Canonical: https://instain.ru/de/ai/ultralytics-yolo/ Language: de Ultralytics Eine Familie von Computer-Vision-Modelle # Ultralytics YOLO. Objekterkennung mit einstellbaren Klassen und Konfidenzschwellen 4.53 / 5 [Katalogbewertung](https://instain.ru/de/ai/ultralytics-yolo/#editorial-rating) [Offizielle Website ](https://docs.ultralytics.com/modes/predict) Im Erkennungsmodus gibt das Modell Klassen, Rahmen und Auswertungen zurück. Der Entwickler kann fertige Gewichte ausführen oder die Option für eine markierte Stichprobe ausbilden. ![Ultralytics-Hilfe mit den Parametern des Vorhersagemodus](https://instain.ru/assets/images/ultralytics-yolo-screen-6fbf8233d6ab-1200.webp) Hilfe zu Ultralytics mit den Parametern des Vorhersagemodus. [Quelle öffnen ](https://docs.ultralytics.com/modes/predict) ## Zunächst klären Sie, was als Objekt Für eine Übung mit einer Lagerkamera reicht es nicht, nach Kartons zu suchen. Legen Sie fest, ob teilweise verdeckte Kartons oder Verpackungen in Spiegelungen zählen. Ultralytics YOLO gibt bei der Erkennung Begrenzungsrahmen, Klassen und Bewertungen aus. Gleichen Sie die Aufgabe mit der Klassenliste der gewählten Gewichte ab. Fehlt die gewünschte Objektklasse, brauchen Sie eigene Annotationen und einen separaten Test nach dem Training. ## Schwellenwerte beeinflussen zwei Arten von Fehlern Nehmen Sie einige Testbilder mit kleinen Objekten am Rand, ähnlichen Gegenständen und einer leeren Szene auf. Vergleichen Sie die Schwellenwerte am selben Satz. Eine strengere Schwelle kann falsche Rahmen entfernen und zugleich richtige Erkennungen unterdrücken. Halten Sie beide Effekte zusätzlich zur Zahl der Erkennungen fest. Wenn die Kamera bei anderer Beleuchtung eingesetzt wird, halten Sie einige Bilder unter diesen Bedingungen separat zurück. ## So markieren Sie eine Kontrollstichprobe Vereinbaren Sie Rahmenregeln für ein teilweise sichtbares Objekt und fixieren Sie, wie mehrere überlappende Instanzen zu markieren sind. Bilder aus einem Video sind fast identisch. Teilen Sie nach Aufnahme oder Datum, wenn Sie das Verhalten auf neuen Szenen sehen möchten. Überprüfen Sie vor der Arbeitsimplementierung die Rechenverzögerung, die gewählte Eingabegröße und die Lizenzierung. Ein gutes Beispiel zeigt das Ergebnisformat, aber die Nutzungsbedingungen und die Zuverlässigkeit werden separat überprüft. Befestigen Sie die Einstellungen, um die Messungen später zu wiederholen. Bewahren Sie neben dem Ergebnis mehrere Ausgangskontrollrahmen auf. ## Für welche Aufgaben geeignet - Objekterkennung auf Testbildern überprüfen - Vergleichen Sie Lücken und zusätzliche Rahmen an verschiedenen Schwellenwerten Funktionen ## Stärken - Es gibt separate Vorhersage- und Lernmodi - Dokumentation beschreibt Eingaben, Schwellenwerte und Ergebnisformate Zu berücksichtigen ## Einschränkungen - Ein vortrainiertes Modell ist auf seine vorhandenen Klassen beschränkt - Eine Konfidenzschwelle ersetzt keinen Prüfsatz ## Auswahl und Bedingungen Kostenlose Nutzung Ja Testphase Nicht bestätigt Keine Registrierung erforderlich Nicht bestätigt Russische Benutzeroberfläche Nicht bestätigt Lokale Installation Ja API Nicht bestätigt „Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers. Eingabeformate Bild, Video Ergebnis Daten ### Bedingungen Ultralytics veröffentlicht AGPL-Bedingungen und bietet eine kommerzielle Lizenz an. Prüfen Sie vor dem Einsatz, welche Bedingungen für Code und Gewichte in Ihrem Anwendungsfall gelten. Ein vortrainiertes Modell ist auf seine vorhandenen Klassen beschränkt. Von der Aufgabe zum ersten Ergebnis ## Praxisbeispiel Aufgabe Objekterkennung auf Testbildern überprüfen Was Sie vorbereiten sollten Lehrmaterial mit bekannten Objekten, ähnlichen Fächern und einer leeren Szene. ### Aufgabenbeschreibung oder Prompt Führen Sie den Detektor auf dem gleichen Bild an verschiedenen Schwellen. Speichern Sie Klassen, Rahmen und Auswertungen. ### Erwartetes Ergebnis Liste der richtigen Rahmen, Lücken und überflüssigen Alarme mit der Schwelle. ### So prüfen Sie das Ergebnis - Schauen Sie sich die seltenen Klassen und Objekte am Rand des Rahmens separat an. - Stellen Sie sicher, dass das Trainingsmaterial nicht in die Teststichprobe passt. Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses. Details überprüfen ## Offizielle Quellen - [Vorhersagen mit Ultralytics YOLO ](https://docs.ultralytics.com/modes/predict) - [Ultralytics YOLO Ausbildung ](https://docs.ultralytics.com/modes/train) - [Offizielle Lizenzbedingungen für Ultralytics ](https://www.ultralytics.com/license) Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung. Das Tool im Überblick Entwickler Ultralytics Kategorie [Bilder](https://instain.ru/de/category/images/) Zugang Sie benötigen Python oder eine Kommandozeile, ein unterstütztes Modell und Testbilder. Für das Training sind annotierte Daten und geeignete Rechenressourcen erforderlich. Zahlung Ultralytics veröffentlicht AGPL-Bedingungen und bietet eine kommerzielle Lizenz an. Prüfen Sie vor dem Einsatz, welche Bedingungen für Code und Gewichte in Ihrem Anwendungsfall gelten. API Keine separate API angegeben [Entwicklerbedingungen ](https://www.ultralytics.com/license) Katalogbewertung 4.53 / 5 Funktionen 4.60 / 5 Arbeitsszenarien 4.30 / 5 Ökosystem 4.60 / 5 Dokumentation 4.60 / 5 Die Punkte dienen der Orientierung im Katalog. Sie sind weder Nutzerbewertungen noch Ergebnisse persönlicher Tests. [Siehe Methodik ](https://instain.ru/de/methodology/)