KI-Vision verstehen: Von der Bildklassifizierung zur Instanzsegmentierung

In der Computer Vision schreitet die Komplexität, wie eine Maschine ein Bild wahrnimmt, vom Verständnis des gesamten Bildes als ein einzelnes Konzept bis zur Analyse auf der Ebene einzelner Pixel fort. Diese Aufgaben werden nach dem Grad der Details kategorisiert, die sie liefern.

Bildklassifizierung

Die Bildklassifizierung ist die grundlegendste Aufgabe. Sie weist einem gesamten Bild ein einzelnes Label zu. Wenn Sie beispielsweise einer KI ein Foto eines Hundes zeigen, gibt das Modell einfach das Label 'Hund' aus. Es sagt Ihnen, was im Bild ist, aber nicht, wo sich das Objekt befindet oder ob es mehrere Objekte gibt. Dies wird in Kontexten wie der Inhaltsmoderation verwendet, wo ein gesamtes Bild als sicher oder unsicher markiert wird, oder in einfachen Sortiersystemen, in denen Bilder basierend auf ihrem Inhalt in Ordner kategorisiert werden.

Objekterkennung

Die Objekterkennung geht auf eine detailliertere Ebene über, indem sie sowohl identifiziert, was im Bild ist, als auch wo es sich befindet. Anstatt nur das gesamte Bild zu beschriften, zeichnet sie eine Begrenzungsbox um bestimmte Objekte und weist jeder Box ein Label zu. In einer Straßenszene könnte sie beispielsweise Boxen um drei verschiedene Autos und einen Fußgänger zeichnen. Dies ist für Echtzeitanwendungen wie autonomes Fahren unerlässlich, wo ein Auto genau wissen muss, wo sich Hindernisse befinden, um sie zu vermeiden, oder im Einzelhandel, wo Kameras Produkte in Regalen verfolgen, um den Bestand zu verwalten.

Semantische Segmentierung

Die semantische Segmentierung bringt die Analyse auf Pixelebene. Sie klassifiziert jedes einzelne Pixel eines Bildes in eine Kategorie wie Straße, Himmel, Baum oder Auto. Sie unterscheidet jedoch nicht zwischen einzelnen Objekten derselben Klasse. Wenn sich drei Autos im Bild befinden, färbt die semantische Segmentierung alle Pixel, die zu einem Auto gehören, mit demselben Label und behandelt sie effektiv als einen großen Block von Autopixeln. Dies ist sehr nützlich für Aufgaben, bei denen die genaue Grenze einer Region wichtiger ist als die einzelnen Objekte, wie in der medizinischen Bildgebung zur Identifizierung des Bereichs eines Tumors oder in der Satellitenbildgebung zur Kartierung der Landnutzung wie Wälder oder Gewässer.

Instanzsegmentierung

Die Instanzsegmentierung kombiniert die Stärken der Objekterkennung und der semantischen Segmentierung. Wie die semantische Segmentierung klassifiziert sie jedes Pixel, unterscheidet aber auch zwischen einzelnen Instanzen derselben Klasse. Wenn es drei Autos gibt, beschriftet sie diese als Auto 1, Auto 2 und Auto 3 und liefert für jedes eine eindeutige Maske. Dies ist die präziseste Analyseebene. Sie wird in der fortgeschrittenen Robotik eingesetzt, wo eine Maschine ein bestimmtes Objekt aus einem Stapel ähnlicher Objekte aufnehmen muss, oder in der medizinischen Diagnostik, wo ein Arzt einzelne Zellen oder Läsionen zählen und messen muss, anstatt nur den allgemeinen Gewebebereich zu identifizieren.

Vergleichstabelle

Fazit

Zusammenfassend hängt die Wahl der Aufgabe von der gewünschten Ausgabe ab. Verwenden Sie die Bildklassifizierung, wenn Sie nur den allgemeinen Inhalt eines Bildes kennen müssen. Verwenden Sie die Objekterkennung, wenn Sie Objekte mit Begrenzungsboxen lokalisieren müssen. Verwenden Sie die semantische Segmentierung, wenn Sie die Form und Grenzen von Kategorien in der gesamten Szene verstehen müssen. Verwenden Sie die Instanzsegmentierung, wenn Sie jedes einzelne Objekt im Bild identifizieren, zählen und präzise umreißen müssen.