Image Segmentation

Bildsegmentierung ist eine anspruchsvolle Technik in der Bildverarbeitung (CV), bei der ein digitales Bild in mehrere Untergruppen von Pixeln aufgeteilt wird, die häufig als Bildsegmente oder Regionen bezeichnet werden. Im Gegensatz zur herkömmlichen Bildklassifizierung, bei der dem gesamten Bild ein einziges Label zugewiesen wird, analysiert die Segmentierung visuelle Daten auf einer deutlich granulareren Ebene, indem sie jedem einzelnen Pixel ein spezifisches Klassenlabel zuweist. Dieser Prozess erzeugt eine präzise Karte auf Pixelebene, sodass Modelle der künstlichen Intelligenz (AI) nicht nur erkennen können, welche Objekte vorhanden sind, sondern auch genau, wo sie sich befinden und welche spezifischen Grenzen sie haben.

Die Funktionsweise der Analyse auf Pixelebene#

Um dieses detailgetreue Verständnis zu erreichen, nutzen Segmentierungsmodelle typischerweise Architekturen des Tiefenlernens (DL), insbesondere Faltungsneuronale Netze (CNNs). Diese Netzwerke fungieren als leistungsstarke Merkmalsextraktoren und erkennen Muster wie Kanten, Texturen und komplexe Formen. Herkömmliche Segmentierungsarchitekturen wie das klassische U-Net verwenden häufig eine Encoder-Decoder-Struktur. Der Encoder komprimiert das Eingabebild, um den semantischen Kontext zu erfassen, während der Decoder räumliche Details rekonstruiert und eine abschließende Segmentierungsmaske ausgibt.

Moderne Entwicklungen haben zu Echtzeitarchitekturen wie YOLO26 geführt, das im Januar 2026 veröffentlicht wurde. Diese Modelle integrieren Segmentierungsfunktionen direkt in eine durchgängige Pipeline und ermöglichen so eine schnelle Verarbeitung auf unterschiedlichster Hardware – von Cloud-GPUs bis hin zu Edge-Geräten.

Die wichtigsten Arten der Segmentierung#

Je nach konkretem Ziel eines Projekts wählen Entwickler in der Regel zwischen drei wichtigen Segmentierungstechniken:

• Semantische Segmentierung: Bei dieser Methode werden Pixel anhand ihrer Kategorie klassifiziert, ohne zwischen verschiedenen Objekten derselben Klasse zu unterscheiden. Bei der Analyse von Satellitenbildern würden beispielsweise alle Pixel, die „Wald“ darstellen, grün eingefärbt, sodass der gesamte Wald als eine einzige Einheit behandelt wird.
• Instanzsegmentierung: Diese Technik erkennt einzelne relevante Objekte und trennt sie voneinander. In einer belebten Straßenszene würde die Instanzsegmentierung eine eigene Maske für „Auto A“, „Auto B“ und „Fußgänger A“ erzeugen, sodass Systeme bestimmte Objekte zählen und verfolgen können. Dies ist eine zentrale Funktion der Ultralytics-YOLO26-Modellfamilie.
• Panoptische Segmentierung: Ein hybrider Ansatz, der die flächendeckende Erfassung der semantischen Segmentierung mit der Präzision der Instanzsegmentierung verbindet. Dabei wird jedem Pixel ein Label zugewiesen, wobei amorphe Hintergrundelemente wie Himmel und Straße unterschieden und zählbare Objekte im Vordergrund eindeutig identifiziert werden.

Abgrenzung von der Objekterkennung#

Es ist entscheidend, die Segmentierung von der Objekterkennung zu unterscheiden. Während Erkennungsalgorithmen Objekte mithilfe einer rechteckigen Begrenzungsbox lokalisieren, enthalten sie innerhalb dieser Box zwangsläufig auch Hintergrundpixel. Die Segmentierung liefert eine engere und genauere Darstellung, indem sie die exakte Kontur oder das Polygon des Objekts nachzeichnet. Dieser Unterschied ist für Anwendungen wie das Greifen durch Roboter entscheidend, bei denen ein Roboterarm die genaue Geometrie eines Gegenstands kennen muss, um ihn kollisionsfrei zu bewegen.

Anwendungen in der Praxis#

Die Präzision der Bildsegmentierung treibt Innovationen in unterschiedlichsten Branchen voran:

• Medizinische Diagnostik: Im Bereich der medizinischen Bildanalyse ist die Segmentierung unerlässlich, um anatomische Strukturen abzugrenzen. Algorithmen analysieren MRT-Aufnahmen, um Tumoren oder Organgrenzen zu bestimmen, sodass Chirurgen exakte Volumina berechnen und Eingriffe mit lebensrettender Genauigkeit planen können.
• Autonomes Fahren: Selbstfahrende Fahrzeuge nutzen Segmentierung, um sicher zu navigieren. Durch die Verarbeitung von Videodaten kann der Computer des Fahrzeugs befahrbare Fahrspuren von Gehwegen und Hindernissen unterscheiden. Normungsorganisationen wie SAE International definieren Autonomiestufen, die eine derart detailgetreue Wahrnehmung der Umgebung voraussetzen.
• Präzisionslandwirtschaft: Im Bereich der künstlichen Intelligenz in der Landwirtschaft hilft die Segmentierung Robotersystemen, Unkraut zwischen Nutzpflanzen zu erkennen. Durch die Erstellung von Masken für die Blätter bestimmter Pflanzen können automatische Sprühsysteme gezielt nur invasive Arten behandeln und so den Herbizideinsatz deutlich reduzieren.

Segmentierung mit Ultralytics YOLO26 implementieren#

Entwickler können die Instanzsegmentierung effizient mit dem ultralytics-Python-Paket implementieren. Das folgende Beispiel verwendet das hochmoderne YOLO26-Modell, das sowohl für Geschwindigkeit als auch für Genauigkeit optimiert ist.

from ultralytics import YOLO

# Load a pre-trained YOLO26 segmentation model
# 'n' denotes the nano version, optimized for speed
model = YOLO("yolo26n-seg.pt")

# Run inference on an image to generate masks
# The model identifies objects and outlines their shape
results = model("https://ultralytics.com/images/bus.jpg")

# Display the image with segmentation overlays
results[0].show()

Um bei individuellen Aufgaben eine hohe Leistung zu erzielen, müssen Teams häufig hochwertige Trainingsdaten zusammenstellen. Die Ultralytics-Plattform vereinfacht diesen Prozess, indem sie Werkzeuge zum Annotieren von Bildern mit Polygonmasken, zum Verwalten von Datensätzen und zum Trainieren von Modellen in der Cloud bereitstellt und so den gesamten Lebenszyklus des Betriebs maschineller Lernsysteme (MLOps) optimiert. Bibliotheken wie OpenCV werden neben diesen Modellen ebenfalls häufig zur Vorverarbeitung von Bildern und zur Nachbearbeitung der erzeugten Masken eingesetzt.