Ein Leitfaden zur Objekterkennung 2025

Viele Branchen integrieren Lösungen für künstliche Intelligenz (KI) rasch in ihre Abläufe. Unter den zahlreichen heute verfügbaren KI-Technologien gehört Computer Vision zu den beliebtesten. Computer Vision ist ein Teilgebiet der KI, das Computern hilft, den Inhalt von Bildern und Videos ähnlich wie Menschen zu sehen und zu verstehen. Dadurch können Maschinen Objekte erkennen, Muster identifizieren und erfassen, was sie vor sich sehen.

Der weltweite Marktwert von Computer Vision soll bis 2034 auf 72,80 Milliarden US-Dollar anwachsen. Computer Vision umfasst verschiedene Aufgaben, mit denen Vision-AI-Systeme visuelle Daten analysieren und interpretieren können. Eine der am häufigsten verwendeten und wichtigsten Aufgaben von Computer Vision ist die Objekterkennung.

Bei der Objekterkennung geht es darum, Objekte in visuellen Daten zu lokalisieren und zu klassifizieren. Zeigst du einem Computer zum Beispiel ein Bild einer Kuh, kann er die Kuh erkennen und einen Begrenzungsrahmen um sie zeichnen. Diese Fähigkeit ist in praktischen Anwendungen wie der Tierüberwachung, selbstfahrenden Autos und Überwachungssystemen nützlich.

Wie lässt sich Objekterkennung also durchführen? Eine Möglichkeit bieten Computer-Vision-Modelle. Ultralytics YOLO11 ist beispielsweise ein Computer-Vision-Modell, das Aufgaben wie die Objekterkennung unterstützt.

In diesem Leitfaden untersuchen wir die Objekterkennung und ihre Funktionsweise. Außerdem besprechen wir einige praktische Anwendungen der Objekterkennung und von Ultralytics YOLO11.

Abb. 1. Rinderüberwachung mit der von YOLO11 unterstützten Objekterkennung.

Was ist Objekterkennung?#

Objekterkennung ist eine Computer-Vision-Aufgabe, bei der Objekte in Bildern oder Videos identifiziert und lokalisiert werden. Sie beantwortet zwei zentrale Fragen: „Welche Objekte sind auf dem Bild?“ und „Wo befinden sie sich?“

Du kannst dir die Objekterkennung als einen Prozess mit zwei zentralen Schritten vorstellen. Beim ersten Schritt, der Objektklassifizierung, erkennt und benennt das System Objekte, etwa eine Katze, ein Auto oder eine Person anhand erlernter Muster. Beim zweiten Schritt, der Lokalisierung, wird die Position des Objekts bestimmt, indem ein Begrenzungsrahmen darum gezeichnet wird. So wird angezeigt, wo es im Bild erscheint. Zusammen ermöglichen diese Schritte Maschinen, Objekte in einer Szene zu erkennen und zu verstehen.

Das Besondere an der Objekterkennung ist ihre Fähigkeit, Objekte zu erkennen und ihre Position präzise zu bestimmen. Andere Computer-Vision-Aufgaben verfolgen andere Ziele.

Bei der Bildklassifizierung wird beispielsweise dem gesamten Bild eine Bezeichnung zugewiesen. Die Bildsegmentierung hingegen liefert ein Verständnis der einzelnen Elemente auf Pixelebene. Die Objekterkennung verbindet dagegen Erkennung und Lokalisierung. Dadurch eignet sie sich besonders für Aufgaben wie das Zählen mehrerer Objekte in Echtzeit.

Abb. 2. Vergleich von Computer-Vision-Aufgaben.

Objekterkennung und Objekterkennung im Vergleich#

Wenn du dich mit verschiedenen Begriffen aus dem Bereich Computer Vision beschäftigst, könnte es so wirken, als seien Objekterkennung und Objektdetektion austauschbar. Sie dienen jedoch unterschiedlichen Zwecken. Ein gutes Beispiel, um den Unterschied zu verstehen, ist der Vergleich von Gesichtserkennung und Gesichtsdetektion.

Die Gesichtserkennung ist eine Art der Objekterkennung. Sie erkennt, ob sich ein Gesicht in einem Bild befindet, und markiert dessen Position mit einem Begrenzungsrahmen. Sie beantwortet die Frage: „Wo ist das Gesicht im Bild?“ Diese Technologie wird häufig in Smartphone-Kameras eingesetzt, die automatisch auf Gesichter scharf stellen, oder in Sicherheitskameras, die erkennen, ob eine Person anwesend ist.

Gesichtswiedererkennung hingegen ist eine Form der Objekterkennung. Sie erkennt nicht nur ein Gesicht, sondern ermittelt anhand einzigartiger Merkmale und eines Datenbankabgleichs auch, zu wem es gehört. Sie beantwortet die Frage: „Wer ist diese Person?“ Diese Technologie steckt hinter dem Entsperren deines Telefons mit Face ID und hinter Sicherheitssystemen an Flughäfen, die Identitäten überprüfen.

Kurz gesagt: Die Objekterkennung findet Objekte und bestimmt ihre Position, während die Objekterkennung sie klassifiziert und identifiziert.

Abb. 3. Objekterkennung im Vergleich zur Objekterkennung. Bild vom Autor.

Objektdetektionsmodelle wie Ultralytics YOLO11 lassen sich für die Gesichtsdetektion trainieren, zum Beispiel mit dem WIDER FACE-Datensatz, nicht aber für die Gesichtserkennung. Ein trainiertes YOLO11-Modell kann Gesichter in einem Bild effizient erkennen und mit einer Bounding Box umrahmen. Das macht es für Anwendungen wie Überwachungssysteme, die Beobachtung von Menschenmengen und die automatische Kennzeichnung von Fotos nützlich. Es kann jedoch nicht feststellen, zu wem ein Gesicht gehört. YOLO11 lässt sich mit speziell für die Gesichtserkennung trainierten Modellen wie FaceNet oder DeepFace integrieren, um Detektion und Identifizierung in einem System zu ermöglichen.

So funktioniert Objekterkennung#

Bevor wir uns damit befassen, wie Objekterkennung funktioniert, sehen wir uns zunächst genauer an, wie ein Computer ein Bild analysiert. Anstatt ein Bild so zu sehen wie wir, zerlegt ein Computer es in ein Raster aus kleinen Quadraten, den sogenannten Pixeln. Jeder Pixel enthält Informationen zu Farbe und Helligkeit, die Computer verarbeiten können, um Bilddaten zu interpretieren.

Um diese Pixel zu verstehen, fassen Algorithmen sie anhand von Form, Farbe und räumlicher Nähe zu sinnvollen Bereichen zusammen. Objekterkennungsmodelle wie Ultralytics YOLO11 können Muster oder Merkmale in diesen Pixelgruppen erkennen.

Ein autonomes Auto erkennt einen Fußgänger beispielsweise nicht so, wie wir es tun. Es erkennt Formen und Muster, die den Merkmalen eines Fußgängers entsprechen. Diese Modelle werden umfassend mit annotierten Bilddatensätzen trainiert, sodass sie die charakteristischen Merkmale von Objekten wie Autos, Verkehrsschildern und Menschen erlernen können.

Ein typisches Objekterkennungsmodell besteht aus drei zentralen Teilen: Backbone, Neck und Head. Das Backbone extrahiert wichtige Merkmale aus einem Bild. Der Neck verarbeitet und verfeinert diese Merkmale, während der Head Objektpositionen vorhersagt und Objekte klassifiziert.

Erkennungen verfeinern und Ergebnisse darstellen#

Nach den ersten Erkennungen kommen Nachbearbeitungstechniken zum Einsatz, um die Genauigkeit zu verbessern und redundante Vorhersagen herauszufiltern. Überlappende Begrenzungsrahmen werden beispielsweise entfernt, sodass nur die relevantesten Erkennungen erhalten bleiben. Jedem erkannten Objekt wird außerdem ein Konfidenzwert zugewiesen – ein Zahlenwert dafür, wie sicher sich das Modell ist, dass ein erkanntes Objekt zu einer bestimmten Klasse gehört. Der Wert gibt an, wie sicher das Modell bei seinen Vorhersagen ist.

Abschließend wird die Ausgabe mit Begrenzungsrahmen um die erkannten Objekte sowie den vorhergesagten Klassenbezeichnungen und Konfidenzwerten dargestellt. Diese Ergebnisse können anschließend in praktischen Anwendungen genutzt werden.

Beliebte Objekterkennungsmodelle#

Heute stehen zahlreiche Computer-Vision-Modelle zur Verfügung. Zu den beliebtesten gehören die Ultralytics-YOLO-Modelle. Sie sind für ihre Geschwindigkeit, Genauigkeit und Vielseitigkeit bekannt. Im Laufe der Jahre sind diese Modelle schneller und präziser geworden und können ein breiteres Aufgabenspektrum bewältigen. Mit der Veröffentlichung von Ultralytics YOLOv5 wurde die Bereitstellung mit Frameworks wie PyTorch einfacher. Dadurch konnten mehr Menschen fortschrittliche visuelle KI nutzen, ohne über tiefgehende technische Kenntnisse verfügen zu müssen.

Auf dieser Grundlage erweiterte Ultralytics YOLOv8 die Unterstützung für Aufgaben wie Instanzsegmentierung, Bildklassifizierung und Posenschätzung. YOLO11 ging mit besserer Leistung bei mehreren Aufgaben noch einen Schritt weiter und wurde inzwischen von Ultralytics YOLO26 abgelöst. YOLO11m erzielt auf dem COCO-Datensatz eine höhere mittlere durchschnittliche Präzision (mAP) als YOLOv8m und hat dabei 22 % weniger Parameter. Einfach gesagt: YOLO11 erkennt Objekte genauer und benötigt weniger Ressourcen, wodurch es schneller und zuverlässiger ist.

Ob du KI-Experte bist oder gerade erst anfängst: Ultralytics YOLO11 bietet eine leistungsstarke und zugleich benutzerfreundliche Lösung für Computer-Vision-Anwendungen.

Ein Modell für die Objekterkennung benutzerdefiniert trainieren#

Beim Training von KI-Modellen für Computer Vision lernen Computer, Bilder und Videos zu erkennen und zu verstehen. Das Training kann jedoch zeitaufwendig sein. Anstatt ganz von vorn anzufangen, beschleunigt Transfer Learning den Prozess, indem es vortrainierte Modelle nutzt, die gängige Muster bereits erkennen.

Ultralytics YOLO11 wurde beispielsweise bereits mit dem COCO-Datensatz trainiert, der eine vielfältige Auswahl an Alltagsgegenständen enthält. Dieses vortrainierte Modell kann zusätzlich benutzerdefiniert trainiert werden, um bestimmte Objekte zu erkennen, die im ursprünglichen Datensatz möglicherweise nicht enthalten sind.

Um Ultralytics YOLO11 mit eigenen Daten zu trainieren, benötigst du einen annotierten Datensatz mit Bildern der Objekte, die du erkennen möchtest. Wenn du zum Beispiel ein Modell erstellen möchtest, das verschiedene Obstsorten in einem Lebensmittelgeschäft erkennt, würdest du einen Datensatz mit annotierten Bildern von Äpfeln, Bananen, Orangen usw. erstellen. Sobald der Datensatz fertig ist, kannst du YOLO11 trainieren und Trainingseinstellungen wie Batchgröße, Lernrate und Epochen anpassen, um die Leistung zu optimieren.

Mit diesem Ansatz können Unternehmen Ultralytics YOLO11 so trainieren, dass es nahezu alles erkennt – von fehlerhaften Bauteilen in der Fertigung bis hin zu Wildtierarten in Naturschutzprojekten. So lässt sich das Modell genau auf ihre Anforderungen abstimmen.

Anwendungen der Objekterkennung#

Sehen wir uns als Nächstes praktische Einsatzmöglichkeiten der Objekterkennung und ihren Einfluss auf verschiedene Branchen an.

Gefahrenerkennung beim autonomen Fahren#

Selbstfahrende Autos nutzen Computer-Vision-Aufgaben wie die Objekterkennung, um sicher zu navigieren und Hindernissen auszuweichen. Diese Technologie hilft ihnen, Fußgänger, andere Fahrzeuge, Schlaglöcher und Gefahren auf der Straße zu erkennen und so ihre Umgebung besser zu verstehen. Durch die kontinuierliche Analyse der Umgebung können sie schnell Entscheidungen treffen und sich sicher durch den Verkehr bewegen.

Abb. 4. Beispiel für die Erkennung von Schlaglöchern mit Ultralytics YOLO11.

Analyse medizinischer Bilder im Gesundheitswesen#

Verfahren der medizinischen Bildgebung wie Röntgen, MRT, CT und Ultraschall erzeugen hochauflösende Bilder des menschlichen Körpers, die bei der Diagnose und Behandlung von Krankheiten helfen. Diese Aufnahmen enthalten große Datenmengen, die Ärzte wie Radiologen und Pathologen sorgfältig analysieren müssen, um Krankheiten zu erkennen. Die detaillierte Prüfung jedes Bildes kann jedoch zeitaufwendig sein, und Fachleuten können aufgrund von Müdigkeit oder Zeitdruck manchmal Einzelheiten entgehen.

Objekterkennungsmodelle wie Ultralytics YOLO11 können helfen, indem sie wichtige Merkmale in medizinischen Aufnahmen – etwa Organe, Tumore oder Auffälligkeiten – automatisch und präzise erkennen. Benutzerdefiniert trainierte Modelle können bedenkliche Bereiche mit Begrenzungsrahmen hervorheben, sodass Ärzte mögliche Probleme schneller untersuchen können. Das verringert den Arbeitsaufwand, steigert die Effizienz und liefert schnell Erkenntnisse.

Abb. 5. Medizinische Bilder mit Ultralytics YOLO11 analysieren.

Sicherheit durch Personen- und Anomalieerkennung verbessern#

Objektverfolgung ist eine von Ultralytics YOLO11 unterstützte Computer-Vision-Aufgabe, die eine Überwachung in Echtzeit und höhere Sicherheit ermöglicht. Sie baut auf der Objekterkennung auf, indem Objekte identifiziert und ihre Bewegungen über aufeinanderfolgende Einzelbilder hinweg kontinuierlich verfolgt werden. Diese Technologie wird häufig in Überwachungssystemen eingesetzt, um die Sicherheit in verschiedenen Umgebungen zu verbessern.

In Schulen und Kindertagesstätten kann die Objektverfolgung beispielsweise helfen, Kinder im Blick zu behalten und zu verhindern, dass sie sich entfernen. Bei Sicherheitsanwendungen spielt sie eine wichtige Rolle, wenn es darum geht, Eindringlinge in Sperrbereichen zu erkennen, Menschenmengen auf Überfüllung oder verdächtiges Verhalten zu überwachen und bei unerlaubten Aktivitäten Echtzeitwarnungen zu senden. Indem sie Objekte bei ihrer Bewegung verfolgt, erhöhen von Ultralytics YOLO11 unterstützte Verfolgungssysteme die Sicherheit, automatisieren die Überwachung und ermöglichen eine schnellere Reaktion auf mögliche Gefahren.

Vor- und Nachteile der Objekterkennung#

Hier sind einige der wichtigsten Vorteile, die die Objekterkennung verschiedenen Branchen bieten kann:

• Automatisierung: Die Objekterkennung kann dazu beitragen, die notwendige menschliche Überwachung bei Aufgaben wie der Kontrolle von CCTV-Aufnahmen zu verringern.
• Mit anderen KI-Modellen kombinierbar: Sie lässt sich mit Gesichtswiedererkennung, Aktionserkennung und Verfolgungssystemen kombinieren, um Genauigkeit und Funktionalität zu verbessern.
• Echtzeitverarbeitung: Viele Objekterkennungsmodelle wie Ultralytics YOLO11 sind schnell und effizient. Damit eignen sie sich ideal für Echtzeitanwendungen, die sofortige Ergebnisse erfordern.

Diese Vorteile zeigen, wie sich die Objekterkennung auf verschiedene Anwendungsfälle auswirkt. Ebenso wichtig ist es, die Herausforderungen bei ihrer Einführung zu berücksichtigen. Hier sind einige der wichtigsten Herausforderungen:

• Datenschutz: Die Nutzung visueller Daten kann insbesondere in sensiblen Bereichen wie Überwachung oder Gesundheitswesen Datenschutzprobleme und Sicherheitsbedenken aufwerfen.
• Okklusion: Bei der Objekterkennung tritt eine Okklusion auf, wenn Objekte teilweise verdeckt oder verborgen sind. Dadurch wird es für das Modell schwierig, sie präzise zu erkennen und zu klassifizieren.
• Hoher Rechenaufwand: Leistungsstarke Modelle benötigen für die Verarbeitung oft leistungsfähige GPUs (Grafikprozessoren), wodurch ein Echtzeitbetrieb kostspielig wird.

Die wichtigsten Erkenntnisse#

Objektdetektion ist ein weit verbreitetes Werkzeug in Computer Vision, das Maschinen dabei hilft, Objekte in Bildern und Videos zu erkennen und zu lokalisieren. Sie kommt in Bereichen von autonomen Autos bis hin zum Gesundheitswesen zum Einsatz und macht Aufgaben einfacher, sicherer und effizienter. Mit Modellen wie Ultralytics YOLO11 können Unternehmen problemlos benutzerdefinierte Objektdetektionsmodelle erstellen und damit spezialisierte Computer-Vision-Anwendungen entwickeln.

Objektdetektion ist eine zuverlässige Technologie, auch wenn es Herausforderungen wie Datenschutzbedenken und verdeckte Objekte gibt. Die Fähigkeit, Aufgaben zu automatisieren, visuelle Daten in Echtzeit zu verarbeiten und sich in andere KI-Werkzeuge für Computer Vision zu integrieren, macht sie zu einem unverzichtbaren Bestandteil moderner KI-Systeme für Computer Vision.

Weitere Informationen findest du in unserem GitHub-Repository und im Austausch mit unserer Community. Entdecke auf unseren Lösungsseiten Innovationen in Bereichen wie KI in autonomen Autos und Computer Vision in der Landwirtschaft. Sieh dir unsere YOLO-Lizenzoptionen an und setze deine KI-Projekte für Computer Vision um.