Die Vorteile von Ultralytics YOLO11 als ankerfreier Detektor

Wenn wir auf die Geschichte der Vision AI-Modelle zurückblicken, gibt es das Konzept der Objekterkennung – eine Kernaufgabe der Computer Vision, bei der Objekte in einem Bild oder Video identifiziert und lokalisiert werden – bereits seit den 1960er Jahren. Der Hauptgrund für ihre Bedeutung bei heutigen Spitzentechnologien ist jedoch, dass sich die Techniken zur Objekterkennung und die Modellarchitekturen seither weiterentwickelt und rasant verbessert haben.

In einem vorherigen Artikel haben wir die Entwicklung der Objekterkennung und den Weg besprochen, der zu den Ultralytics YOLO-Modellen geführt hat. Heute konzentrieren wir uns auf einen spezifischeren Meilenstein auf diesem Weg: den Sprung von anchor-basierten Detektoren zu anchor-freien Detektoren.

Anchor-basierte Detektoren stützen sich auf vordefinierte Boxen, sogenannte „Anker“, um vorherzusagen, wo sich Objekte in einem Bild befinden. Im Gegensatz dazu überspringen anchor-freie Detektoren diese vordefinierten Boxen und sagen stattdessen die Positionen von Objekten direkt voraus.

Dieser Wandel mag zwar wie eine einfache, logische Änderung erscheinen, hat aber tatsächlich zu großen Verbesserungen bei der Genauigkeit und Effizienz der Objekterkennung geführt. In diesem Artikel erfährst du, wie anchor-freie Detektoren die Computer Vision durch Weiterentwicklungen wie Ultralytics YOLO11 neu gestaltet haben.

Was sind anchor-basierte Detektoren?#

Anchor-basierte Detektoren verwenden vordefinierte Boxen, die als Anker bezeichnet werden, um Objekte in einem Bild zu lokalisieren. Du kannst dir diese Anker wie ein Raster aus Boxen unterschiedlicher Größe und Form vorstellen, die über das Bild gelegt werden. Das Modell passt diese Boxen dann an, um sie an die erkannten Objekte anzupassen. Wenn das Modell beispielsweise ein Auto identifiziert, ändert es die Ankerbox so ab, dass sie der Position und Größe des Autos genauer entspricht.

Jeder Anker ist mit einem möglichen Objekt im Bild verknüpft, und während des Trainings lernt das Modell, wie man die Ankerboxen anpasst, um Position, Größe und Seitenverhältnis des Objekts besser abzubilden. Dadurch kann das Modell Objekte in verschiedenen Maßstäben und Ausrichtungen erkennen. Die Auswahl des richtigen Satzes von Ankerboxen kann jedoch zeitaufwändig sein, und der Prozess ihrer Feinabstimmung anfällig für Fehler.

Abb. 1: Was ist eine Ankerbox?

Obwohl anchor-basierte Detektoren wie YOLOv4 in vielen Anwendungen gut funktioniert haben, weisen sie einige Nachteile auf. Beispielsweise stimmen Ankerboxen nicht immer gut mit Objekten unterschiedlicher Form oder Größe überein, was es für das Modell schwieriger macht, kleine oder unregelmäßig geformte Objekte zu erkennen. Auch die Auswahl und Feinabstimmung der Ankerboxgrößen kann zeitaufwändig sein und erfordert viel manuellen Aufwand. Abgesehen davon haben anchor-basierte Modelle oft Schwierigkeiten bei der Erkennung verdeckter oder sich überlappender Objekte, da sich die vordefinierten Boxen möglicherweise nicht gut an diese komplexeren Szenarien anpassen.

Der Wandel zur anchor-freien Objekterkennung#

Anchor-freie Detektoren gewannen 2018 mit Modellen wie CornerNet und CenterNet an Aufmerksamkeit. Diese verfolgten einen neuen Ansatz bei der Objekterkennung, indem sie die Notwendigkeit vordefinierter Anchor-Boxen eliminierten. Im Gegensatz zu herkömmlichen Modellen, die auf Anchor-Boxen verschiedener Größen und Formen angewiesen sind, um die Position von Objekten vorherzusagen, sagen anchor-freie Modelle Objektstandorte direkt vorher. Sie konzentrieren sich auf Schlüsselpunkte oder Merkmale des Objekts, wie den Mittelpunkt, was den Erkennungsprozess vereinfacht und ihn schneller und genauer macht.

So funktionieren anchor-freie Modelle im Allgemeinen:

• Keypoint-Erkennung: Anstatt vordefinierte Boxen zu verwenden, identifizieren einige Modelle wichtige Punkte an einem Objekt, wie zum Beispiel den Mittelpunkt oder bestimmte Ecken. Diese Schlüsselpunkte helfen Modellen herauszufinden, wo sich das Objekt befindet und wie groß es ist.
• Mittelpunkt-Vorhersage: Einige Modelle konzentrieren sich darauf, den Mittelpunkt eines Objekts vorherzusagen. Sobald der Mittelpunkt lokalisiert ist, kann das Modell von dort aus die Größe und Position des gesamten Objekts vorhersagen.
• Heatmap-Regression: Viele anchor-freie Modelle verwenden Heatmaps, bei denen jedes Pixel einen möglichen Standort eines Objekts darstellt. Höhere Heatmap-Werte zeigen eine größere Zuversicht an, dass an diesem Punkt ein Objekt vorhanden ist.

Abb. 2: Anchor-basierte Erkennung im Vergleich zu anchor-freier Erkennung.

Da anchor-freie Modelle nicht auf Anchor-Boxen angewiesen sind, haben sie ein einfacheres Design. Das bedeutet, sie sind rechnerisch effizienter. Da sie nicht mehrere Anchor-Boxen verarbeiten müssen, können sie Objekte schneller erkennen – ein wichtiger Vorteil bei Echtzeitanwendungen wie autonomem Fahren und Videoüberwachung.

Anchor-freie Modelle können außerdem viel besser mit kleinen, unregelmäßigen oder verdeckten Objekten umgehen. Da sie sich auf die Erkennung von Schlüsselpunkten konzentrieren, anstatt zu versuchen, Ankerboxen einzupassen, sind sie wesentlich flexibler. Dies ermöglicht ihnen die genaue Erkennung von Objekten in unübersichtlichen oder komplexen Umgebungen, in denen anchor-basierte Modelle versagen könnten.

Ultralytics YOLO11: Ein anchor-freier Detektor#

Ursprünglich für Geschwindigkeit und Effizienz entwickelt, haben sich YOLO-Modelle schrittweise von anchor-basierten Methoden zu anchor-freien Detektoren gewandelt, wodurch Modelle wie Ultralytics YOLO11 schneller, flexibler und besser für eine Vielzahl von Echtzeitanwendungen geeignet sind.

Hier ist ein kurzer Überblick darüber, wie sich das anchor-freie Design über verschiedene YOLO-Versionen hinweg entwickelt hat:

• Ultralytics YOLOv5u: Führt den Anchor-Free Split Ultralytics Head ein, wodurch der Bedarf an vordefinierten Ankerboxen entfällt. Stattdessen sagt das Modell direkt voraus, wo sich Objekte in einem Bild befinden, was den Prozess vereinfacht und Flexibilität sowie Geschwindigkeit verbessert.
• YOLOv6: Es wurde eine neue Methode namens Anchor-Aided Training (AAT) verwendet, bei der Anker nur während des Trainings eingesetzt wurden. Dadurch konnte das Modell beim Training von der Struktur anchor-basierter Methoden profitieren und gleichzeitig zur Laufzeit die anchor-freie Erkennung für eine bessere Geschwindigkeit und Anpassungsfähigkeit nutzen.
• Ultralytics YOLOv8: Vollständiger Wechsel zur anchor-freien Erkennung durch die Verwendung des Anchor-Free Split Ultralytics Head. Dies machte das Modell schneller und genauer, insbesondere bei kleinen oder unregelmäßig geformten Objekten, die nicht gut zu Ankerboxen passen.
• Ultralytics YOLO11: Baut auf dem anchor-freien Ansatz von YOLOv8 auf und optimiert die Erkennung noch weiter, indem Ankerboxen vollständig eliminiert werden. Dies führt zu einer schnelleren und genaueren Erkennung für Echtzeitanwendungen wie Überwachung des Tierverhaltens und Einzelhandelsanalysen.

Abb. 3. Vergleich zwischen Ultralytics YOLOv8 und Ultralytics YOLO11.

Echtzeitanwendungen von Ultralytics YOLO11#

Ein gutes Beispiel für die Vorteile der ankerfreien Detektion mit Ultralytics YOLO11 findet sich bei autonomous vehicles. In selbstfahrenden Autos ist das schnelle und präzise Erkennen von Fußgängern, anderen Fahrzeugen und Hindernissen entscheidend für die Sicherheit. Der ankerfreie Ansatz von YOLO11 vereinfacht den Erkennungsprozess, indem er direkt die Schlüsselpunkte von Objekten vorhersagt – wie das Zentrum eines Fußgängers oder die Begrenzungen eines anderen Fahrzeugs –, anstatt sich auf vordefinierte Ankerboxen zu verlassen.

Abb. 4: Vorteile der anchor-freien Detektion in Ultralytics YOLO11 (Bild vom Autor).

Ultralytics YOLO11 muss kein Anker-Gitter an jedes Objekt anpassen, was rechenintensiv und langsam sein kann. Stattdessen konzentriert es sich auf Schlüsselmerkmale, wodurch es schneller und effizienter wird. Wenn beispielsweise ein Fußgänger den Weg des Fahrzeugs kreuzt, kann YOLO11 dessen Position durch die Bestimmung von Schlüsselpunkten schnell identifizieren, selbst wenn die Person teilweise verdeckt ist oder sich bewegt. Die Fähigkeit, sich ohne Ankerboxen an unterschiedliche Formen und Größen anzupassen, ermöglicht es YOLO11, Objekte zuverlässiger und mit höheren Geschwindigkeiten zu erkennen, was für die Echtzeit-Entscheidungsfindung in Systemen für autonomes Fahren unerlässlich ist.

Weitere Anwendungsbereiche, in denen die anchor-freien Fähigkeiten von Ultralytics YOLO11 besonders hervorstechen, umfassen:

• Retail and inventory management: Ultralytics YOLO11 macht es einfacher, Produkte in Regalen zu überwachen, selbst wenn sie gestapelt oder teilweise verdeckt sind. Das hilft bei einer schnelleren, genauereren Bestandsverfolgung und reduziert Fehler.
• Medizinische Bildgebung: YOLO11 ist auch im Gesundheitswesen effektiv, wo es Tumore oder andere Anomalien in medizinischen Scans erkennen kann. Seine Fähigkeit, mit unregelmäßig geformten Objekten zu arbeiten, trägt dazu bei, die Genauigkeit bei der Diagnose komplexer Erkrankungen zu verbessern.
• Wildlife monitoring: In der Wildtierforschung kann Ultralytics YOLO11 Tiere in dichten Wäldern oder schwierigem Gelände verfolgen und Forschern helfen, das Verhalten zu überwachen oder gefährdete Arten zu schützen.
• Sports analytics: Ultralytics YOLO11 kann verwendet werden, um Spieler, Ballbewegungen oder andere Elemente bei Sportveranstaltungen in Echtzeit zu verfolgen, um wertvolle Einblicke für Teams, Trainer und Sender zu liefern.

Überlegungen bei der Arbeit mit anchor-freien Modellen#

Obwohl anchor-freie Modelle wie Ultralytics YOLO11 viele Vorteile bieten, bringen sie auch bestimmte Einschränkungen mit sich. Einer der wichtigsten praktischen Aspekte ist, dass selbst anchor-freie Modelle bei Verdeckungen oder stark überlappenden Objekten Schwierigkeiten haben können. Der Grund dafür ist, dass Computer Vision darauf abzielt, das menschliche Sehen zu replizieren, und genau wie wir manchmal Schwierigkeiten haben, verdeckte Objekte zu identifizieren, können KI-Modelle vor ähnlichen Herausforderungen stehen.

Ein weiterer interessanter Faktor betrifft die Verarbeitung von Modellvorhersagen. Obwohl die Architektur anchor-freier Modelle einfacher ist als die anchor-basierter, ist in bestimmten Fällen eine zusätzliche Verfeinerung erforderlich. Beispielsweise können Nachbearbeitungstechniken wie Non-Maximum Suppression (NMS) erforderlich sein, um überlappende Vorhersagen zu bereinigen oder die Genauigkeit in überfüllten Szenen zu verbessern.

Mit Ultralytics YOLO11 das Fundament für die Zukunft der KI legen#

Der Übergang von anchor-basierten zu anchor-freien Detektoren war ein bedeutender Fortschritt in der Objekterkennung. Bei anchor-freien Modellen wie Ultralytics YOLO11 wird der Prozess vereinfacht, was zu Verbesserungen sowohl bei der Genauigkeit als auch bei der Geschwindigkeit führt.

Mit Ultralytics YOLO11 haben wir gesehen, wie sich die ankerfreie Objekterkennung in Echtzeitanwendungen wie selbstfahrenden Autos, Videoüberwachung und medizinischer Bildgebung auszeichnet, bei denen eine schnelle und präzise Erkennung entscheidend ist. Dieser Ansatz versetzt YOLO11 in die Lage, sich leichter an unterschiedliche Objektgrößen und komplexe Szenen anzupassen und in verschiedenen Umgebungen eine bessere Leistung zu erzielen.

Während sich die Computer Vision weiterentwickelt, wird die Objekterkennung nur noch schneller, flexibler und effizienter werden.

Entdecke unser GitHub-Repository und werde Teil unserer engagierten Community, um über alle Themen rund um KI auf dem Laufenden zu bleiben. Sieh dir an, wie Vision AI Branchen wie die Fertigungsindustrie und die Landwirtschaft beeinflusst.