🧩 Segmentierung mit YOLO11n (Teil 2.1)
Dieser Blogpost ist noch in Arbeit! Ich beschreibe hier meinen Ansatz zur Segmentierung von Bildern mit YOLO11n und wie ich das Modell für meine Masterarbeit angepasst habe. In den nächsten Wochen werde ich diesen Beitrag noch weiter ausbauen und mit Ergebnissen ergänzen.
🚦 Modell: YOLO11n mit Segmentierung
Für die Segmentierungsaufgabe habe ich das Modell yolo11n-seg_tuning_10x10_trained_on_Mapillary_vistas verwendet. Das Modell basiert auf YOLOv11n und wurde speziell für Segmentierungsaufgaben getunt:
- Tuning: 10x10 Epochen (also 10 Durchläufe à 10 Epochen)
- Training: Anschliessend 100 Epochen auf dem Mapillary Vistas Datensatz
- Ziel: Automatische Segmentierung von Objekten in Strassenbildern
📝 Aktueller Stand
Ich bin aktuell noch dabei, die Ergebnisse auszuwerten und die besten Visualisierungen zu erstellen. In den nächsten Tagen werde ich hier Beispielbilder, Metriken und weitere technische Details ergänzen.
🔜 Was kommt als Nächstes? (Depth Estimation)
Im nächsten Blogpost geht es um die Schätzung von Tiefeninformationen (Depth Estimation) aus Bildern. Das Ziel ist es, für jedes Pixel im Bild die Entfernung zur Kamera zu bestimmen – ein wichtiger Schritt für viele Computer-Vision-Anwendungen.
Bleib dran – der Blog wird laufend ergänzt!
Claude 👨💻