Ultralytics Platform: Fünf Tools, eine Computer-Vision-Plattform

Heute haben wir die Ultralytics Platform gestartet, die ultimative End-to-End-Computer-Vision-Plattform, die entwickelt wurde, um den Aufbau und die Bereitstellung von Vision-AI-Systemen zu vereinfachen. Obwohl Computer Vision, ein Bereich der künstlichen Intelligenz, der es Maschinen ermöglicht, Bilder und Videos zu interpretieren, bereits viele Systeme antreibt, auf die wir uns heute verlassen, war die Erstellung dieser Lösungen bisher komplex.

Für viele KI-Ingenieure und Machine-Learning-Entwickler erfordert der Aufbau einer Computer-Vision-Anwendung immer noch den Wechsel zwischen mehreren Tools während des Entwicklungsprozesses. Ein Team verwaltet Datensätze und Annotationen vielleicht auf einer Plattform, führt das Modelltraining auf einer anderen durch und verlässt sich auf zusätzliche Dienste für das Testen von Vorhersagen, das Verfolgen von Experimenten und die Bereitstellung von Systemen in der Produktion.

Wenn Projekte wachsen, kann der Wechsel zwischen Tools die Entwicklung verlangsamen und den operativen Aufwand erhöhen. Anstatt sich auf die Verbesserung von Modellen und den Bau neuer Computer-Vision-Apps zu konzentrieren, verbringen Teams oft Zeit damit, Workflows zu verwalten, Daten zwischen Tools zu verschieben und die Infrastruktur zu konfigurieren.

Die Ultralytics Platform wurde geschaffen, um diesen Prozess zu rationalisieren und zu beschleunigen. Durch die Zusammenführung von Annotation, Training, Validierung, Bereitstellung und Überwachung in einer einzigen Umgebung ersetzt sie mehrere Tools über den gesamten AI-Vision-Stack hinweg durch eine einzige Computer-Vision-Plattform und hilft Teams dabei, skalierbare Vision-AI-Systeme effizienter zu bauen und bereitzustellen.

Abb. 1. Ein Blick auf die Datensatz-Vorbereitung mit der Ultralytics Platform (Quelle)

In diesem Artikel werden wir untersuchen, wie die Ultralytics Platform mehrere Tools durch eine einheitliche Computer-Vision-Plattform ersetzt. Lass uns anfangen!

Link to this sectionDas Multi-Tool-Problem in der Computer-Vision-Entwicklung#

Die Erstellung einer Computer-Vision-Lösung umfasst mehrere Phasen, von der Vorbereitung der Datensätze bis zur Bereitstellung der Systeme in der Produktion. In vielen Fällen verlassen sich Teams für jeden Teil dieses Workflows auf unterschiedliche Tools, darunter:

• Datensatz-Management-Tools: Teams verwenden diese Tools, um Bilder und Videos zu speichern und zu organisieren, die später als Trainingsdaten für Computer-Vision-Systeme verwendet werden.
• Annotation-Tools: Diese Plattformen ermöglichen es Entwicklern und Datenteams, Objekte, Segmente oder Keypoints in Bildern zu kennzeichnen, damit Systeme Muster aus den visuellen Daten lernen können.
• Modelltraining-Tools und Frameworks: Entwickler verlassen sich auf diese Tools, um Computer-Vision-Systeme mit annotierten Datensätzen und Deep-Learning-Modellen zu trainieren, wobei sie oft innerhalb von Python-basierten Machine-Learning-Frameworks wie PyTorch und TensorFlow arbeiten.
• Test- und Inference-Tools: Vor der Bereitstellung führen Teams Modelle mit neuen Bildern oder Videos aus, um Vorhersagen zu überprüfen und die Leistung des Systems zu bewerten.
• Bereitstellungs- und Überwachungstools: Sobald eine Vision-AI-Lösung bereit für den Einsatz ist, wird zusätzliche Infrastruktur verwendet, um die Anwendung in der Produktion auszuführen und ihre Leistung im Laufe der Zeit zu überwachen.

Die getrennte Verwaltung dieser Tools kann die Koordination von Entwicklungsworkflows erschweren. Am Ende verbringen Teams Zeit damit, Daten zwischen Plattformen zu verschieben, Integrationen zu pflegen und Infrastruktur zu konfigurieren, anstatt sich auf die Verbesserung von Computer-Vision-Anwendungen zu konzentrieren.

Link to this sectionWas ist eine End-to-End-Vision-AI-Plattform?#

Bevor wir in die Hauptfunktionen der Ultralytics Platform eintauchen und erfahren, was sie leisten kann, lass uns verstehen, was wir unter einer End-to-End-Computer-Vision-Plattform verstehen.

Einfach ausgedrückt bietet die Ultralytics Platform einen zentralen Ort, an dem Entwickler Computer-Vision-Anwendungen erstellen und ausführen können. Anstatt sich auf getrennte Dienste für verschiedene Teile des Entwicklungsprozesses zu verlassen, können Einzelpersonen und Teams mit visuellen Daten arbeiten, Modelle und Algorithmen trainieren, Ergebnisse testen und Anwendungen in derselben Umgebung ausführen.

Abb. 2. Testen eines Modells auf der Ultralytics Platform (Quelle)

Dieser Ansatz erleichtert es Entwicklern, zu experimentieren, ihre Systeme zu verbessern und Projekte voranzutreiben, ohne ständig zwischen Tools wechseln zu müssen.

Link to this sectionWie die Ultralytics Platform den Vision-AI-Workflow vereinfacht#

Die Ultralytics Platform wurde durch jahrelange enge Zusammenarbeit mit der Computer-Vision-Community geprägt. Unsere Gespräche mit Entwicklern und Teams, die Vision-AI-Systeme bauen, brachten immer wieder einige gemeinsame Herausforderungen hervor.

Ein wichtiges Anliegen war zum Beispiel die Datenannotation, die viel Zeit in Anspruch nehmen kann, wenn große Datensätze gekennzeichnet werden müssen. Eine weitere Herausforderung trat auf, wenn Teams versuchten, Systeme in die Produktion zu überführen, wo die Bereitstellung von Anwendungen über verschiedene Umgebungen und Hardware-Setups hinweg oft zusätzliche Tools erfordert.

Viele Teams haben auch mit Tool-Wechseln zu kämpfen, da Annotation-Tools, Trainingsumgebungen und Bereitstellungssysteme häufig über mehrere Plattformen verteilt sind. Die Ultralytics Platform löst all diese Komplikationen mit einer Reihe von integrierten Funktionen.

Link to this sectionEin Überblick über die wichtigsten Funktionen der Ultralytics Platform#

Lass uns also in einige der Schlüsselfunktionen der Ultralytics Platform eintauchen, die helfen, diese Herausforderungen und den gesamten Vision-AI-Workflow zu rationalisieren:

• Intelligente Datenannotation: Die integrierten Annotation-Tools helfen Teams dabei, Datensätze schneller zu kennzeichnen, mit Funktionen wie intelligenter Annotation, die durch das Segment Anything Model (SAM) unterstützt wird, sowie Tastenkombinationen, die Annotation-Workflows beschleunigen.
• Integriertes Modelltraining: Entwickler können vortrainierte Modelle direkt innerhalb der Plattform trainieren, während sie Experimente verfolgen und die Leistung über interaktive Dashboards überwachen.
• Browser-basiertes Inference-Testen: Teams können Vorhersagen schnell im Browser testen, um zu bewerten, wie ein System abschneidet, bevor es in die Produktion überführt wird.
• Flexible Bereitstellungsoptionen: Modelle können in 17 verschiedene Formate exportiert oder über geteilte Inference-Dienste und dedizierte Endpunkte in 43 globalen Regionen bereitgestellt werden.
• Integrierte Überwachung: Die Plattform bietet Dashboards, die Teams helfen, Experimentergebnisse, Systemleistung und den Status der Bereitstellung an einem Ort zu verfolgen.

Link to this sectionVon Rohdaten bis zur Bereitstellung mit der Ultralytics Platform#

Wenn du mehr über die Ultralytics Platform erfährst, fragst du dich vielleicht, wie die Arbeit damit tatsächlich aussieht. Um eine bessere Vorstellung zu bekommen, lass uns ein einfaches Beispiel durchgehen.

Stell dir vor, du baust ein visuelles Inspektionssystem für eine Produktionslinie. Das Ziel ist es, beschädigte oder fehlerhafte Produkte automatisch zu identifizieren, während sie durch die Produktion laufen.

Der Prozess beginnt normalerweise mit dem Sammeln visueller Daten. Mit der neuen Computer-Vision-Plattform von Ultralytics kannst du Bilder oder Videos von Produkten aus der Produktionslinie hochladen und sie in Datensätzen organisieren, die zum Training eines Modells zur Fehlererkennung verwendet werden.

Als Nächstes folgt die Datenannotation. Mit den integrierten manuellen oder KI-gestützten Annotation-Tools der Plattform kannst du Defekte direkt in den Bildern über 5 Erkennungsaufgaben hinweg kennzeichnen. Die Innovation hinter Funktionen wie der intelligenten Annotation, die durch SAM unterstützt wird, sowie integrierten Skelett-Vorlagen für Posen, die es ermöglichen, Keypoints mit einem einzigen Klick zu platzieren, rationalisieren den Workflow, der sonst Stunden dauern würde.

Sobald der Datensatz bereit ist, kannst du mit dem Modelltraining fortfahren. Die Plattform ermöglicht es dir, Computer-Vision-Modelle, wie Ultralytics YOLO Modelle, unter Verwendung der gelabelten Daten zu trainieren. Während des Trainings kannst du Leistungsmetriken überwachen, Experimente verfolgen und Modelle im Laufe der Zeit optimieren, um die Systemleistung von einem einzigen Dashboard aus zu verbessern.

Nach dem Training ist der nächste Schritt das Testen und die Validierung. Du kannst Vorhersagen an neuen Bildern direkt innerhalb der Plattform ausführen, um zu prüfen, wie gut das System Defekte erkennt, und Bereiche identifizieren, in denen weitere Verbesserungen erforderlich sein könnten.

Wenn das System schließlich gut funktioniert, kann es in die Produktion überführt werden. Die Ultralytics Platform unterstützt den Export von Modellen in mehrere Formate oder deren Bereitstellung über Inference-Dienste und Endpunkte, sodass sie in realen Umgebungen ausgeführt werden können.

Abb. 3. Ein Beispiel für das Exportieren von Modellen mit der Ultralytics Platform (Quelle)

Durch die Unterstützung jedes Schrittes dieser Pipeline macht es die Ultralytics Platform einfacher, von rohen visuellen Daten zu einer funktionierenden Computer-Vision-Anwendung zu gelangen, die Defekte automatisch an einer Produktionslinie erkennen kann.

Link to this sectionVision-AI-gestützte Anwendungsfälle, die du mit der Ultralytics Platform erstellen kannst#

In den meisten Anwendungen, in denen visuelle Daten in Informationen umgewandelt und zur Automatisierung von Prozessen genutzt werden können, kann Computer Vision einen Unterschied machen. Dies gilt branchenübergreifend, vom Gesundheitswesen bis zur Automobilindustrie, und die Ultralytics Platform wurde entwickelt, um diese Vielseitigkeit zu unterstützen.

Die Plattform unterstützt nativ modernste Modelle wie Ultralytics YOLO26 und eine Reihe von Computer-Vision-Aufgaben, einschließlich Objekterkennung, Bildklassifizierung, Instanzsegmentierung, Pose-Schätzung und orientierte Bounding-Box (OBB) Erkennung. Dank dieser Flexibilität können Entwickler Anwendungen für viele verschiedene Szenarien erstellen, in denen Bilder oder Videos analysiert werden müssen.

Zum Beispiel können Teams Systeme für die Echtzeit-Unterwasserüberwachung in marinen Umgebungen erstellen, Zellen in der medizinischen und biologischen Forschung zählen, Wildtiere in abgelegenen Ökosystemen verfolgen, Wahrnehmungssysteme für autonome Fahrzeuge ermöglichen und Roboter durch komplexe Umgebungen steuern. Und das ist nur ein kleiner Einblick in das, was mit Computer Vision möglich ist.

Abb. 4. Annotieren eines Bildes zur Wildtiererkennung auf der Ultralytics Platform (Quelle)

Link to this sectionWarum die Ultralytics Platform die Zukunft von Vision AI ist#

Da Computer Vision immer häufiger eingesetzt wird, wird es immer wichtiger, die Entwicklung von Vision AI zugänglicher zu machen. Viele Entwickler und Organisationen möchten mit visuellen Daten experimentieren und KI-Anwendungen erstellen, aber traditionelle Entwicklungssetups können den Einstieg erschweren.

Die Ultralytics Platform hilft, diese Barrieren abzubauen, indem sie eine Umgebung bereitstellt, in der Entwickler schnell mit Computer-Vision-Technologie arbeiten können. Anstatt Zeit mit dem Einrichten der Infrastruktur oder der Integration verschiedener Tools zu verbringen, können sich Teams darauf konzentrieren, mit Ideen zu experimentieren und praktische Anwendungen zu entwickeln.

Diese Zugänglichkeit öffnet die Tür für ein breiteres Spektrum an Entwicklern, Forschern und Organisationen, um Vision AI zu erforschen. Infolgedessen können mehr Teams visuelle Daten in aussagekräftige Erkenntnisse verwandeln und Anwendungen erstellen, die reale Probleme lösen.

Da sich Vision AI branchenübergreifend weiter ausbreitet, glauben wir, dass die Ultralytics Platform die Entwicklung zugänglicher machen und eine Schlüsselrolle bei der Gestaltung der Zukunft von Computer Vision spielen wird.

Link to this sectionErste Schritte mit der Ultralytics Platform#

Starte noch heute mit dem Erstellen von Computer-Vision-Projekten mit der Ultralytics Platform. Du kannst die Plattform mit dem kostenlosen Plan erkunden, der Anmelde-Credits für Cloud-Training sowie Zugriff auf die wichtigsten Tools zur Verwaltung von Datensätzen, zum Annotieren von Bildern, zum Trainieren von Modellen und zum Bereitstellen von Anwendungen beinhaltet.

Wenn deine Projekte wachsen, kannst du deine Nutzung mit zusätzlichen Plänen skalieren, die mehr Rechenressourcen, Speicherplatz, Kollaborationsfunktionen und Bereitstellungskapazität bieten. Die Plattform verwendet außerdem ein kreditbasiertes Preissystem für Dienste wie Cloud-Training und verwaltete Endpunkte, was es Teams ermöglicht, Experimente durchzuführen und Anwendungen bereitzustellen, während die Nutzung transparent verfolgt wird.

Link to this sectionWichtige Erkenntnisse#

Bildverarbeitung und Computer-Vision-Technologie entwickeln sich rasant von Forschungsexperimenten zu realen Systemen, die alltägliche Technologie antreiben. Die Ultralytics Platform trägt dazu bei, diesen Wandel zu beschleunigen, indem sie Entwicklern eine einfachere Möglichkeit bietet, Vision-AI-Anwendungen zu erstellen, zu testen und bereitzustellen. Mit weniger Barrieren zwischen Ideen und Bereitstellung kann die nächste Generation von Computer-Vision-Lösungen schneller als je zuvor gebaut werden.

Tritt unserer Community bei und erkunde das GitHub repository, um mehr über Computer-Vision-Modelle zu erfahren. Lies auf unseren Lösungsseiten über Anwendungen wie KI in der Landwirtschaft und Computer Vision in der Robotik. Schau dir unsere Lizenzoptionen an und beginne mit dem Aufbau deines eigenen Vision-AI-Modells.