Wie funktioniert Objekterkennung?
Ein Deep-Learning-Modell, meist ein konvolutionales oder Transformer-neuronales Netz, betrachtet das Bild und gibt Kandidatenrahmen aus. Jeder Rahmen trägt eine Klasse, etwa Palette oder Person, und eine Konfidenz zwischen 0 und 1. Viele Kandidaten überlappen auf demselben Objekt, deshalb behält ein Schritt namens Non-Maximum Suppression den Rahmen mit der höchsten Konfidenz und verwirft nahe Duplikate. Ein Schwellenwert streicht dann schwache Treffer. Das Modell wird mit Bildern trainiert, in denen Menschen die Rahmen gezeichnet haben, die Qualität hängt also von der Datenannotation ab.
Zwei Familien dominieren. Zweistufige Detektoren schlagen zuerst Regionen vor und klassifizieren sie dann und sind tendenziell genauer. Einstufige Detektoren wie YOLO sagen Rahmen und Klassen in einem Durchlauf voraus und sind tendenziell schneller, was bei Live-Video zählt.
Wie wird Objekterkennung bewertet?
Ein vorhergesagter Rahmen gilt als korrekt, wenn seine Intersection over Union (IoU) mit dem wahren Rahmen einen Grenzwert überschreitet. IoU ist die Überlappungsfläche geteilt durch die gemeinsame Fläche beider Rahmen.
Ein Rechenbeispiel: Ein wahrer Rahmen umfasst 100 Pixel, der vorhergesagte Rahmen 100 Pixel, und 60 davon überlappen. Die Vereinigung beträgt 140 Pixel, die IoU also 60 / 140, etwa 0,43, ein Fehlschlag bei einem typischen Grenzwert von 0,5. Verschieben Sie die Vorhersage so, dass 80 Pixel überlappen, ist die IoU 80 / 120, etwa 0,67, ein Treffer.
Über alle Klassen berichten Teams die Mean Average Precision (mAP): Für jede Klasse wird die Fläche unter ihrer Precision-Recall-Kurve bestimmt, und die mAP ist der Durchschnitt dieser Werte. Fragen Sie immer, bei welchem IoU-Grenzwert eine berichtete mAP gemessen wurde, denn ein Wert bei 0,5 ist leichter zu erreichen als einer, der über strengere Grenzwerte gemittelt wurde.
Wie unterscheidet sich Objekterkennung von Klassifikation und Segmentierung?
| Aufgabe | Ausgabe | Beispielfrage |
|---|---|---|
| Klassifikation | Ein Label pro Bild | Ist das ein fehlerhaftes Teil? |
| Objekterkennung | Ein Rahmen und Label pro Objekt | Wo sind die Fehler, und wie viele? |
| Segmentierung | Eine Pixelmaske pro Objekt | Wie sieht der genaue Umriss des Fehlers aus? |
Wählen Sie Erkennung, wenn Sie Anzahlen oder Orte brauchen, aber keine exakten Formen. Sie ist günstiger zu beschriften als Segmentierung und leistet mehr als Klassifikation.
Wo wird Objekterkennung im Geschäft eingesetzt?
Typische Aufgaben sind das Zählen von Waren im Regal, das Erkennen fehlender Schutzausrüstung auf einer Baustelle, das Lesen von Teilen auf einem Förderband und das Markieren von Schäden auf Fotos zu einem Schadensfall. Sie ist der Kern vieler Computer-Vision-Systeme. Die Genauigkeit auf Ihren eigenen Bildern zählt mehr als ein Benchmark-Wert: Licht, Kamerawinkel und Objektvielfalt verändern die Ergebnisse, testen Sie also an einer Stichprobe von Ihrem Standort, bevor Sie sich festlegen.