Verbessere die Robustheit von KI-Modellen mit Datenaugmentierung

Das Testen ist ein entscheidender Bestandteil der Entwicklung jeder technischen Lösung. Es zeigt Teams, wie ein System tatsächlich funktioniert, bevor es in Betrieb genommen wird, und ermöglicht es ihnen, Probleme frühzeitig zu beheben. Das gilt für viele Bereiche, darunter auch die KI, bei der Modelle nach ihrer Bereitstellung mit unvorhersehbaren Bedingungen in der realen Welt zurechtkommen müssen.

Computer Vision ist beispielsweise ein Teilgebiet der KI, das Maschinen beibringt, Bilder und Videos zu verstehen. Computer-Vision-Modelle wie Ultralytics YOLO26 unterstützen Aufgaben wie Objekterkennung, Instanzsegmentierung und Bildklassifizierung.

Sie können in vielen Branchen für Anwendungen wie die Patientenüberwachung, Verkehrsanalyse, automatisierte Kassen und die Qualitätsprüfung in der Fertigung eingesetzt werden. Doch selbst fortschrittliche Modelle und hochwertige Trainingsdaten können Computer-Vision-Lösungen vor Herausforderungen stellen, sobald sie in der realen Welt auf Veränderungen wie wechselnde Lichtverhältnisse, Bewegung oder teilweise verdeckte Objekte treffen.

Das liegt daran, dass Modelle aus den Beispielen lernen, die ihnen während des Trainings gegeben werden. Wenn sie Bedingungen wie Lichtreflexionen, Bewegungsunschärfe oder eingeschränkte Sichtbarkeit noch nicht gesehen haben, erkennen sie Objekte in solchen Situationen wahrscheinlich weniger zuverlässig.

Eine Möglichkeit, die Robustheit von Modellen zu verbessern, ist Datenaugmentation. Statt große Mengen neuer Daten zu sammeln, können Entwickler bestehende Bilder geringfügig und gezielt verändern, etwa durch Anpassungen der Beleuchtung, Zuschneiden oder Kombinieren von Bildern. So lernt das Modell, dieselben Objekte in einer größeren Bandbreite von Situationen zu erkennen.

In diesem Artikel untersuchen wir, wie Datenaugmentation die Robustheit von Modellen und die Zuverlässigkeit von Computer-Vision-Systemen verbessert, wenn diese außerhalb kontrollierter Umgebungen eingesetzt werden. Beginnen wir!

So überprüfst du die Robustheit eines Modells#

Bevor wir uns mit Datenaugmentation befassen, sehen wir uns an, woran du erkennst, ob ein Computer-Vision-Modell tatsächlich für den Einsatz in der realen Welt bereit ist.

Ein robustes Modell liefert auch bei veränderten Bedingungen weiterhin gute Ergebnisse, anstatt nur mit sauberen, perfekt beschrifteten Bildern zu funktionieren. Bei der Bewertung der Robustheit von KI-Modellen solltest du unter anderem folgende praktische Faktoren berücksichtigen:

• Veränderungen der Beleuchtung: Modelle können sich bei hellem oder schwachem Licht, Lichtreflexionen oder Schatten unterschiedlich verhalten. Das kann beeinflussen, wie sicher Objekte erkannt werden.
• Teilweise Verdeckung: In Alltagsszenen werden Objekte häufig von anderen Gegenständen verdeckt oder sind nur teilweise sichtbar. Ein robusteres Modell kann sie auch bei fehlenden visuellen Informationen erkennen.
• Dicht besetzte Szenen: Umgebungen mit vielen sich überlappenden Objekten können die Erkennung erschweren. Modelle, die in solchen Situationen gute Ergebnisse liefern, sind in der Regel auch in komplexen Umgebungen zuverlässiger.

Gute Ergebnisse bei sauberen, perfekt aufgenommenen Bildern führen nicht immer zu einer starken Leistung in der realen Welt. Regelmäßige Tests unter unterschiedlichen Bedingungen zeigen, wie gut sich ein Modell nach der Bereitstellung bewährt.

Was ist Datenaugmentation?#

Je nach Beleuchtung, Winkel, Entfernung oder Hintergrund kann ein Objekt auf einem Foto unterschiedlich aussehen. Beim Training eines Computer-Vision-Modells muss der Datensatz, aus dem es lernt, solche Variationen enthalten, damit es in unvorhersehbaren Umgebungen gute Ergebnisse liefert.

Datenaugmentation erweitert einen Trainingsdatensatz, indem aus bereits vorhandenen Bildern zusätzliche Beispiele erstellt werden. Dazu werden gezielte Änderungen vorgenommen, etwa das Drehen oder Spiegeln eines Bildes, das Anpassen der Helligkeit oder das Zuschneiden eines Bildbereichs.

Stell dir zum Beispiel vor, du hast nur ein Foto einer Katze. Wenn du das Bild drehst oder seine Helligkeit veränderst, kannst du aus diesem einen Bild mehrere neue Versionen erstellen. Jede Version sieht etwas anders aus, ist aber weiterhin ein Foto derselben Katze. Diese Variationen helfen dem Modell zu lernen, dass ein Objekt unterschiedlich aussehen und trotzdem dasselbe bleiben kann.

Abb. 1. Ein Beispiel für die Datenaugmentation eines Katzenbildes (Quelle)

Wie Datenaugmentation die Modellleistung verbessert#

Während des Modelltrainings kann Datenaugmentation direkt in die Trainingspipeline integriert werden. Statt neue Bildkopien manuell zu erstellen und zu speichern, lassen sich zufällige Transformationen anwenden, sobald jedes Bild geladen wird.

Das bedeutet, dass das Modell jedes Mal eine leicht veränderte Version des Bildes sieht, etwa mit höherer Helligkeit, gespiegelt oder teilweise verdeckt. Techniken wie das zufällige Löschen von Bildbereichen können sogar kleine Regionen des Bildes entfernen, um Situationen aus der realen Welt zu simulieren, in denen ein Objekt verdeckt oder nur teilweise sichtbar ist.

Abb. 2. Beispiele für Datenaugmentation durch zufälliges Löschen von Bildbereichen (Quelle)

Wenn das Modell viele verschiedene Versionen desselben Bildes sieht, kann es lernen, welche Merkmale wichtig sind, statt sich auf ein einziges perfektes Beispiel zu verlassen. Diese Vielfalt erhöht die Robustheit des KI-Modells, sodass es unter realen Bedingungen zuverlässiger arbeitet.

Gängige Techniken zur Datenaugmentation#

Hier sind einige Techniken zur Datenaugmentation, mit denen Variationen in Trainingsbilder eingebracht werden:

• Geometrische Transformationen: Diese Techniken verändern, wie ein Objekt räumlich innerhalb eines Bildes erscheint. Durch das Drehen, Spiegeln, Skalieren, Zuschneiden oder Verschieben eines Bildes kann das Modell verstehen, wie ein Objekt aus unterschiedlichen Winkeln oder Entfernungen betrachtet werden kann.
• Anpassungen von Farbe und Beleuchtung: Die Beleuchtung in der realen Welt ist selten konstant. Je nach Umgebung oder verwendeter Kamera können Bilder zu hell, zu dunkel oder farblich leicht verändert sein. Durch die Anpassung von Helligkeit, Kontrast, Farbton und Sättigung können Modelle mit diesen visuellen Veränderungen umgehen und in unterschiedlichen Szenen gute Ergebnisse liefern.
• Variationen der Bildqualität: Unschärfe oder Bildrauschen können Bilder undeutlich erscheinen lassen. Wenn während des Trainings Unschärfe oder Rauschen hinzugefügt werden, lernt das Modell, mit Bewegungsunschärfe, Bildern bei schwachem Licht oder Aufnahmen minderer Kameraqualität umzugehen. Dadurch reagiert es weniger empfindlich auf visuelle Unvollkommenheiten.
• Datenaugmentation durch Verdeckung: In realen Umgebungen werden Objekte häufig teilweise von anderen Objekten verdeckt. Dies wird als Verdeckung in Bildern bezeichnet. Das Verbergen oder Maskieren kleiner Bildbereiche während des Trainings hilft dem Modell zu lernen, Objekte auch dann zu erkennen, wenn nur ein Teil von ihnen sichtbar ist.
• Datenaugmentation mit mehreren Bildern: Diese Techniken kombinieren Teile mehrerer Bilder zu einem einzigen Trainingsbeispiel. Dadurch kann sich die Anzahl der sichtbaren Objekte erhöhen und die Fähigkeit des Modells verbessern, mit komplexen oder dicht besetzten Szenen umzugehen.

Abb. 3. Ein Beispiel für Datenaugmentation mit mehreren Bildern (Quelle)

Datenaugmentation leicht gemacht mit dem Ultralytics Python-Paket#

Die Verwaltung von Datensätzen, das Erstellen von Bildvarianten und das Schreiben von Transformationscode können bei der Entwicklung einer Computer-Vision-Anwendung zusätzliche Schritte erfordern. Das Ultralytics Python-Paket vereinfacht diesen Prozess mit einer einheitlichen Schnittstelle für das Training, die Ausführung und die Bereitstellung von Ultralytics-YOLO-Modellen wie YOLO26. Um Trainingsabläufe zu vereinfachen, enthält das Paket integrierte, von Ultralytics getestete und für YOLO-Modelle optimierte Funktionen zur Datenaugmentation.

Das Paket unterstützt außerdem nützliche Integrationen, die separate Tools oder eigenen Code überflüssig machen. Für die Datenaugmentation ist es insbesondere in Albumentations integriert, eine häufig verwendete Bibliothek zur Bildaugmentation. Dadurch können Augmentationen während des Trainings automatisch angewendet werden, ohne zusätzliche Skripte oder eigenen Code zu benötigen.

Annotationen und augmentierte Datensätze verwalten#

Ein weiterer Faktor, der die Robustheit eines Modells beeinflusst, ist die Qualität der Annotationen. Saubere, präzise Beschriftungen, die mit Annotationstools wie Roboflow erstellt und verwaltet werden, helfen dem Modell zu verstehen, wo sich Objekte befinden und wie sie aussehen.

Während des Trainings werden Datenaugmentationen wie Spiegelungen, Zuschnitte und Drehungen dynamisch angewendet. Die Annotationen werden dabei automatisch an diese Änderungen angepasst. Sind die Beschriftungen präzise, funktioniert dieser Prozess reibungslos und versorgt das Modell mit vielen realistischen Beispielen derselben Szene.

Wenn Annotationen ungenau oder uneinheitlich sind, können sich diese Fehler in augmentierten Bildern wiederholen und das Training weniger effektiv machen. Präzise Annotationen von Anfang an verhindern, dass sich solche Fehler ausbreiten, und tragen zu einer höheren Robustheit des Modells bei.

Computer-Vision-Anwendungen mit Datenaugmentation verbessern#

Als Nächstes sehen wir uns anhand von Beispielen an, wie Datenaugmentation zur Robustheit von KI-Modellen in realen Anwendungen beiträgt.

Die Genauigkeit der Objekterkennung in realen Umgebungen steigern#

Synthetische Bilder werden häufig zum Training von Objekterkennungssystemen verwendet, wenn reale Daten nur begrenzt verfügbar, sensibel oder schwer zu erfassen sind. Mit ihnen können Teams schnell Beispiele für Produkte, Umgebungen und Kamerawinkel erzeugen, ohne jede mögliche Situation im echten Leben aufnehmen zu müssen.

Synthetische Datensätze können im Vergleich zu Aufnahmen aus der realen Welt jedoch manchmal zu sauber wirken. Dort verändern sich die Lichtverhältnisse, Objekte überlappen sich und Szenen enthalten störende Hintergrundelemente. Datenaugmentation hilft, diese Lücke zu schließen, indem realistische Variationen wie unterschiedliche Beleuchtungen, Rauschen oder Objektplatzierungen eingeführt werden. So lernt das Modell, mit den Bedingungen umzugehen, die es nach der Bereitstellung vorfinden wird.

In einer aktuellen Studie wurde beispielsweise ein Ultralytics-YOLO11-Modell vollständig mit synthetischen Bildern trainiert und durch Datenaugmentation um zusätzliche Variationen ergänzt. Dies trug dazu bei, dass das Modell Objekte allgemeiner erkennen lernte. Bei Tests mit realen Bildern erzielte es gute Ergebnisse, obwohl es während des Trainings nie reale Daten gesehen hatte.

Medizinische Bildgebungslösungen zuverlässiger machen#

Datensätze aus der medizinischen Bildgebung sind häufig begrenzt, und die Aufnahmen selbst können je nach Gerätetyp, Bildgebungseinstellungen oder klinischer Umgebung variieren. Unterschiede in der Anatomie von Patienten, den Winkeln, der Beleuchtung oder dem Bildrauschen können es Computer-Vision-Modellen erschweren, Muster zu lernen, die sich gut auf verschiedene Patienten und Krankenhäuser übertragen lassen.

Datenaugmentation hilft, dieses Problem zu lösen, indem während des Trainings mehrere Varianten derselben Aufnahme erstellt werden, etwa durch das Hinzufügen von Rauschen, geringfügiges Verschieben des Bildes oder Anwenden kleiner Verzerrungen. Dadurch ähneln die Trainingsdaten stärker den tatsächlichen klinischen Bedingungen.

In einer Studie zur medizinischen Bildgebung bei Kindern verwendeten Forscher beispielsweise Ultralytics YOLO11 für die anatomische Segmentierung und trainierten das Modell mit augmentierten medizinischen Daten. Sie fügten Rauschen hinzu, verschoben die Position geringfügig und wandten kleine Verzerrungen an, um die Bilder realistischer zu machen.

Abb. 4. Ursprüngliche und augmentierte medizinische Bilder von Kindern (Quelle)

Indem das Modell aus diesen Variationen lernte, konzentrierte es sich auf aussagekräftige anatomische Merkmale statt auf oberflächliche Unterschiede. Dadurch wurden seine Segmentierungsergebnisse bei unterschiedlichen Aufnahmen und Patienten stabiler.

Wichtige Erkenntnisse#

Das Sammeln vielfältiger Daten ist schwierig, aber durch Datenaugmentation können Modelle aus einer größeren Bandbreite visueller Bedingungen lernen. Das führt zu einer höheren Robustheit von Modellen beim Umgang mit Verdeckungen, Veränderungen der Beleuchtung und dicht besetzten Szenen. Insgesamt können sie dadurch außerhalb kontrollierter Trainingsumgebungen zuverlässiger arbeiten.

Werde Teil unserer Community und entdecke die neuesten Entwicklungen im Bereich Computer Vision in unserem GitHub-Repository. Besuche unsere Lösungsseiten und erfahre, wie Anwendungen wie KI in der Fertigung und Computer Vision im Gesundheitswesen den Fortschritt vorantreiben. Sieh dir außerdem unsere Lizenzoptionen an, um deine nächste KI-Lösung zu realisieren.