Objekterkennung

Objekterkennung ist ein Teilgebiet der Computer Vision, das darauf abzielt, Objekte in Bildern oder Videos zu identifizieren und ihre Lage zu bestimmen. Typischerweise umfasst sie sowohl die Bestimmung der Objektklasse als auch die Lokalisierung der Objekte durch Rahmen (Bounding boxes) oder, bei fortgeschrittenen Ansätzen, durch Masken. Neben reinen Detektionsaufgaben unterscheidet man auch Instanzsegmentierung, bei der jedes erkannte Objekt exakt segmentiert wird.

Historisch entwickelte sich die Objekterkennung von handwerklich extrahierten Merkmalen wie HOG, SIFT oder SURF in Verbindung mit klassischen Klassifikatoren zu Deep-Learning-Ansätzen. Moderne Detektoren wie R-CNN, Fast/ Faster R-CNN und RetinaNet arbeiten oft zweistufig oder ein-stufig und nutzen Convolutional Neural Networks, um Merkmale zu lernen und Objekte direkt zu lokalisieren. Bekannte ein-stopp-Detektoren wie YOLO und SSD ermöglichen schnelle Inferenz, was sie besonders für Echtzeitanwendungen geeignet macht. Deep-Learning-Modelle sind heute in der Regel führend, erfordern aber große Datensätze und Rechenressourcen.

Die Qualität einer Objekterkennung wird häufig mit Metriken wie mittlerer precisions-ablauf (mAP) gemessen, basierend auf dem Schnittpunkt-über-Überlappungsmaß (IoU) zwischen vorhergesagten und wahren Boxen. Gängige Datensätze sind COCO, PASCAL VOC und ImageNet DET.

Anwendungen finden sich in der Fahrzeugtechnik (Autonome Fahr- und Assistenzsysteme), Sicherheit und Überwachung, Robotik, industrielle Qualitätskontrollen sowie medizinischer Bildgebung. Herausforderungen umfassen Realzeit-Anforderungen, Occlusion, Variationen in Beleuchtung, Skalierung und domänenbezogene Unterschiede.