Über das Tool: Objekterkennung
Die Objekterkennung findet und benennt die Dinge auf einem Foto: Personen, Autos, Hunde, Laptops, Tassen und Dutzende mehr. Jedes Objekt erhält einen Rahmen, einen Namen und einen Konfidenzwert, und Sie können alles als beschriftetes Bild oder als strukturiertes JSON exportieren.
So funktioniert es
Das Tool nutzt DETR (DEtection TRansformer), ein von Meta AI veröffentlichtes Modell. Ein ResNet-50-Netz extrahiert zunächst visuelle Merkmale aus dem Bild. Ein Transformer betrachtet dann die gesamte Szene auf einmal und sagt direkt eine Menge von Objekten voraus, jedes mit Klasse und Rahmen. Dieser Ansatz kommt gut mit vollen Szenen zurecht, weil das Modell die Objekte in Beziehung zueinander betrachtet.
Das Modell wurde mit dem COCO-Datensatz trainiert, einem Standard-Benchmark mit 80 Alltagskategorien. Sie umfassen Personen und Tiere, Fahrzeuge, Möbel, Elektronik, Küchenutensilien, Lebensmittel und Sportgeräte.
Wofür Sie es nutzen können
- Zählen von Personen, Autos oder Gegenständen auf einem Foto, ohne es von Hand zu tun.
- Prototypen für Computer-Vision-Apps: Testen Sie, was ein fertiges Modell sieht, bevor Sie etwas entwickeln.
- Vorbereitung von Datensätzen: Exportieren Sie Rahmen als JSON als Ausgangspunkt für das Labeling.
- Barrierefreiheit und Alternativtexte: Erhalten Sie schnell eine Liste dessen, was auf einem Bild zu sehen ist.
- Unterricht und Demos zur Funktionsweise moderner KI-Bilderkennung.
Tipps für die besten Ergebnisse
- Senken Sie die Konfidenzschwelle, um kleinere oder teilweise verdeckte Objekte sichtbar zu machen. Erhöhen Sie sie, um Fehlalarme zu entfernen.
- Fahren Sie in vollen Szenen über einen Eintrag der Ergebnisliste, um seinen Rahmen hervorzuheben.
- Objekte außerhalb der 80 Kategorien (etwa Werkzeuge oder bestimmte Marken) werden nicht beschriftet oder erhalten die nächstliegende Kategorie.
- Die JSON-Koordinaten sind Pixel des Originalbilds und direkt in Ihrem eigenen Code nutzbar.