools 0.347. İki araç kutuları farklı sırayla eşleştiriyor ve AP'yi farklı hesaplıyor. Bu sayfadaki bütün notlar sıfırdan yazılan detection-eval ile hesaplandı.
Fotoğraf modele girmeden önce küçültülüyor. Her yeni piksel için en yakın birkaç pikseli okumak yerine yerini aldığı bütün piksellerin ortalamasını almak (antialias) Model-1'in notunu 0.347'den 0.355'e çıkarıyor. Kazanç bütün nesne boyutlarına yayılıyor.
Model-1'i fotoğrafın tam çözünürlüklü, örtüşen 640 × 640 parçalarında çalıştırmak (SAHI tarzı) mAP50'yi 0.355'ten 0.425'e çıkarıyor. Kilit nokta, parça sınırında kesilen nesnelerin yarım kutularını atmak. Bedeli fotoğraf başına ortalama 6 model çalıştırması. 1280 ile eğitilen Model-2 parçalamadan hem daha iyi (0.505) hem daha hızlı.
Masaüstü GPU'da (RTX 3060 Laptop) model TensorRT FP16'ya çevrildi ve fotoğrafı küçültme işi de GPU'ya taşındı. Model-1'in fotoğraf başına toplam süresi 15.2 ms'den 5.6 ms'ye indi, mAP50 sadece 0.0013 düştü.
01.11.2026
Yaya, insan, bisiklet, otomobil, kamyonet, kamyon, üç tekerli, tenteli üç tekerli, otobüs ve motosiklet olmak üzere 10 nesne türünü bulur. Modeller, drone görüntülerinden oluşan VisDrone veri setiyle eğitildi.
İkisi de aynı YOLO11s modeli. Model-1 görüntüyü 640, Model-2 1280 piksele küçülterek inceler. Model-2 küçük nesnelerde daha başarılı ama daha yavaş çalışır. VisDrone doğrulama setinde mAP50 değeri 0.347'den 0.503'e çıkıyor.
Hiçbir yere. Görsel tarayıcıda açılır ve model doğrudan cihazda çalışır. Sunucuya gönderilmez ve kaydedilmez.
Evet. JPEG, PNG, WebP, AVIF, BMP ve GIF görseller yüklenebilir. Bu görsellerde etiket olmadığı için doğru ve yanlış tespitler ayrılmaz, bulunan nesneler yalnızca sınıflarına göre işaretlenir.