Wie du Ultralytics YOLO26 für die Instanzsegmentierung benutzerdefiniert trainierst

Dank jüngster technologischer Fortschritte werden viele intelligente Systeme, die im Stillen, aber wirkungsvoll unser Leben prägen, durch KI angetrieben. Wenn zum Beispiel ein Auto eine rote Ampel überfährt und eine Kamera den Verstoß automatisch aufzeichnet oder ein automatisiertes Qualitätsprüfungssystem einen Herstellungsfehler in einer Produktionslinie erkennt, leistet KI die Arbeit hinter den Kulissen.

Insbesondere ermöglicht ein KI-Zweig namens computer vision Maschinen, Bilder und Videos zu interpretieren und zu verstehen. Computer vision versetzt Systeme in die Lage, Objekte zu erkennen, Bewegungen zu verfolgen und visuelle Details in Echtzeit zu analysieren, was sie für Anwendungen wie Verkehrsüberwachung, industrielle Inspektion und Robotik unerlässlich macht.

Diese Funktionen werden durch computer vision models wie Ultralytics YOLO26 ermöglicht, das eine Vielzahl von Visionsaufgaben unterstützt, darunter Objekterkennung und Instanzsegmentierung. Während die Objekterkennung Objekte mithilfe einfacher Bounding Boxes identifiziert, geht die Instanzsegmentierung einen Schritt weiter, indem sie jedes Objekt auf Pixelebene umrandet, was genauere und zuverlässigere Ergebnisse in realen Szenarien ermöglicht.

Abb. 1: Segmentieren von Objekten in einem Bild mit Ultralytics YOLO26

Modelle wie Ultralytics YOLO26 sind vortrainiert und können alltägliche Objekte wie Personen, Autos und Tiere direkt nach dem Auspacken segmentieren. Für spezifischere Anwendungen können sie jedoch auch benutzerdefiniert trainiert werden. Mit anderen Worten: Die Modelle können lernen, wie Objekte aussehen und wie sie präzise umrandet werden.

In diesem Artikel zeigen wir dir, wie du Ultralytics YOLO26 individuell für die Instanzsegmentierung trainierst. Fangen wir an!

Was ist Instanzsegmentierung?#

Bevor wir in das Trainieren von Modellen eintauchen, wollen wir einen Schritt zurückgehen und verstehen, was instance segmentation eigentlich bedeutet.

Instanzsegmentierung ist eine Computer-Vision-Aufgabe, bei der ein Modell jedes einzelne Objekt in einem Bild finden und seine exakte Form umranden kann. Anstatt nur festzustellen, dass ein Objekt existiert, betrachtet das Modell jedes Pixel im Bild und entscheidet, ob es zu einem bestimmten Objekt gehört.

Das bedeutet, es kann Objekte selbst dann trennen, wenn sie sich überlappen oder sehr nah beieinander liegen. Ein Schlüsselkonzept, das die Instanzsegmentierung leicht verständlich macht, ist die Maske.

Eine Maske ist eine Umrandung auf Pixelebene, die nur den Bereich eines Objekts abdeckt. Du kannst dir das wie das Ausmalen eines Objekts mit einem Textmarker vorstellen, während alles andere unangetastet bleibt.

Jedes Objekt erhält seine eigene Maske, wodurch das Modell in der Lage ist, ein Objekt von einem anderen zu unterscheiden, selbst wenn es sich um dieselbe Art handelt, wie etwa zwei Autos oder zwei Menschen, die nebeneinander stehen.

Abb. 2. Ein Blick auf die Instanzsegmentierung

Um eine bessere Vorstellung davon zu bekommen, was Instanzsegmentierung ist, können wir sie mit anderen gängigen computer vision tasks vergleichen. Die Objekterkennung verwendet Bounding Boxes, bei denen es sich um einfache Rechtecke handelt, die um Objekte herum gezeichnet werden. Bounding Boxes sind schnell und nützlich, erfassen jedoch nicht die genaue Form eines Objekts.

Unterdessen beschriftet die semantische Segmentierung jedes Pixel im Bild nach Kategorie, unterscheidet jedoch nicht zwischen einzelnen Objekten derselben Klasse. Die Instanzsegmentierung kombiniert das Beste aus beiden Ansätzen, indem sie Objektkategorien identifiziert und jedem einzelnen Objekt eine separate Maske zuweist.

Da die Instanzsegmentierung solch detaillierte Informationen liefert, ist sie besonders nützlich in realen Anwendungen wie der automatisierten Qualitätsprüfung, der medizinischen Bildgebung und der Robotik. Aufgaben, die präzise Messungen, genaue Begrenzungen oder Objektseparation erfordern, können von diesem Verständnis auf Pixelebene profitieren.

Ultralytics YOLO26 unterstützt Instanzsegmentierung#

Ultralytics YOLO26 ist ein End-to-End, NMS-freies Computer-Vision-Modell der Spitzenklasse, das dafür entwickelt wurde, reale Vision-Aufgaben schnell und effizient zu bewältigen. Es gehört zur Ultralytics YOLO-Familie der Erkennungsmodelle, die Bilder und Videos in Echtzeit verarbeiten können und dabei präzise Ergebnisse liefern.

Ultralytics YOLO26 unterstützt mehrere Vision-Aufgaben innerhalb eines einzigen Frameworks, darunter Objekterkennung, Posing-Schätzung, Bildklassifizierung, Erkennung von orientierten Begrenzungsrahmen (OBB-Erkennung) und Instanzsegmentierung.

Von Haus aus wird Ultralytics YOLO26 vortrainiert geliefert, was bedeutet, dass es bereits gelernt hat, gängige Objekte wie Personen, Fahrzeuge und Alltagsgegenstände anhand großer, weit verbreiteter Datensätze wie dem COCO-Datensatz und dem ImageNet-Datensatz zu erkennen. Du kannst das Modell sofort ohne zusätzliches Training verwenden.

Wenn deine Anwendung jedoch einzigartige Objekte, spezifische Umgebungen oder ungewöhnliche Lichtverhältnisse umfasst, kann das benutzerdefinierte Modelltraining die Ergebnisse erheblich verbessern. Indem du Ultralytics YOLO26 mit deinen eigenen beschrifteten Bildern trainierst, kannst du dem Modell genau beibringen, worauf es achten muss und wie es Objekte für deinen spezifischen Anwendungsfall präziser umrandet.

Dieser Prozess wird auch als Fine-Tuning bezeichnet. Anstatt ein Modell von Grund auf neu zu trainieren, beginnt das Fine-Tuning mit einem vortrainierten Ultralytics YOLO26-Modell und passt es mithilfe deiner eigenen Daten behutsam an. Da das Modell allgemeine visuelle Muster wie Kanten, Formen und Texturen bereits versteht, benötigt es deutlich weniger beschriftete Bilder und viel weniger Zeit, um deine spezifischen Objekte zu erlernen.

Einfach ausgedrückt ist Fine-Tuning schneller, effizienter und zugänglicher als das Training eines Modells von Grund auf. Das benutzerdefinierte Training von Ultralytics YOLO26 ist selbst für Anfänger oder Teams mit begrenzten Daten- und Rechenressourcen eine praktische Option.

Erkunden von Anwendungsfällen für die Instanzsegmentierung mit Ultralytics YOLO26#

Wo kann die Instanzsegmentierung also eine Wirkung erzielen? In Situationen, in denen es darauf ankommt, Objekte voneinander zu unterscheiden und ihre exakten Formen zu verstehen, besonders wenn es voll wird oder sich Objekte überlappen.

Hier sind einige gängige Arbeitsabläufe, bei denen die Instanzsegmentierung einen echten Unterschied macht:

• Aerial and drone imaging: Diese Aufgabe ermöglicht es Drohnen, Objekte wie Gebäude, Fahrzeuge und Vegetation in Luftbildern für Kartierung, Inspektion und Vermessung voneinander zu trennen.
• Sportanalysen: Die Instanzsegmentierung hilft bei der Analyse von Spielerbewegungen und Interaktionen, indem einzelne Athleten während Spielen oder Trainingseinheiten vom Hintergrund getrennt werden.
• Bau- und Infrastrukturüberwachung: Sie hilft dabei, bauliche Elemente, Risse oder beschädigte Bereiche in Gebäuden, Brücken und Straßen für die Wartungsplanung zu identifizieren.
• Gesundheitswesen und medizinische Bildgebung: Die Instanzsegmentierung ermöglicht es, Zellen, Gewebe oder medizinische Instrumente präzise zu umranden, was eine genauere Analyse und Diagnose unterstützt.
• Landwirtschaft und Umweltüberwachung: Sie kann Feldfrüchte, Früchte oder Pflanzenkrankheiten identifizieren und trennen, was es einfacher macht, Erträge zu schätzen und gezielte Behandlungen anzuwenden.

Abb. 3: Ein Beispiel für die Segmentierung von Unkraut mit YOLO26 (Source)

Wie das benutzerdefinierte Training von Ultralytics YOLO26 für die Instanzsegmentierung funktioniert#

Als Nächstes besprechen wir, wie das individuelle Training funktioniert. Auch wenn das Training eines Modells technisch klingen mag, ist der Gesamtprozess unkompliziert.

Du kannst deine Bilder vorbereiten, die Objekte beschriften, die das Modell lernen soll, eine kleine Einstellungsdatei konfigurieren und dann YOLO26 über das Ultralytics Python package trainieren. Das Ultralytics Python package ist eine Softwarebibliothek, die einsatzbereite Tools zum Trainieren, Testen und Bereitstellen von YOLO-Modellen bereitstellt, ohne dass du alles von Grund auf neu erstellen musst.

Schritt 1: Bereite deinen benutzerdefinierten Datensatz vor#

Der erste Schritt besteht darin, deinen benutzerdefinierten segmentation dataset vorzubereiten. Ein Datensatz ist einfach eine Sammlung von Bildern, die die Objekte zeigen, die das Modell lernen soll.

Versuche, Bilder einzubeziehen, die reale Bedingungen widerspiegeln, wie unterschiedliche Winkel, Beleuchtung, Hintergründe und Objektgrößen. Je abwechslungsreicher deine Bilder sind, desto besser wird dein Modell funktionieren.

Für die Instanzsegmentierung benötigen deine Bilder auch Annotationen. Annotation bedeutet, die Objekte in jedem Bild zu beschriften, damit das Modell weiß, was es lernen soll. Anstatt einfache Boxen zu zeichnen, wirst du detaillierte Umrisse (Polygone) um jedes Objekt zeichnen, um dessen exakte Form zu markieren. Diese Umrisse werden zu den Masken, die das Modell lernt vorherzusagen.

Es gibt verschiedene Open-Source-Annotationstools, die du verwenden kannst, um diese Labels zu erstellen. Viele dieser Tools bieten benutzerfreundliche Oberflächen, auf denen du Bilder hochladen und Objektumrisse direkt darauf zeichnen kannst.

Sobald deine Bilder und Annotationen bereit sind, kannst du sie in Trainings- und Validierungsordner organisieren. Eine typische Aufteilung sind 80 % der Bilder für das Training und 20 % für die Validierung, obwohl 70 % für das Training und 30 % für die Validierung ebenfalls üblich sind, je nach Größe deines Datensatzes. Der Trainingssatz lehrt das Modell, während der Validierungssatz verwendet wird, um zu messen, wie gut es bei Bildern funktioniert, die es vorher noch nicht gesehen hat.

Es ist wichtig, diese Aufteilung ausgewogen zu halten und sicherzustellen, dass beide Ordner eine Vielzahl von Beispielen enthalten. Ein sauberer, gut beschrifteter Datensatz mit einer korrekten Aufteilung in Training und Validierung bildet das Fundament eines starken Instanzsegmentierungsmodells.

Schritt 2: Erstelle eine Datensatz-YAML-Datei#

Nachdem du deine Bilder und Annotationen vorbereitet hast, besteht der nächste Schritt darin, eine Datensatz-YAML-Datei zu erstellen. Diese Datei hebt hervor, wo sich dein Datensatz befindet und welche Objektklassen das Modell während des Trainings lernen soll.

In dieser Datei kannst du das Stammverzeichnis des Datensatzes, die Pfade zu deinen Trainings- und Validierungsbildordnern und die Liste der Klassennamen definieren. Die Klassennamen müssen in derselben Reihenfolge aufgeführt sein wie die Klassennummern, die in deinen Annotationsdateien verwendet werden, damit alles korrekt zusammenpasst.

Wenn du Fragen zum genauen Format hast, kannst du für weitere Einzelheiten in der official Ultralytics documentation nachschlagen.

Schritt 3: Installiere das Ultralytics Python-Paket#

Nun, da dein Datensatz und deine YAML-Datei bereit sind, besteht der nächste Schritt in der Installation des Ultralytics Python-Pakets.

Dieses Paket enthält die Tools, die zum Trainieren, Validieren, Ausführen von Inferenzen und Exportieren von Ultralytics YOLO26-Modellen erforderlich sind. Es bietet eine optimierte Möglichkeit, mit YOLO-Modellen zu arbeiten, ohne komplexe Trainings-Pipelines von Grund auf neu erstellen zu müssen.

Vor der Installation des Ultralytics Python-Pakets ist es zudem wichtig, auszuwählen, wo du deinen Code ausführen möchtest. Du kannst mit dem Ultralytics-Paket in verschiedenen Entwicklungsumgebungen arbeiten, wie:

• Command Line Interface (CLI): Es ist eine textbasierte Umgebung, in der du mit deinem Computer interagierst, indem du Befehle tippst. Anstatt Schaltflächen zu klicken oder durch Menüs zu navigieren wie in einer grafischen Oberfläche, gibst du schriftliche Anweisungen ein, um Programme auszuführen und Aufgaben direkt durchzuführen.
• Jupyter Notebooks: Eine interaktive Umgebung, in der du Code in kleinen Abschnitten schreibst und ausführst und das Ergebnis sofort siehst. Dies ist hilfreich für Experimente und zum Lernen.
• Google Colab: Eine cloudbasierte Notebook-Plattform, die keine lokale Installation erfordert und optionalen Zugriff auf Grafikprozessoren (GPUs) bietet. Dies ist oft die einfachste Option für Anfänger.

Sobald du deine Umgebung ausgewählt hast, kannst du das Ultralytics Python-Paket installieren. Um es zu installieren, führe den folgenden Befehl aus:

pip install ultralytics

Wenn du eine Notebook-basierte Umgebung wie Google Colab oder Jupyter Notebook verwendest, füge ein Ausrufezeichen an den Anfang des Befehls ein. Wenn du auf Installationsprobleme stößt, kannst du in der Ultralytics-Dokumentation oder im troubleshooting guide nach gängigen Lösungen und Tipps zur Einrichtung der Umgebung suchen.

Nach der Installation bist du bereit, ein vortrainiertes Ultralytics YOLO26-Segmentierungsmodell zu laden und mit dem Training zu beginnen.

Schritt 4: Trainiere Ultralytics YOLO26 für die Instanzsegmentierung#

Bevor du mit dem Training beginnst, musst du eine Modellgröße auswählen. Ultralytics YOLO26-Modelle sind in verschiedenen Größen verfügbar: Nano (n), Small (s), Medium (m), Large (l) und Extra Large (x).

Kleinere Modelle trainieren schneller und laufen effizienter auf zentralen Prozessoren (CPUs) oder Edge-Geräten, während größere Modelle normalerweise eine höhere Genauigkeit bieten, aber mehr Speicher benötigen und von GPU-Beschleunigung profitieren. Wenn du gerade erst anfängst oder mit begrenzter Hardware arbeitest, ist die Nano-Version (YOLO26n) eine praktische Wahl.

Sobald du eine Modellgröße ausgewählt hast, besteht der nächste Schritt darin, ein vortrainiertes Segmentierungsmodell zu laden und es mit dem Training auf deinem benutzerdefinierten Datensatz zu beginnen. Dazu musst du die vortrainierte Modelldatei, den Pfad zu deiner Datensatz-YAML-Datei, die Anzahl der Epochen und die Bildgröße wie unten dargestellt angeben.

from ultralytics import YOLO

model = YOLO("yolo26n-seg.pt")
results = model.train(data="path/to/file.yaml", epochs=100, imgsz=640)

Die Anzahl der Epochen bestimmt, wie oft das Modell den gesamten Trainingsdatensatz durchläuft. Mit jeder Epoche trifft das Modell Vorhersagen, vergleicht sie mit den korrekten Annotationen, berechnet Fehler und aktualisiert seine internen Parameter, um die Leistung zu verbessern.

Wenn das Training korrekt startet, wirst du die Modellkonfiguration, das Scannen des Datensatzes und den Trainingsfortschritt in deinem Terminal oder Notebook angezeigt bekommen. Während das Training fortgesetzt wird, werden Verlustwerte und Bewertungsmetriken nach jeder Epoche aktualisiert, was zeigt, wie sich das Modell im Laufe der Zeit verbessert.

Schritt 5: Bewerte die Leistung des individuell trainierten Modells#

Nach Abschluss des Trainingsprozesses kannst du die Leistungsmetriken des Modells überprüfen und validieren. In Google Colab kannst du zum „runs“-Ordner navigieren, dann zum „segment“-Ordner und schließlich zum „train“-Ordner, wo du Protokolle mit wichtigen Leistungsindikatoren findest.

Für Benutzer, die in einer Python-Umgebung arbeiten, werden die Trainingsergebnisse standardmäßig im Verzeichnis „runs/train/“ in deinem aktuellen Arbeitsverzeichnis gespeichert. Jeder Trainingslauf erstellt ein neues Unterverzeichnis, wie etwa runs/train/exp oder runs/train/exp2, in dem du Protokolle, gespeicherte Gewichte und andere Ausgaben zu diesem Experiment findest.

Wenn du die CLI verwendest, kannst du auf diese Ergebnisse zugreifen und sie mit dem Befehl „yolo settings“ verwalten. Dieser Befehl ermöglicht es dir, die Pfade und Konfigurationen bezüglich der Trainingsprotokolle und Experimentdetails anzuzeigen oder zu ändern.

Unter den gespeicherten Ausgaben findest du auch Diagramme, die während des Trainings generiert wurden. Diese Diagramme zeigen, wie sich das Modell im Laufe der Zeit verbessert hat. Sie zeigen zum Beispiel, wie der Verlust abnahm, während das Modell lernte, und wie Bewertungsmetriken wie Präzision, Recall und mittlere durchschnittliche Präzision über die Epochen hinweg stiegen.

Abb. 4: Die Art von Diagrammen, die du zur Bewertung deines Modells analysieren kannst (Source)

Diese visuellen Trends können dir helfen zu verstehen, ob das Modell erfolgreich trainiert wurde und wie stark es sich vom Anfang bis zum Ende des Trainings verbessert hat. Die Überprüfung sowohl der numerischen Metriken als auch der Diagramme gibt dir ein klareres Bild davon, wie gut dein Instanzsegmentierungsmodell funktioniert, bevor du mit dem Testen mit neuen Bildern fortfährst.

Schritt 6: Teste dein Modell und führe Inferenzen durch#

Nach der Validierung deines Modells ist der letzte Schritt das Testen an neuen Bildern. Dieser Prozess wird als Inferenz bezeichnet, was einfach bedeutet, dein trainiertes Modell zu verwenden, um Vorhersagen für ungesehene Daten zu treffen.

Du kannst die Inferenz in Python wie folgt ausführen:

results = model.predict("path/to/image.jpg", save=True, conf=0.3)

In diesem Beispiel kann "path/to/image.jpg" durch den Pfad zum Bild ersetzt werden, das du testen möchtest.

Die Einstellung „save=True“ weist das Modell an, ein neues Bild zu generieren und zu speichern, das die vorhergesagten Segmentierungsmasken über das Originalbild gezeichnet enthält.

Die Einstellung „conf=0.3“ steuert den Konfidenzschwellenwert, was bedeutet, dass das Modell nur Vorhersagen zeigt, bei denen es sich zu mindestens 30 % sicher ist, dass sie korrekt sind. Die Verringerung dieses Wertes kann zu mehr Erkennungen führen, während eine Erhöhung das Modell wählerischer macht.

Nachdem du den Befehl ausgeführt hast, erstellt das Modell einen neuen Ordner innerhalb des runs-Verzeichnisses, in dem das Ausgabebild gespeichert wird. Du kannst dieses gespeicherte Bild öffnen, um visuell zu überprüfen, wie gut die Segmentierungsmasken den Objektgrenzen folgen und ob sich überlappende Objekte korrekt getrennt werden.

Das Testen des Modells mit unterschiedlichen Bildern, Hintergründen und Lichtverhältnissen kann dir ein klareres Verständnis dafür vermitteln, wie es außerhalb des Trainingsdatensatzes funktioniert. Sobald die Ergebnisse konsistent und genau aussehen, ist das Modell bereit für den Export und die Bereitstellung.

Schritt 7: Exportiere und stelle dein Modell bereit#

Nachdem du dein Modell getestet und bestätigt hast, dass es gute Leistungen erbringt, besteht der letzte Schritt darin, es zu exportieren und bereitzustellen. Durch das Exportieren wird dein trainiertes Ultralytics YOLO26-Modell in ein Format konvertiert, das in verschiedenen Umgebungen wie Produktionsservern, Edge-Geräten oder mobilen Anwendungen ausgeführt werden kann.

Ultralytics unterstützt mehrere export formats, sodass du dasjenige auswählen kannst, das am besten zu deiner Bereitstellungsumgebung passt. Du kannst beispielsweise nach ONNX exportieren, um eine breite Kompatibilität über verschiedene Plattformen hinweg zu gewährleisten, nach TensorRT für optimierte GPU-Leistung auf NVIDIA-Hardware oder nach OpenVINO für eine effiziente CPU-basierte Bereitstellung auf Intel-Geräten. Diese Integrationen erleichtern es, dein Modell außerhalb der Trainingsumgebung auszuführen und eine starke Echtzeitleistung zu erzielen.

Du kannst dein Modell in Python mit dem folgenden Befehl exportieren:

model.export(format="onnx")

Dieser Befehl konvertiert dein trainiertes Modell in das ONNX-Format. Du kannst "onnx" je nach deinen Bereitstellungsanforderungen durch andere unterstützte Formate ersetzen.

Nach dem Export kann dein Modell in Anwendungen wie Webdienste, eingebettete Vision-Systeme, Robotikplattformen oder industrielle Inspektionssysteme integriert werden. In dieser Phase kann dein benutzerdefiniert trainiertes Ultralytics YOLO26-Instanzsegmentierungsmodell von der Experimentierphase in die reale Bereitstellung übergehen.

Wichtige Erkenntnisse#

Das individuelle Training von Ultralytics YOLO26 für die Instanzsegmentierung gibt dir die Flexibilität, ein Modell zu erstellen, das wirklich zu deinem spezifischen Anwendungsfall passt. Durch die Vorbereitung eines sauberen Datensatzes, das Einrichten deiner YAML-Datei, das Training mit vortrainierten Segmentierungsgewichten und die Überprüfung der Ergebnisse kannst du dem Modell beibringen, jedes Objekt auf Pixelebene präzise zu umranden. Einmal getestet und exportiert, kann dein YOLO26-Modell von der Entwicklung in reale Multi-Scale-Anwendungen überführt werden.

Trete our community bei und wirf einen Blick in unser GitHub repository, um mehr über KI zu erfahren. Wenn du dein eigenes Vision-KI-Projekt entwickeln möchtest, schau dir unsere licensing options an. Erfahre mehr über Anwendungen wie AI in healthcare und vision AI in retail, indem du unsere Lösungsseiten besuchst.