Zum Inhalt
Alle Apps

CV Foundational Skills

Über diese App

Die sechs Foundational Skills der Computer Vision live im Browser: Klassifikation (MobileNet), Objektdetektion (COCO-SSD), Personen-Segmentierung (BodyPix), Pose Estimation (MoveNet), monokulare Tiefenschätzung (Prinzip-Demo) und OCR (Tesseract) — wahlweise auf der eigenen Webcam oder auf generierten Logistik-Szenen, inklusive zweier Challenges zum Skill-Matching.

Sechs Grundaufgaben der Bildverarbeitung

Fast jede Computer-Vision-Anwendung lässt sich aus wenigen Grundbausteinen zusammensetzen. Klassifikation beantwortet, was im Bild ist, mit einem Label für das ganze Bild. Objektdetektion sagt, wo was ist, mit Bounding Boxes und Klassen. Segmentierung ordnet jedes Pixel einer Klasse zu. Pose Estimation findet Gelenkpunkte eines Menschen. Monokulare Tiefenschätzung schätzt aus einem einzigen Bild die Entfernung je Pixel, aus Hinweisen wie Objektgröße, Verdeckung und Perspektive. OCR liest Text im Bild. In der Praxis kombiniert man diese Bausteine je nach Frage.

Was die App zeigt

Die App lädt vortrainierte Modelle direkt in den Browser: MobileNet für Klassifikation (1000 Klassen), COCO-SSD für Detektion (80 Klassen), BodyPix für Personen-Segmentierung, MoveNet für die Pose mit 17 Keypoints und Tesseract für OCR. Für die Tiefe zeigt sie eine handgebaute Prinzip-Tiefenkarte der Beispielbilder, weil es kein verlässlich kleines Browser-Modell gibt. Als Quelle dienen die eigene Webcam oder Logistik-Szenen (Pakete, Regal, Rampe). Alles läuft lokal, nichts wird hochgeladen.

Selbst ausprobieren

Teste die Modelle auf den gezeichneten Szenen und dann mit der Webcam: Auf stilisierten Bildern raten MobileNet und COCO-SSD oft daneben, auf echten Fotos klappt es. Das ist der Domain Gap zwischen Trainings- und Einsatzdaten. Die zwei Challenges stellen Praxisfälle, eine FEFO-Kommissionierung mit Greifarm und eine Deckenkamera über der Lagerhalle. Du wählst die nötigen Skills und bekommst eine Auflösung mit Begründung.

Häufige Fragen

Was ist der Unterschied zwischen Klassifikation, Objekterkennung und Segmentierung?
Klassifikation vergibt ein Label für das ganze Bild. Objekterkennung findet mehrere Objekte und markiert sie mit Rahmen und Klasse. Segmentierung geht weiter und ordnet jedes einzelne Pixel einer Klasse zu, etwa Person oder Hintergrund.
Was ist Pose Estimation?
Pose Estimation erkennt die Körperhaltung eines Menschen, indem sie Gelenkpunkte wie Schultern, Ellbogen und Knie findet. Modelle wie MoveNet liefern 17 Keypoints im COCO-Format. Anwendungen sind etwa Ergonomie- und Bewegungsanalysen.
Was ist der Domain Gap in der Computer Vision?
Ein Modell funktioniert gut auf Bildern, die seinen Trainingsdaten ähneln, und schlechter auf anderen. Ein auf Fotos trainiertes Netz erkennt gezeichnete Szenen oft falsch. Für neue Einsatzbereiche braucht man daher passende Trainingsdaten oder Nachtraining.
Werden Webcam-Bilder in der App hochgeladen?
Nein. Alle Modelle laufen lokal im Browser, weder Webcam-Bild noch Beispielbilder verlassen das Gerät. Beim ersten Aufruf eines Skills wird nur das Modell geladen.

Fach: Computer Vision

Mehr aus Computer Vision

Eine VisuApp von heyprof: interaktiv, kostenlos im Browser, ohne Anmeldung. Was ist eine VisuApp? · Alle Apps