Wie die Ultralytics Platform KI zur Automatisierung von Annotationen nutzt

Lösungen für Computer Vision, die Bilder und Videos analysieren, werden zu einem festen Bestandteil von Arbeitsabläufen in vielen Branchen, von der Fertigung bis zur medizinischen Bildgebung. In der Fertigung beispielsweise hängt das Erkennen von Oberflächenfehlern an Produkten, die auf einem Fließband bewegt werden, von Computer-Vision-Modellen ab, die subtile Muster erkennen können.

Damit solche Modelle gut funktionieren, müssen sie mit beschrifteten Daten trainiert werden, bei denen jeder Defekt klar identifiziert ist. Dies ermöglicht es den Modellen, zu lernen, worauf sie achten müssen, und ähnliche Muster zu erkennen.

Der Prozess der Erstellung dieser Beschriftungen wird als Datenannotation bezeichnet. Insbesondere Bildannotation und Videoannotation umfassen das Zeichnen von Begrenzungsrahmen (Bounding Boxes), das Umreißen von Formen oder das Markieren spezifischer Bereiche innerhalb von Bildern und Videoframes.

Während dies für kleine Datensätze noch machbar ist, wird es bei wachsenden Datenmengen schnell schwieriger. Die Beschriftung tausender Bilder erfordert konsequenten manuellen Aufwand, was die Annotation zu einem großen Engpass macht. Traditionelle Tools sind oft langsam, fragmentiert und schwer zu skalieren.

Ultralytics Platform, die All-in-One-Vision-KI-Plattform, hilft bei der Lösung dieser Herausforderungen mit KI-gestützter Annotation. Durch die Verwendung von KI zur automatischen Erstellung erster Beschriftungen, die schnell überprüft und verfeinert werden können, reduziert sie den manuellen Aufwand und verbessert die Effizienz.

In diesem Artikel untersuchen wir, wie KI-gestützte Annotation innerhalb der Ultralytics Platform funktioniert und wie sie den Beschriftungsprozess verbessert. Lass uns anfangen!

Link to this sectionEin Überblick über den Datenannotationsprozess#

Bevor wir uns damit befassen, wie KI-gestützte Annotation auf der Ultralytics Platform funktioniert, schauen wir uns zunächst die Datenannotation genauer an.

Datenannotation, auch Datenbeschriftung genannt, ist der Prozess der Zuweisung strukturierter Labels zu Rohdaten, damit sie zum Trainieren von Machine-Learning-Modellen verwendet werden können. In der Computer Vision definieren diese Labels die Objekte, Regionen oder Merkmale von Interesse innerhalb von Bildern oder Videos.

Während des Trainings lernen Modelle oder Algorithmen, Eingabedaten diesen Labels zuzuordnen, wodurch die Annotationsqualität zu einem Schlüsselfaktor für die Modellleistung wird. Genaue und konsistente beschriftete Datensätze ermöglichen es dem Modell, korrekte Muster zu lernen, während schlechte oder inkonsistente Annotationen zu unzuverlässigen Vorhersagen führen können.

Zum Beispiel kann in einem Anwendungsfall zur Fehlererkennung ein Bild eines Produkts auf einem Fließband annotiert werden, indem markiert wird, wo Defekte auftreten und welche Art von Defekt es ist. Dies hilft dem Modell zu lernen, wie Defekte aussehen, sodass es sie in neuen Bildern identifizieren kann.

Link to this sectionEin Blick auf gängige Annotationsaufgaben#

Als Nächstes schauen wir uns einige gängige Methoden an, wie Bilder in der Computer Vision annotiert werden. Diese Methoden werden verwendet, um visuelle Daten für Aufgaben wie Objekterkennung, Instanzsegmentierung und Bildklassifizierung zu beschriften. Jede Annotationsmethode erfüllt eine andere Funktion, wie das Lokalisieren von Objekten, das Erfassen von Formen oder das Identifizieren wichtiger Strukturen.

Link to this sectionBegrenzungsrahmen#

Bounding Boxes sind einfache Rechtecke, die um Objekte in einem Bild gezeichnet werden, um zu zeigen, wo sie sich befinden. Sie sind eine der gebräuchlichsten Arten, Daten in der Computer Vision zu beschriften.

Durch das Training mit Bildern, die diese Boxen enthalten, lernen Objekterkennungsmodelle, verschiedene Objekte zu erkennen und ihre Position innerhalb eines Bildes zu verstehen. Dies ermöglicht es ihnen, mehrere Objekte gleichzeitig zu erfassen und zu identifizieren, wo sich jedes einzelne befindet.

Betrachte zum Beispiel ein Baseballspiel, das mittels Computer Vision analysiert wird. Boxen können in jedem Frame um die Spieler, den Schläger und den Ball gezeichnet werden, sodass das Modell diese Objekte während des gesamten Spiels erkennen und identifizieren kann.

Abb. 1. Bounding Boxes können verwendet werden, um mehrere Objekte zu beschriften und zu lokalisieren. (Quelle)

Link to this sectionPolygone oder Segmentierungsmasken#

Polygone, auch als Segmentierungsmasken bezeichnet, gehen einen Schritt weiter als Bounding Boxes, indem sie Objekte auf Pixelebene beschriften. Anstatt ein grobes Rechteck zu zeichnen, erfassen sie die exakte Form und die Kanten jedes Objekts in einem Bild. Dies macht sie nützlich für Aufgaben, die ein detaillierteres Verständnis erfordern.

Zum Beispiel werden Segmentierungsmasken beim autonomen Fahren für Aufgaben wie semantische Segmentierung verwendet, bei der jedem Pixel eine Kategorie wie Straße oder Himmel zugewiesen wird, sowie für Instanzsegmentierung, bei der einzelne Objekte wie Fahrzeuge oder Fußgänger separat identifiziert werden.

Sie werden auch für Aufgaben wie die Hintergrundentfernung verwendet, bei der ein Objekt, wie etwa eine Person, vom Rest des Bildes isoliert werden muss.

Link to this sectionKeypoints#

Keypoints werden verwendet, um spezifische Punkte auf einem Objekt zu markieren, wie z. B. Gelenke im menschlichen Körper oder Teile eines Tieres. Durch das Identifizieren dieser Punkte können Modelle die Struktur eines Objekts verstehen und wie seine Teile relativ zueinander positioniert sind.

In der Computer Vision ist dies als Pose Estimation bekannt, bei der das Ziel darin besteht, die Position dieser Keypoints zu identifizieren und zu verstehen, wie sie zueinander in Beziehung stehen. Die Verfolgung dieser Punkte über die Zeit ermöglicht es, Bewegungen und Haltungsänderungen zu analysieren.

Abb. 2. Keypoint-Annotationen können verwendet werden, um Gelenke für die menschliche Pose Estimation zu markieren. (Quelle)

Ein gängiges Beispiel ist das Markieren von Körpergelenken in einem Video, um menschliche Bewegungen zu analysieren. Durch die Konzentration auf diese Schlüsselpunkte können Modelle erfassen, wie eine Person positioniert ist und wie sich ihre Haltung im Laufe der Zeit ändert.

Link to this sectionOriented Bounding Box (OBB)#

Nicht alle Objekte in einem Bild sind perfekt ausgerichtet. In vielen realen Szenarien erscheinen Objekte geneigt, rotiert oder werden aus verschiedenen Winkeln betrachtet.

Standard-Bounding-Boxes haben in diesen Fällen oft Schwierigkeiten, da sie unnötigen Hintergrund enthalten können oder das Objekt nicht genau umschließen. Oriented Bounding Boxes beheben dies durch die Verwendung von rotierten Rechtecken, die sich an der Ausrichtung des Objekts orientieren. Dies führt zu genaueren und präziseren Annotationen.

Dieser Ansatz wird bei der Oriented Bounding Box (OBB) Erkennung verwendet, bei der Modelle sowohl die Position eines Objekts als auch seine Ausrichtung identifizieren. Ein Beispiel sind Luftaufnahmen, bei denen Objekte wie Gebäude, Schiffe oder Fahrzeuge oft in unterschiedlichen Winkeln erscheinen. Rotierte Boxen erleichtern es, ihre wahre Form und Richtung innerhalb der Szene zu erfassen.

Link to this sectionKlassifizierungs-Labels#

Klassifizierungs-Labels unterscheiden sich von anderen Annotationsmethoden, indem sie einem gesamten Bild ein einziges Label zuweisen, anstatt bestimmte Objekte oder Regionen zu markieren. Sie werden verwendet, wenn das Ziel darin besteht, zu identifizieren, was in einem Bild vorhanden ist, ohne sich darauf zu konzentrieren, wo es erscheint.

Zum Beispiel kann ein Bild basierend auf seinem Gesamtinhalt als „Katze“ oder „Hund“ gelabelt werden. Dies macht die Bildklassifizierung nützlich für Aufgaben, bei denen ein allgemeines Verständnis des Bildes ausreicht.

Link to this sectionEinschränkungen traditioneller Annotations-Tools#

Viele traditionelle Beschriftungstools beruhen auf mehreren Schritten und getrennten Arbeitsabläufen. KI-Entwicklungsteams müssen oft zwischen Annotationsplattformen für die Beschriftung, Speicherung und Validierung wechseln, was KI-Projekte verlangsamt.

Die meisten Tools unterstützen nur einen begrenzten Satz an Annotationstypen und Datentypen, sodass Teams am Ende unterschiedliche Tools für Bounding Boxes, Segmentierung und Keypoints verwenden. Dieses fragmentierte Setup kann schwierig zu verwalten sein, insbesondere für Teams, die neu in der Computer Vision sind.

Manueller Aufwand ist eine weitere große Herausforderung. Während das Annotieren eines einzelnen Bildes nur wenige Minuten dauern mag, wird die Arbeit mit großen Datensätzen schnell zeitaufwendig, insbesondere wenn ähnliche Bilder repetitive Aufgaben beinhalten.

Während Datensätze wachsen, müssen Teams zudem Dateien verwalten, Datensatzversionen verfolgen und die Konsistenz über Annotationen hinweg aufrechterhalten. Dies erhöht den Arbeitsaufwand, wobei mehr Zeit für die Datenverwaltung aufgewendet wird und weniger Zeit für die Verbesserung der Modellleistung bleibt.

Ein effizienterer Ansatz ist die Verwendung der KI-gestützten Annotation innerhalb der Ultralytics Platform, die KI zur Generierung und Verfeinerung von Labels nutzt. Dies reduziert den manuellen Aufwand bei gleichzeitiger Verbesserung von Geschwindigkeit und Konsistenz, alles in einer einzigen Umgebung, die Datensatzverwaltung, Annotation, Modelltraining, Bereitstellung und Überwachung vereint.

Link to this sectionWie die Ultralytics Platform den Annotationsprozess ermöglicht#

Die Ultralytics Platform vereinfacht die Annotation, indem sie sie direkt mit dem Rest des Computer-Vision-Workflows verbindet. Anstatt sich auf separate Tools zu verlassen, können Teams mit Daten, Annotationen und Modellen in einer einzigen Umgebung arbeiten.

Sie unterstützt eine Reihe von Computer-Vision-Aufgaben, einschließlich Objekterkennung, Bildklassifizierung, Instanzsegmentierung, Pose Estimation und Oriented Bounding Box Detektion.

Innerhalb dieses Setups kann die Annotation auf verschiedene Weise erfolgen. Teams können Daten manuell für die volle Kontrolle beschriften, die SAM-basierte intelligente Annotation für interaktive, punktbasierte Beschriftung verwenden oder die YOLO-gesteuerte intelligente Annotation anwenden, um Annotationen automatisch zu generieren, die überprüft und verfeinert werden können. Diese Flexibilität erleichtert das Arbeiten mit verschiedenen Datensätzen und Annotationsanforderungen.

Abb. 3. Ein Blick auf die Annotation innerhalb der Ultralytics Platform (Quelle)

Da KI-gestützte und manuelle Annotation in die Datensatzverwaltung und das Modelltraining integriert sind, können Teams nahtlos von der Datenbeschriftung zur Organisation von Datensätzen und zum Trainieren von Modellen übergehen. Dies hält Arbeitsabläufe strukturiert und beseitigt die Notwendigkeit, zwischen Tools zu wechseln oder Annotationen neu zu formatieren.

Die Plattform unterstützt auch Ultralytics YOLO-Modelle wie Ultralytics YOLO11 und Ultralytics YOLO26, wodurch annotierte Daten direkt für Training und Tests verwendet werden können. Dies macht es einfacher, Lücken in Datensätzen zu identifizieren, Annotationen zu verfeinern und Modelle durch kontinuierliche Iteration neu zu trainieren.

Link to this sectionHauptfunktionen der SAM-intelligenten Annotation auf der Ultralytics Platform#

Die SAM-basierte intelligente Annotation auf der Ultralytics Platform wurde entwickelt, um die Annotation für Objekterkennung, Instanzsegmentierung und Oriented Bounding Box (OBB) Aufgaben zu beschleunigen.

Die Plattform bietet mehrere SAM-Modellvarianten, darunter SAM 2.1 Tiny, SAM 2.1 Small, SAM 2.1 Base, SAM 2.1 Large und SAM 3, was Benutzern die Möglichkeit gibt, zwischen Geschwindigkeit und Genauigkeit zu wählen.

Abb. 4. SAM-basierte intelligente Annotation auf der Ultralytics Platform (Quelle)

Kleinere Modelle wie Tiny und Small sind schneller und eignen sich gut für schnelle Annotations-Workflows, während größere Modelle wie Large und SAM 3 eine höhere Genauigkeit für komplexere Szenen bieten. Das Wechseln zwischen Modellen aktualisiert das Annotationsverhalten sofort.

Sobald innerhalb des Annotations-Editors ein SAM-Modell ausgewählt wurde, können Annotatoren den Smart-Modus aktivieren, um mit der Beschriftung zu beginnen. Anstatt Formen manuell zu zeichnen, wird das Modell mithilfe einfacher punktbasierter Eingaben gesteuert.

Ein Linksklick fügt einen positiven Punkt hinzu, um eine Region einzuschließen, während ein Rechtsklick einen negativen Punkt hinzufügt, um unerwünschte Bereiche auszuschließen. Basierend auf diesen Eingaben generiert das Modell in Echtzeit eine präzise Maske.

Um den Workflow zu beschleunigen, kann der Auto-Apply-Modus aktiviert werden. Wenn dieser aktiv ist, generiert und speichert jeder Klick automatisch eine Annotation, ohne dass eine manuelle Bestätigung erforderlich ist. Für komplexere Objekte können Annotatoren entweder „Shift“ gedrückt halten, um mehrere Punkte zu setzen, bevor die Maske angewendet wird, oder Auto-Apply deaktivieren, um frei Punkte hinzuzufügen und dann „Enter“ drücken, um die Maske anzuwenden.

Link to this sectionVerständnis der YOLO-intelligenten Annotation auf der Ultralytics Platform#

Ähnlich wie die SAM-basierte intelligente Annotation verwendet die YOLO-intelligente Annotation auf der Ultralytics Platform KI, um den Beschriftungsprozess zu beschleunigen. Anstatt das Modell mit Klicks zu steuern, nutzt sie Modellvorhersagen, um automatisch Annotationen zu generieren.

Dieser Ansatz unterstützt Aufgaben wie Objekterkennung, Instanzsegmentierung und Oriented Bounding Box (OBB) Annotation. Er funktioniert spezifisch mit Ultralytics YOLO-Modellen, einschließlich von Ultralytics bereitgestellter vortrainierter Modelle und benutzerdefinierter YOLO-Modelle.

Innerhalb des Annotations-Editors können Annotatoren den Smart-Modus aufrufen, ein YOLO-Modell aus dem Modellwähler auswählen und auf „Predict“ klicken. Der Modellwähler zeigt nur YOLO-Modelle an, die zur aktuellen Aufgabenstellung des Datensatzes passen, um sicherzustellen, dass die generierten Annotationen kompatibel sind.

Das Modell analysiert das Bild und generiert Annotationen basierend auf seinen Vorhersagen, die dann direkt zum Bild hinzugefügt werden. Wenn sich Vorhersagen mit bestehenden Annotationsausgaben derselben Klasse überschneiden, werden doppelte Erkennungen automatisch übersprungen, sobald die Überschneidung einen festgelegten Schwellenwert überschreitet, was dabei hilft, saubere und konsistente Labels beizubehalten.

Abb. 5. Intelligente Annotation durch Ultralytics YOLO-Modelle auf der Ultralytics Platform (Quelle)

Sobald Vorhersagen generiert wurden, können Human-in-the-Loop-Annotatoren diese bei Bedarf überprüfen, anpassen oder entfernen. Dies erleichtert das schnelle Beschriften großer Datensätze, indem man mit modellgenerierten Annotationen beginnt und diese verfeinert, anstatt alles manuell zu annotieren.

Im Laufe der Zeit können verbesserte YOLO-Modelle wiederverwendet werden, um bessere Vorhersagen zu generieren, was einen iterativen Auto-Labeling-Workflow unterstützt.

Link to this sectionAnwendung von KI-gestützter Beschriftung in realen Pipelines#

Gehen wir als Nächstes Beispiele durch, wie die Ultralytics Platform die Datenannotation in realen Anwendungsfällen ermöglicht.

Link to this sectionSegmentierung beim autonomen Fahren#

Autonome Fahrzeuge, die in Computer-Vision-Modelle integriert sind, verlassen sich auf gut annotierte visuelle Daten, um ihre Umgebung in Echtzeit zu verstehen. Modelle, die mit diesen Daten trainiert wurden, können Fahrzeuge, Fußgänger, Verkehrszeichen und Straßenbegrenzungen erkennen und segmentieren.

Segmentierungsaufgaben erfordern präzise Begrenzungen auf Pixelebene, was die Annotation sowohl kritisch als auch zeitaufwendig macht. Das manuelle Beschriften großer Mengen von Sensordaten kann schnell zu einem Engpass werden, insbesondere bei komplexen Fahrszenen.

Die Ultralytics Platform optimiert diesen Prozess mit KI-gestützter Annotation unter Verwendung von SAM- und YOLO-Modellen. Die SAM-basierte intelligente Annotation ermöglicht schnelle, klickbasierte Segmentierung mit präzisen Masken, während YOLO-Modelle verwendet werden können, um automatisch Annotationen über Bilder hinweg zu generieren.

Gemeinsam machen diese Ansätze es einfacher, komplexe Szenen mit sich überschneidenden Objekten zu bewältigen.

Da die Annotation direkt mit dem Modelltraining verbunden ist, können aktualisierte groß angelegte Datensätze sofort zum erneuten Training und zur Evaluierung von Modellen verwendet werden. Dies ermöglicht es Teams, die Leistung kontinuierlich zu verbessern und sich effizienter an neue Fahrbedingungen anzupassen.

Link to this sectionVerbesserung von Qualitätssicherungssystemen in der Fertigung#

In der Fertigung hängt die Aufrechterhaltung einer konsistenten Qualitätskontrolle von der genauen Erkennung von Defekten während der Produktion ab. Computer-Vision-Modelle werden oft verwendet, um Probleme in Echtzeit zu identifizieren, aber ihre Leistung hängt davon ab, wie gut die Trainingsdaten die tatsächlichen Produktionsbedingungen widerspiegeln.

Änderungen in Produktionsumgebungen, wie Variationen bei Rohmaterialien, Maschineneinstellungen oder Beleuchtung, können neue und seltene Defekttypen einführen, die nicht Teil der ursprünglichen Trainingsdaten waren. Dies erzeugt eine Lücke zwischen dem, was das Modell gelernt hat, und dem, was auf der Produktionslinie erscheint.

Um auf dem neuesten Stand zu bleiben, müssen Datensätze regelmäßig mit hochwertigen internen Annotationen aktualisiert werden. Die Ultralytics Platform macht es einfach, Annotationen zu aktualisieren und Datensätze zu erweitern, wenn neue Defektmuster auftreten. Diese aktualisierten Datensätze können dann verwendet werden, um Modelle neu zu trainieren, was Teams hilft, sich schneller an veränderte Produktionsbedingungen anzupassen.

Link to this sectionStandortüberwachung und Sicherheit im Bauwesen#

Baustellen sind dynamische Umgebungen mit mehreren Teams, sich bewegender Ausrüstung und ständig wechselnden Layouts. Die Aufrechterhaltung der Sicherheit unter diesen Bedingungen hängt von klaren, gut annotierten visuellen Daten ab.

Genaue Annotationen können die Datenqualität erhöhen und KI-Systemen helfen, Arbeiter, Ausrüstung, Sicherheitsausrüstung und potenzielle Risiken unter einer Reihe von Standortbedingungen zu identifizieren, einschließlich überfüllter Szenen, wechselnder Hintergründe und variierender Beleuchtung.

Die Ultralytics Platform unterstützt dies, indem sie es einfach macht, Annotationen zu aktualisieren und zu verfeinern, während sich die Standortbedingungen entwickeln. Neue Bilder können erfasst und zum Datensatz hinzugefügt werden, sobald sie auftreten, wodurch dieser mit realen Szenarien in Einklang bleibt.

Link to this sectionWichtige Erkenntnisse#

Hochwertige Annotation ist unerlässlich für den Aufbau zuverlässiger Computer-Vision- und KI-Modelle, aber traditionelle Arbeitsabläufe bremsen Teams oft aus. Die Ultralytics Platform optimiert diesen Prozess mit automatisierten Annotationstools und einem skalierbaren Workflow. Als Ergebnis können Teams schneller von den Daten zum Modell gelangen, während Genauigkeit und Konsistenz gewahrt bleiben.

Sieh dir unsere wachsende Community und unser GitHub-Repository an, um mehr über Computer Vision zu erfahren. Wenn du Vision-Lösungen entwickeln möchtest, wirf einen Blick auf unsere Lizenzoptionen. Erkunde unsere Lösungsseiten, um mehr über die Vorteile von Computer Vision in der Fertigung und KI im Gesundheitswesen zu erfahren.