Was ist Objekterkennung?
Objekterkennung lokalisiert Instanzen definierter Klassen in einem Bild oder Videoframe. Ein Detektor liefert für jeden Kandidaten meist ein Klassenlabel, einen Konfidenzwert und einen Begrenzungsrahmen.
So funktioniert Objekterkennung
Ein Objektdetektor verarbeitet visuelle Eingaben und schlägt räumliche Bereiche vor, die Klassen aus seiner Trainingstaxonomie zugeordnet sind. Die Nachverarbeitung filtert niedrige Bewertungswerte heraus und unterdrückt meist überlappende Kandidaten, die offenbar dieselbe Instanz beschreiben. Die Ergebnisse können als Eingabe für Tracking, Unkenntlichmachung, intelligente Bildausschnitte, Bestandszählungen oder manuelle Annotation dienen, statt als endgültige Wahrheit zu gelten. Die Leistung hängt von der Objektgröße, dem Szenenbereich, den Annotationsregeln und dem eingesetzten Schwellenwert ab. Die Validierung muss daher den tatsächlichen Medienstrom widerspiegeln.
Wichtige Fakten
- Nicht-Maximum-Unterdrückung kann doppelte, überlappende Begrenzungsrahmen entfernen. Aggressive Überlappungseinstellungen können jedoch auch unterschiedliche Objekte verwerfen, die dicht beieinanderstehen.
- Begrenzungsrahmen lokalisieren rechteckige Ausdehnungen statt exakter Silhouetten. Anwendungen, die pixelgenaue Grenzen benötigen, erfordern Segmentierung oder einen weiteren Verfeinerungsschritt.
- Der Mittelwert der durchschnittlichen Präzision fasst geordnete Erkennungen über Klassen und Überlappungsschwellen hinweg zusammen, bildet aber die Kosten jedes Fehlers für eine Anwendung nicht direkt ab.
Wann Objekterkennung wichtig ist
Führen Sie die Objekterkennung vor dem Zuschneiden, Moderieren, Zählen oder Analysieren durch, wenn die Position der Motive wichtig ist. Konfidenzschwellen wägen übersehene Objekte gegen falsche Erkennungen ab und sollten das Risiko der nachfolgenden Verarbeitung berücksichtigen.