Ultralytics YOLO27:
YOLO lizenzieren
Zurück zur Startseite
MI

Miles Deans

SEO Lead · Ultralytics

Miles Deans ist SEO Lead bei Ultralytics und lebt in London. Dort verantwortet er die Suchstrategie und das organische Wachstum des Unternehmens. Zuvor hatte er Positionen bei Adobe, Kaizen und Virgin Media O2 inne.

Die besten Bildklassifizierungsmodelle: So triffst du die richtige Wahl
Guides
Die besten Bildklassifizierungsmodelle: So triffst du die richtige Wahl
Vergleiche führende Bildklassifizierungsmodelle – von ConvNeXt V2 und DINOv3 bis EfficientNetV2, ViT und Ultralytics YOLO26-cls – und erfahre, wie du das passende Modell auswählst.
Semantische oder Instanzsegmentierung: So wählst du die passende Aufgabe
Guides
Semantische oder Instanzsegmentierung: So wählst du die passende Aufgabe
Bei der semantischen Segmentierung wird jedes Pixel einer Klasse zugeordnet; bei der Instanzsegmentierung wird jedes Objekt einzeln erkannt. Erfahre, welche Aufgabe zu deinem Computer-Vision-Projekt passt und warum.
So funktionieren Personenzählung und Belegungsanalyse in der Praxis
Guides
So funktionieren Personenzählung und Belegungsanalyse in der Praxis
So funktionieren Personenzählung und Belegungsanalyse: WLAN-, ToF-, Wärmebild- und kamerabasierte Bildverarbeitungsmethoden im Vergleich, verfügbare Produkte und die Entwicklung einer eigenen Lösung.
So fügst du KI-Analysen zu bestehenden Überwachungskameras hinzu
Guides
So fügst du KI-Analysen zu bestehenden Überwachungskameras hinzu
Drei Möglichkeiten, einer bestehenden Kamerainfrastruktur KI-Analysen hinzuzufügen: Analyseebenen, VMS-Upgrades und selbst gehostete Modelle – und welche Einschränkungen entscheidend sind.
Erkennung persönlicher Schutzausrüstung und Arbeitssicherheit mit Ultralytics
Vision AI
Erkennung persönlicher Schutzausrüstung und Arbeitssicherheit mit Ultralytics
Erstelle mit der Ultralytics Platform ein Modell zur Erkennung persönlicher Schutzausrüstung: Annotiere Bilder vom Standort, trainiere YOLO26, stelle das Modell in der Cloud oder am Edge bereit und überprüfe die Sicherheitsüberwachung am Arbeitsplatz.
Robotergestützte Qualitätsprüfung: Warum die vollständige Abdeckung so schwierig ist
Vision AI
Robotergestützte Qualitätsprüfung: Warum die vollständige Abdeckung so schwierig ist
So funktioniert robotergestützte Qualitätsprüfung: Scanplanung, Kalibrierung, Synchronisierung von Roboter und Bildverarbeitung, Zusammenführung mehrerer Ansichten, Nachweis der Abdeckung und Qualitätsdokumentation.
Wie Computer Vision AMR, AGV und autonome Gabelstapler steuert
Vision AI
Wie Computer Vision AMR, AGV und autonome Gabelstapler steuert
Was Computer Vision zur Navigation von AMR, AGV und autonomen Gabelstaplern beiträgt, wie sich Kamera, LiDAR und Tiefeninformationen ergänzen und welche Rolle die Sicherheit spielt.
Bildgesteuerte Robotik für Montage sowie Greifen und Platzieren
Guides
Bildgesteuerte Robotik für Montage sowie Greifen und Platzieren
So funktioniert bildgesteuertes Greifen und Platzieren mit Sensorik, Wahrnehmung, Kalibrierung, Greifplanung, Bewegung und Fehlerbehebung – mit Entscheidungshilfe für 2D oder 3D.
Montageprüfung und Fehlervermeidung mit Computer Vision
Vision AI
Montageprüfung und Fehlervermeidung mit Computer Vision
So prüft Computer Vision Vollständigkeit, Korrektheit und Reihenfolge bei der Montage: Aufbau der Bildverarbeitungsstation, Auswahl der Modellaufgabe, SPS-Integration und Validierung.
Automatisierte Fehlererkennung in der Fertigung: Plattformen im Vergleich
Vision AI
Automatisierte Fehlererkennung in der Fertigung: Plattformen im Vergleich
Vergleiche Plattformen zur automatisierten Fehlererkennung: Cognex, Instrumental, Keyence, Landing AI, Overview und Ultralytics – und erfahre, wie du die Modellaufgabe passend zum Fehler auswählst.
Alternativen zu Scale AI für die Datenannotation
Guides
Alternativen zu Scale AI für die Datenannotation
Alternativen zu Scale AI für die Annotation visueller Daten: iMerit, SuperAnnotate und Ultralytics Platform im Vergleich hinsichtlich Kosten, Kontrolle, Anlaufzeit und Datenverarbeitung.
Computer-Vision-Inferenz im großen Maßstab: Sieben Plattformen im Vergleich
Guides
Computer-Vision-Inferenz im großen Maßstab: Sieben Plattformen im Vergleich
Sieben Inferenzplattformen für Computer Vision im Vergleich: Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics und Vertex AI – hinsichtlich Latenz und Skalierbarkeit.