Alles, was du über Computer-Vision-Aufgaben wissen musst

Dank Kameras und Fortschritten in der Künstlichen Intelligenz (KI) sind Computer und Maschinen heute in der Lage, die Welt ähnlich zu sehen wie Menschen. Sie können zum Beispiel Personen erkennen, Objekte verfolgen und sogar den Kontext dessen verstehen, was in einem Video passiert.

Genauer gesagt ist computer vision der KI-Zweig, der Maschinen befähigt, visuelle Informationen aus ihrer Umwelt zu verstehen und zu interpretieren. Computer vision umfasst eine Vielzahl von Aufgaben, die jeweils darauf ausgelegt sind, eine bestimmte Art von Erkenntnissen aus Bildern oder Videos zu gewinnen. Beispielsweise hilft die Objekterkennung dabei, verschiedene Elemente in einem Bild zu identifizieren und zu lokalisieren, während andere Aufgaben wie Tracking, Segmentierung und Pose Estimation Maschinen dabei unterstützen, Bewegungen, Formen und Positionen genauer zu verstehen.

Die für eine bestimmte Anwendung verwendete computer vision task hängt von der Art der benötigten Einblicke ab. Computer-Vision-Modelle wie Ultralytics YOLO11 unterstützen verschiedene computer vision tasks, was sie zu einer zuverlässigen Wahl für den Aufbau realer Vision-AI-Systeme macht.

In diesem Leitfaden werfen wir einen genaueren Blick auf die Computer-Vision-Aufgaben, die von Modellen wie YOLO11 unterstützt werden. Wir untersuchen, wie jede Aufgabe funktioniert und wie sie in verschiedenen Branchen eingesetzt wird. Lass uns anfangen!

Was sind Computer-Vision-Aufgaben?#

Computer-Vision-Aufgaben zielen darauf ab, die menschlichen Sehfähigkeiten auf unterschiedliche Weise zu replizieren. Diese Aufgaben können Maschinen dabei helfen, Objekte zu erkennen, ihre Bewegungen zu verfolgen, Posen zu schätzen und sogar einzelne Elemente in Bildern und Videos zu umreißen. Typischerweise werden Computer-Vision-Aufgaben durch Modelle ermöglicht, die visuelle Daten in kleinere Teile zerlegen, damit sie klarer interpretieren können, was geschieht.

Vision AI models wie Ultralytics YOLO-Modelle unterstützen mehrere Aufgaben wie Erkennung, Tracking und Segmentierung in einem einzigen Framework. Aufgrund dieser Vielseitigkeit lassen sich YOLO11-Modelle für eine Vielzahl von Anwendungsfällen leicht übernehmen.

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

Ein gutes Beispiel hierfür ist die Sportanalytik. YOLO11 kann verwendet werden, um jeden Spieler auf dem Spielfeld mittels Objekt-Detektion zu erkennen, und ihn dann während des gesamten Spiels mit Objekt-Tracking zu verfolgen. Gleichzeitig können die Pose-Estimation-Funktionen von YOLO11 dabei helfen, Spielerbewegungen und -techniken zu analysieren, und die Instanz-Segmentierung kann jeden Spieler vom Hintergrund trennen, was die Analyse präziser macht.

Zusammen ergeben diese YOLO11-basierten Computer-Vision-Aufgaben ein vollständiges Bild dessen, was während des Spiels passiert, und geben Teams tiefere Einblicke in Spielerleistung, Taktik und Gesamtstrategie.

Eine Übersicht über die von Ultralytics YOLO11 unterstützten Computer-Vision-Aufgaben#

Nachdem wir uns nun angesehen haben, was Computer-Vision-Aufgaben sind, wollen wir uns im Detail mit den einzelnen von YOLO11 unterstützten Aufgaben beschäftigen und dabei Beispiele aus der realen Welt verwenden.

Die Unterstützung von Ultralytics YOLO11 für die Bildklassifizierung#

Wenn du dir ein Foto ansiehst, können die meisten Menschen leicht erkennen, ob es einen Hund, einen Berg oder ein Verkehrsschild zeigt, da wir alle gelernt haben, wie diese Dinge normalerweise aussehen. Image classification hilft Maschinen dabei, dasselbe zu tun, indem sie ihnen beibringt, ein Bild basierend auf seinem Hauptobjekt zu klassifizieren und zu beschriften – egal ob es sich um ein „Auto“, eine „Banane“ oder ein „Röntgenbild mit Fraktur“ handelt. Dieses Label hilft Computer-Vision-Systemen, den visuellen Inhalt zu verstehen, damit sie entsprechend reagieren oder Entscheidungen treffen können.

Eine interessante Anwendung dieser Computer-Vision-Aufgabe ist das Wildtiermonitoring. Bildklassifizierung kann verwendet werden, um verschiedene Tierarten auf Fotos zu identifizieren, die in freier Wildbahn aufgenommen wurden. Durch die automatische Kennzeichnung von Bildern können Forscher Populationen verfolgen, Migrationsmuster überwachen und gefährdete Arten leichter identifizieren, um Naturschutzbemühungen zu unterstützen.

Fig 2. Ein Beispiel für die Verwendung von YOLO11 für die image classification.

Die Objekterkennungsfunktionen von Ultralytics YOLO11#

Während die image classification nützlich ist, um eine allgemeine Vorstellung davon zu bekommen, was ein Bild enthält, weist sie dem gesamten Bild nur ein einziges Label zu. In Situationen, in denen detaillierte Informationen wie der genaue Standort und die Identität mehrerer Objekte erforderlich sind, wird object detection unerlässlich.

Objekt-Detektion ist der Prozess des Identifizierens und Lokalisierens einzelner Objekte in einem Bild, oft durch das Zeichnen von Bounding Boxes um sie herum. Ultralytics YOLO11 erzielt besonders gute Ergebnisse bei der Echtzeit-Objekt-Detektion, was es ideal für eine breite Palette von Anwendungen macht.

Nimm zum Beispiel Computer-Vision-Lösungen, die im Einzelhandel zur Bestückung von Regalen eingesetzt werden. Objekt-Detektion kann dabei helfen, Früchte, Gemüse und andere Artikel zu zählen und so eine genaue Bestandsaufnahme zu gewährleisten. Auf landwirtschaftlichen Feldern kann dieselbe Technologie die Fruchtreife überwachen, um Landwirten zu helfen, den besten Erntezeitpunkt zu bestimmen, und sogar zwischen reifen und unreifen Produkten unterscheiden.

Abb. 3. Früchte erkennen mit Ultralytics YOLO11.

YOLO11 für Instanz-Segmentierung verwenden#

Die object detection verwendet Bounding Boxes, um Objekte in einem Bild zu identifizieren und zu lokalisieren, erfasst jedoch nicht deren genaue Formen. Genau hier kommt instance segmentation ins Spiel. Anstatt einen Kasten um ein Objekt zu ziehen, zeichnet die instance segmentation dessen genaue Kontur nach.

Du kannst es dir so vorstellen: Anstatt nur anzuzeigen, dass "in diesem Bereich ein Apfel ist", zeichnet es sorgfältig die exakte Form des Apfels nach und füllt sie aus. Dieser detaillierte Prozess hilft KI-Systemen dabei, die Grenzen eines Objekts klar zu verstehen, insbesondere wenn Objekte nahe beieinander liegen.

Instanz-Segmentierung kann auf viele Anwendungen angewendet werden, von Infrastrukturinspektionen bis hin zu geologischen Untersuchungen. So können beispielsweise Daten aus geologischen Untersuchungen mit YOLO11 analysiert werden, um sowohl große als auch kleine Oberflächenrisse oder Anomalien zu segmentieren. Durch das Zeichnen präziser Grenzen um diese Anomalien können Ingenieure Probleme lokalisieren und angehen, bevor ein Projekt beginnt.

Abb. 4. YOLO11-fähige Riss-Segmentierung.

Objekt-Tracking: Objekte über Frames hinweg mit YOLO11 verfolgen#

Bisher haben sich die von uns betrachteten computer vision tasks auf das konzentriert, was in einem einzelnen Bild enthalten ist. Bei Videos benötigen wir jedoch Einblicke, die über einen einzelnen Frame hinausgehen. Dazu kann die Aufgabe object tracking verwendet werden.

Die Objekt-Tracking-Fähigkeit von YOLO11 kann einem bestimmten Objekt, wie einer Person oder einem Auto, folgen, während es sich über eine Reihe von Videoframes bewegt. Selbst wenn sich der Kamerawinkel ändert oder andere Objekte auftauchen, verfolgt das System weiterhin dasselbe Ziel.

Dies ist entscheidend für Anwendungen, die eine Überwachung im Zeitverlauf erfordern, wie das Verfolgen von Autos im Verkehr. Tatsächlich kann YOLO11 Fahrzeuge präzise verfolgen und jedes Auto verfolgen, um deren Geschwindigkeit in Echtzeit zu schätzen. Dies macht Objekt-Tracking zu einer Schlüsselkomponente in Systemen wie der Verkehrsüberwachung.

Fig 5. Die Unterstützung von YOLO11 für das object tracking kann zur Geschwindigkeitsabschätzung verwendet werden.

Erkennung von orientierten Bounding Boxes (OBB) mit YOLO11#

Objekte in der realen Welt sind nicht immer perfekt ausgerichtet – sie können geneigt, seitwärts oder in seltsamen Winkeln positioniert sein. Zum Beispiel erscheinen Schiffe und Gebäude auf Satellitenbildern oft gedreht.

Traditionelle Methoden zur Objekterkennung verwenden feste rechteckige Boxen, die sich nicht an die Ausrichtung eines Objekts anpassen, was es schwierig macht, diese gedrehten Formen genau zu erfassen. Oriented bounding box (OBB) detection löst dieses Problem, indem Boxen verwendet werden, die sich drehen, um sich eng an ein Objekt anzuschmiegen und sich an dessen Winkel für eine präzisere Erkennung auszurichten.

In Bezug auf die Hafenüberwachung kann die Unterstützung von YOLO11 für OBB-Detektion dabei helfen, Schiffe unabhängig von ihrer Ausrichtung präzise zu identifizieren und zu verfolgen, wodurch sichergestellt wird, dass jedes Schiff, das in den Hafen ein- oder ausläuft, ordnungsgemäß überwacht wird. Diese präzise Detektion liefert Echtzeitinformationen über Schiffs-Positionen und -Bewegungen, was für das Management belebter Häfen und die Vermeidung von Kollisionen entscheidend ist.

Fig 6. Erkennung von Booten mithilfe von OBB detection und YOLO11.

Pose-Estimation und YOLO11: Keypoints verfolgen#

Pose estimation ist eine Computer-Vision-Technik, die Schlüsselpunkte wie Gelenke, Gliedmaßen oder andere Marker verfolgt, um zu verstehen, wie sich ein Objekt bewegt. Anstatt ein ganzes Objekt oder einen ganzen Körper als eine komplette Einheit zu behandeln, unterteilt diese Methode ihn in seine Schlüsselteile. Dies ermöglicht es, Bewegungen, Gesten und Interaktionen im Detail zu analysieren.

Eine häufige Anwendung dieser Technologie ist die menschliche Pose-Estimation. Durch die Verfolgung der Positionen verschiedener Körperteile in Echtzeit bietet sie ein klares Bild davon, wie sich eine Person bewegt. Diese Informationen können für eine Vielzahl von Zwecken verwendet werden, von Gestenerkennung und Aktivitätsüberwachung bis hin zur Leistungsanalyse im Sport.

Ebenso können Therapeuten in der physischen Rehabilitation die menschliche Pose-Estimation und YOLO11 verwenden, um die Bewegungen der Patienten während der Übungen zu überwachen. Dies hilft sicherzustellen, dass jede Bewegung korrekt ausgeführt wird, während der Fortschritt im Zeitverlauf verfolgt wird.

Fig 7. YOLO11 kann ein Training mithilfe von pose estimation überwachen.

Untersuchung, wie YOLO11 verschiedene Computer-Vision-Aufgaben unterstützt#

Nachdem wir nun alle von YOLO11 unterstützten Computer-Vision-Aufgaben im Detail untersucht haben, lass uns durchgehen, wie YOLO11 sie unterstützt.

YOLO11 ist nicht nur ein einzelnes Modell, sondern eine Suite spezieller Modellvarianten, die jeweils für eine bestimmte computer vision task entwickelt wurden. Dies macht YOLO11 zu einem vielseitigen Werkzeug, das an eine Vielzahl von Anwendungen angepasst werden kann. Du kannst diese Modelle auch auf benutzerdefinierten datasets feinabstimmen, um die einzigartigen Herausforderungen deiner Projekte zu bewältigen.

Hier sind die für spezifische Vision-Aufgaben vor训练ierten YOLO11 model variants:

• YOLO11: Dieses Modell erkennt und beschriftet mehrere Objekte in Echtzeit, was es ideal für die visuelle Hochgeschwindigkeitserkennung macht.
• YOLO11-seg: Diese Variante konzentriert sich auf Segmentierung durch die Verwendung detaillierter Masken, um Objekte von ihrem Hintergrund zu trennen.
• YOLO11-obb: Dieses Modell wurde entwickelt, um gedrehte Objekte durch das Zeichnen von Bounding Boxes zu erkennen, die sich an der Ausrichtung jedes Objekts ausrichten.
• YOLO11-cls: Diese Variante klassifiziert Bilder durch das Zuweisen eines einzelnen Kategorie-Labels basierend auf dem Gesamtinhalt.
• YOLO11-pose: Dieses Modell schätzt Keypoints am Körper, um Haltung, Gliedmaßenpositionen und Bewegung zu verfolgen.

Jede Variante ist in verschiedenen Größen verfügbar, was es Benutzern ermöglicht, das richtige Gleichgewicht zwischen Geschwindigkeit und Genauigkeit für ihre spezifischen Bedürfnisse zu wählen.

Wichtige Erkenntnisse#

Computer-Vision-Aufgaben verändern die Art und Weise, wie Maschinen die Welt verstehen und mit ihr interagieren. Durch das Zerlegen von Bildern und Videos in Schlüsselelemente erleichtern diese Technologien es, Objekte, Bewegungen und Interaktionen detailliert zu analysieren.

Von der Verbesserung der Verkehrssicherheit und sportlicher Leistung bis hin zur Optimierung industrieller Prozesse können Modelle wie YOLO11 Echtzeit-Erkenntnisse liefern, die Innovationen vorantreiben. Da sich Vision-KI weiterentwickelt, wird sie wahrscheinlich eine immer wichtigere Rolle dabei spielen, wie wir visuelle Daten täglich interpretieren und nutzen.

Werde Teil von our community und besuche our GitHub repository, um KI in Aktion zu erleben. Entdecke our licensing options und erfahre mehr über AI in agriculture und computer vision in manufacturing auf unseren Lösungsseiten.