Alles Wissenswerte über Aufgaben der Computer Vision

Dank Kameras und Fortschritten in der künstlichen Intelligenz (AI) können Computer und Maschinen die Welt inzwischen ähnlich wie Menschen wahrnehmen. Sie können zum Beispiel Personen erkennen, Objekte verfolgen und sogar den Zusammenhang des Geschehens in einem Video erfassen.

Computer Vision ist der Bereich der KI, der Maschinen dazu befähigt, visuelle Informationen aus ihrer Umgebung zu verstehen und zu interpretieren. Computer Vision umfasst verschiedene Aufgaben, die jeweils darauf ausgelegt sind, bestimmte Erkenntnisse aus Bildern oder Videos zu gewinnen. Die Objekterkennung identifiziert beispielsweise verschiedene Elemente in einem Bild und bestimmt ihre Position, während andere Aufgaben wie Objektverfolgung, Segmentierung und Pose-Schätzung Maschinen helfen, Bewegungen, Formen und Positionen genauer zu verstehen.

Welche Computer-Vision-Aufgabe sich für eine bestimmte Anwendung eignet, hängt davon ab, welche Erkenntnisse du benötigst. Computer-Vision-Modelle wie Ultralytics YOLO11 unterstützen verschiedene Aufgaben der Computer Vision und sind damit eine zuverlässige Wahl für die Entwicklung praxistauglicher Vision-AI-Systeme.

In diesem Leitfaden sehen wir uns die Computer-Vision-Aufgaben, die von Modellen wie YOLO11 unterstützt werden, genauer an. Wir untersuchen, wie die einzelnen Aufgaben funktionieren und wie sie in verschiedenen Branchen eingesetzt werden.

Was sind Computer-Vision-Aufgaben?#

Computer-Vision-Aufgaben zielen darauf ab, die Fähigkeiten des menschlichen Sehens auf unterschiedliche Weise nachzubilden. Sie helfen Maschinen, Objekte zu erkennen, ihre Bewegungen zu verfolgen, Posen zu schätzen und einzelne Elemente in Bildern und Videos abzugrenzen. Computer-Vision-Aufgaben werden in der Regel durch Modelle ermöglicht, die visuelle Daten in kleinere Bereiche unterteilen, damit sich das Geschehen besser interpretieren lässt.

Vision-AI-Modelle wie die Ultralytics-YOLO-Modelle unterstützen mehrere Aufgaben wie Erkennung, Tracking und Segmentierung in einem Framework. Dank dieser Vielseitigkeit lassen sich YOLO11-Modelle leicht für unterschiedlichste Anwendungsfälle einsetzen.

Abb. 1. Von Ultralytics YOLO11 unterstützte Computer-Vision-Aufgaben.

Ein gutes Beispiel dafür ist die Sportanalyse. Mit YOLO11 lässt sich jeder Spieler auf dem Spielfeld per Objekterkennung erkennen und anschließend während des gesamten Spiels per Objekt-Tracking verfolgen. Die Posenschätzung von YOLO11 kann außerdem helfen, die Bewegungen und Techniken der Spieler zu analysieren. Die Instanzsegmentierung wiederum kann jeden Spieler vom Hintergrund trennen und so die Analyse präzisieren.

Zusammen ergeben diese von YOLO11 ermöglichten Computer-Vision-Aufgaben ein vollständiges Bild des Spielgeschehens. So erhalten Teams genauere Einblicke in die Leistung, Taktik und Gesamtstrategie der Spieler.

Überblick über die von Ultralytics YOLO11 unterstützten Computer-Vision-Aufgaben#

Nachdem wir uns nun angesehen haben, was Computer-Vision-Aufgaben sind, betrachten wir anhand von Beispielen aus der Praxis die einzelnen Aufgaben, die YOLO11 unterstützt.

Bildklassifizierung mit Ultralytics YOLO11#

Wenn du ein Foto betrachtest, können die meisten Menschen leicht erkennen, ob es einen Hund, einen Berg oder ein Verkehrszeichen zeigt, denn wir alle haben gelernt, wie diese Dinge normalerweise aussehen. Die Bildklassifizierung bringt Maschinen dasselbe bei: Sie lernen, ein Bild anhand seines Hauptobjekts zu klassifizieren und zu beschriften – etwa als „Auto“, „Banane“ oder „Röntgenbild mit Knochenbruch“. Anhand dieser Beschriftung können Computer-Vision-Systeme den visuellen Inhalt verstehen und entsprechend reagieren oder Entscheidungen treffen.

Eine interessante Anwendung dieser Computer-Vision-Aufgabe ist die Beobachtung von Wildtieren. Mit der Bildklassifizierung lassen sich verschiedene Tierarten anhand von Fotos aus freier Wildbahn bestimmen. Durch die automatische Beschriftung von Bildern können Forschende Populationen verfolgen, Wanderungsmuster überwachen und bedrohte Arten leichter identifizieren, um Naturschutzmaßnahmen zu unterstützen.

Abb. 2. Beispiel für die Verwendung von YOLO11 zur Bildklassifizierung.

Objekterkennung mit Ultralytics YOLO11#

Die Bildklassifizierung vermittelt zwar einen allgemeinen Eindruck davon, was ein Bild zeigt, versieht aber das gesamte Bild nur mit einer einzigen Beschriftung. Wenn detaillierte Informationen gefragt sind, etwa die genaue Position und Identität mehrerer Objekte, ist die Objekterkennung unverzichtbar.

Bei der Objekterkennung werden einzelne Objekte in einem Bild identifiziert und lokalisiert, häufig indem Begrenzungsrahmen um sie gezeichnet werden. Ultralytics YOLO11 eignet sich besonders gut für die Objekterkennung in Echtzeit und damit für eine Vielzahl von Anwendungen.

Ein Beispiel sind Computer-Vision-Lösungen, mit denen Einzelhandelsgeschäfte ihre Regale bestücken. Die Objekterkennung kann dabei helfen, Obst, Gemüse und andere Waren zu zählen und so eine genaue Bestandsaufnahme zu ermöglichen. Auf landwirtschaftlichen Flächen kann dieselbe Technologie den Reifegrad von Nutzpflanzen überwachen und Landwirten so helfen, den besten Erntezeitpunkt zu bestimmen – sogar reife von unreifen Erzeugnissen zu unterscheiden.

Abb. 3. Obsterkennung mit Ultralytics YOLO11.

Instanzsegmentierung mit YOLO11#

Die Objekterkennung verwendet Begrenzungsrahmen, um Objekte in einem Bild zu identifizieren und zu lokalisieren, erfasst jedoch nicht deren genaue Form. Hier kommt die Instanzsegmentierung ins Spiel. Statt einen Rahmen um ein Objekt zu zeichnen, zeichnet die Instanzsegmentierung dessen präzise Kontur nach.

Du kannst es dir so vorstellen: Statt einfach nur anzugeben, dass „sich in diesem Bereich ein Apfel befindet“, wird die genaue Form des Apfels sorgfältig umrissen und ausgefüllt. Dieser detaillierte Prozess hilft KI-Systemen, die Grenzen eines Objekts klar zu erkennen, besonders wenn Objekte dicht beieinander liegen.

Die Instanzsegmentierung lässt sich in vielen Anwendungsbereichen einsetzen, von Infrastrukturprüfungen bis hin zu geologischen Untersuchungen. So können beispielsweise Daten aus geologischen Untersuchungen mithilfe von YOLO11 analysiert werden, um sowohl große als auch kleine Oberflächenrisse oder Unregelmäßigkeiten zu segmentieren. Indem diese Auffälligkeiten präzise eingegrenzt werden, können Ingenieure Probleme lokalisieren und beheben, bevor ein Projekt beginnt.

Abb. 4. Risssegmentierung mit YOLO11.

Objektverfolgung: Objekte über mehrere Frames hinweg mit YOLO11 verfolgen#

Bisher haben sich die von uns betrachteten Computer-Vision-Aufgaben darauf konzentriert, was auf einem einzelnen Bild zu sehen ist. Bei Videos benötigen wir jedoch Erkenntnisse, die über ein einzelnes Frame hinausgehen. Dafür lässt sich die Aufgabe der Objektverfolgung einsetzen.

Die Objektverfolgung von YOLO11 kann ein bestimmtes Objekt, etwa eine Person oder ein Auto, über mehrere Videoframes hinweg verfolgen. Selbst wenn sich der Kamerawinkel ändert oder andere Objekte auftauchen, verfolgt das System weiterhin dasselbe Ziel.

Das ist entscheidend für Anwendungen, die eine Überwachung über einen längeren Zeitraum erfordern, etwa die Verfolgung von Autos im Verkehr. YOLO11 kann Fahrzeuge präzise verfolgen und jedes Auto im Blick behalten, um seine Geschwindigkeit in Echtzeit zu schätzen. Dadurch wird die Objektverfolgung zu einem wichtigen Bestandteil von Systemen zur Verkehrsüberwachung.

Abb. 5. Die Unterstützung der Objektverfolgung durch YOLO11 kann zur Geschwindigkeitsschätzung eingesetzt werden.

Erkennung orientierter Begrenzungsrahmen (OBB) mit YOLO11#

Objekte in der realen Welt sind nicht immer exakt ausgerichtet: Sie können geneigt, seitlich oder in ungewöhnlichen Winkeln positioniert sein. Auf Satellitenbildern erscheinen Schiffe und Gebäude beispielsweise häufig gedreht.

Herkömmliche Objekterkennungsmethoden verwenden feste rechteckige Rahmen, die sich nicht an der Ausrichtung eines Objekts orientieren. Dadurch lassen sich gedrehte Formen nur schwer präzise erfassen. Die Erkennung mit orientierten Begrenzungsrahmen (OBB) löst dieses Problem, indem sie Rahmen verwendet, die sich drehen und eng an ein Objekt anschmiegen. So folgen sie dessen Winkel und ermöglichen eine präzisere Erkennung.

Bei der Hafenüberwachung kann die OBB-Erkennung mit YOLO11 dazu beitragen, Schiffe unabhängig von ihrer Ausrichtung präzise zu identifizieren und zu verfolgen. So wird jedes Schiff, das in den Hafen ein- oder aus ihm ausläuft, ordnungsgemäß überwacht. Diese präzise Erkennung liefert Echtzeitinformationen zu Position und Bewegung der Schiffe, die für die Verwaltung stark frequentierter Häfen und die Vermeidung von Kollisionen entscheidend sind.

Abb. 6. Boote mit OBB-Erkennung und YOLO11 erkennen.

Posenschätzung und YOLO11: Schlüsselpunkte verfolgen#

Die Posenschätzung ist eine Computer-Vision-Technik, die Schlüsselpunkte wie Gelenke, Gliedmaßen oder andere Markierungen verfolgt, um zu erkennen, wie sich ein Objekt bewegt. Statt ein Objekt oder einen Körper als Ganzes zu betrachten, zerlegt diese Methode ihn in seine wichtigsten Teile. Dadurch lassen sich Bewegungen, Gesten und Interaktionen detailliert analysieren.

Eine häufige Anwendung dieser Technologie ist die menschliche Posenschätzung. Indem die Positionen verschiedener Körperteile in Echtzeit verfolgt werden, lässt sich klar erkennen, wie sich eine Person bewegt. Diese Informationen können für zahlreiche Zwecke genutzt werden, von der Gestenerkennung und Aktivitätsüberwachung bis hin zur Leistungsanalyse im Sport.

Auch bei der körperlichen Rehabilitation können Therapeuten die menschliche Posenschätzung und YOLO11 einsetzen, um die Bewegungen von Patienten während der Übungen zu überwachen. So lässt sich sicherstellen, dass jede Bewegung korrekt ausgeführt wird, während zugleich die Fortschritte im Zeitverlauf verfolgt werden.

Abb. 7. Mit YOLO11 lässt sich ein Training mithilfe der Posenschätzung überwachen.

So unterstützt YOLO11 verschiedene Computer-Vision-Aufgaben#

Nachdem wir nun alle von YOLO11 unterstützten Computer-Vision-Aufgaben ausführlich betrachtet haben, sehen wir uns an, wie YOLO11 diese Aufgaben bewältigt.

YOLO11 ist nicht nur ein einzelnes Modell, sondern eine Reihe spezialisierter Modellvarianten, die jeweils für eine bestimmte Computer-Vision-Aufgabe entwickelt wurden. Dadurch ist YOLO11 ein vielseitiges Werkzeug, das sich an ein breites Spektrum von Anwendungen anpassen lässt. Außerdem kannst du diese Modelle mit eigenen Datensätzen feinabstimmen, um die besonderen Herausforderungen deiner Projekte zu bewältigen.

Hier findest du die YOLO11-Modellvarianten, die für bestimmte Bildverarbeitungsaufgaben vortrainiert wurden:

• YOLO11: Dieses Modell erkennt und beschriftet mehrere Objekte in Echtzeit und eignet sich daher ideal für die schnelle visuelle Erkennung.
• YOLO11-seg: Diese Variante konzentriert sich auf die Segmentierung und trennt Objekte mithilfe detaillierter Masken von ihrem Hintergrund.
• YOLO11-cls: Diese Variante klassifiziert Bilder, indem sie anhand des Gesamtinhalts eine einzelne Kategorienbezeichnung zuweist.
• YOLO11-pose: Dieses Modell schätzt Schlüsselpunkte am Körper, um Körperhaltung, Position der Gliedmaßen und Bewegung zu verfolgen.
• YOLO11-obb: Dieses Modell erkennt gedrehte Objekte, indem es Begrenzungsrahmen zeichnet, die an der Ausrichtung des jeweiligen Objekts ausgerichtet sind.

Jede Variante ist in verschiedenen Größen erhältlich. So können Nutzer das für ihre konkreten Anforderungen passende Verhältnis zwischen Geschwindigkeit und Genauigkeit wählen. Das neuere Ultralytics YOLO26 deckt dieselben Aufgaben ab und bietet zusätzlich semantische Segmentierung und Tiefenschätzung.

Die wichtigsten Erkenntnisse#

Computer-Vision-Aufgaben verändern die Art und Weise, wie Maschinen die Welt verstehen und mit ihr interagieren. Indem diese Technologien Bilder und Videos in ihre wichtigsten Elemente zerlegen, erleichtern sie die detaillierte Analyse von Objekten, Bewegungen und Interaktionen.

Von der Verbesserung der Verkehrssicherheit und sportlichen Leistung bis hin zur Optimierung industrieller Prozesse können Modelle wie YOLO11 Erkenntnisse in Echtzeit liefern und so Innovationen vorantreiben. Da sich Vision AI weiterentwickelt, wird sie wahrscheinlich eine immer wichtigere Rolle dabei spielen, wie wir visuelle Daten im Alltag interpretieren und nutzen.

Werde Teil unserer Community und besuche unser GitHub-Repository, um KI in Aktion zu erleben. Informiere dich über unsere Lizenzoptionen und erfahre auf unseren Lösungsseiten mehr über KI in der Landwirtschaft und Computer Vision in der Fertigung.