Lerne Computer Vision mit Ultralytics YOLO

Lerne die fachlichen Überlegungen hinter jedem funktionierenden Bildverarbeitungssystem kennen – die Aufgabe präzise festlegen, aus den sieben Ultralytics-YOLO-Aufgaben wählen, Daten und Beschriftungen prüfen, Daten sauber aufteilen und Kennzahlen richtig interpretieren – anhand ausführbarer YOLO26-Beispiele mit echten Bildern und Datensätzen.

Ein praxisorientierter Leitfaden für die Arbeit vor dem Training: ein Geschäftsziel in einen Abnahmetest umwandeln, repräsentative Daten spezifizieren und erfassen, konsistent beschriften, die Qualität mit Skripten prüfen, den Datensatz ohne Datenleckage aufteilen, die Augmentierung abstimmen und das erste Ultralytics-YOLO26-Fine-Tuning von einer Bereitschaftsprüfung abhängig machen.

Bringe Ultralytics YOLO26 von einer frischen Installation bis zu einem benutzerdefiniert trainierten, validierten und exportierten Detektor. Führe Vorhersagen auf Bildern aus, strukturiere einen echten Datensatz, trainiere und diagnostiziere einen Pillendetektor, verarbeite Videos mit Tracking und exportiere nach ONNX – mit dem Nachweis, dass das Ergebnis mit PyTorch übereinstimmt. Jeder Schritt läuft in Python und über die CLI auf einer Laptop-CPU; die tatsächliche Ausgabe wird gezeigt. Die Planung, Erfassung und Beschriftung des Datensatzes selbst wird in *Building High-Performance YOLO Datasets* behandelt.

Du kannst einen Detektor trainieren. Ultralytics YOLO unterstützt sieben Bildverarbeitungsaufgaben, und dieser Kurs vermittelt die fünf, denen du nach der Erkennung am häufigsten begegnen wirst – Instanz- und semantische Segmentierung, Pose, orientierte Bounding-Boxen und Klassifizierung. Dabei geht es vom Beschriftungsformat und Training bis zum Auslesen der Ergebnisse im Code, zum Verketten von Modellen sowie zur aufgabenspezifischen Auswertung und zum Export. Tiefenschätzung, die siebte Aufgabe, ist Teil des Aufgabenplans sowie der Lektionen zu Auswertung und Export.

Überführe ein trainiertes Ultralytics-YOLO-Modell in die Produktion: Wähle eine Laufzeitumgebung, exportiere und überprüfe das Modell, optimiere es für deine Hardware, verfolge Objekte, erstelle Zählpipelines, verarbeite viele Streams und erkenne Drift, bevor sie den Nutzern auffällt.

Führe ein echtes Erkennungsprojekt auf der Ultralytics Platform durch: Lege ein Budget fest, importiere und beschrifte Daten, weise saubere Datensatzaufteilungen nach, trainiere und vergleiche Durchläufe, stelle einen dedizierten Endpunkt bereit, überwache die Genauigkeit und automatisiere die erneute Trainingsschleife.