Der ultimative Leitfaden zur Datenerweiterung im Jahr 2025

Dank des KI-Booms machen Phänomene wie Roboter, die in Fabriken arbeiten, und selbstfahrende Autos, die durch die Straßen navigieren, immer häufiger Schlagzeilen. KI verändert die Art und Weise, wie Maschinen mit der Welt interagieren, von der Verbesserung der medizinischen Bildgebung bis hin zur Unterstützung der Qualitätskontrolle in Produktionslinien.

Ein großer Teil dieses Fortschritts stammt aus der Computer Vision, einem Zweig der KI, der es Maschinen ermöglicht, Bilder zu verstehen und zu interpretieren. So wie der Mensch mit der Zeit lernt, Objekte und Muster zu erkennen, lernen auch KI-Modelle wie Ultralytics YOLO11 an großen Mengen von Bilddaten trainiert werden, um ihr visuelles Verständnis zu entwickeln.

Es ist jedoch nicht immer einfach, eine so große Menge an visuellen Daten zu sammeln. Auch wenn die Computer-Vision-Gemeinschaft viele große Datensätze erstellt hat, können sie immer noch bestimmte Variationen übersehen - z. B. Bilder mit Objekten bei schwachem Licht, teilweise verdeckte Gegenstände oder Dinge, die aus verschiedenen Winkeln betrachtet werden. Diese Unterschiede können für Computer-Vision-Modelle, die nur für bestimmte Bedingungen trainiert wurden, verwirrend sein.

Die Bilddatenerweiterung ist eine Technik, die dieses Problem löst, indem sie neue Variationen in bestehende Daten einführt. Durch Änderungen an den Bildern, wie z. B. das Anpassen von Farben, Drehen oder Verschieben der Perspektive, wird der Datensatz vielfältiger und hilft den KI-Modellen, Objekte in realen Situationen besser zu erkennen.

In diesem Artikel erfahren wir, wie die Bilddatenerweiterung funktioniert und welche Auswirkungen sie auf Computer-Vision-Anwendungen haben kann.

Was ist eine Bilddatenerweiterung?

Angenommen, du versuchst, einen Freund oder eine Freundin in einer Menschenmenge zu erkennen, aber er oder sie trägt eine Sonnenbrille oder steht an einem schattigen Platz. Selbst bei diesen geringfügigen Veränderungen des Aussehens weißt du immer noch, wer er oder sie ist. Ein KI-Modell kann mit solchen Veränderungen jedoch nur schwer umgehen, wenn es darauf trainiert wurde, Objekte in unterschiedlichen Umgebungen zu erkennen.

Die Bilddatenerweiterung verbessert die Leistung von Computer-Vision-Modellen, indem sie modifizierte Versionen bestehender Bilder zu den Trainingsdaten hinzufügt, anstatt Tausende neuer Bilder zu sammeln. 

Änderungen an Bildern wie Spiegeln, Drehen, Anpassen der Helligkeit oder Hinzufügen kleiner Verzerrungen setzen Vision AI-Modelle einer größeren Bandbreite von Bedingungen aus. Anstatt sich auf riesige Datensätze zu verlassen, können Modelle effizient aus kleineren Trainingsdatensätzen mit vergrößerten Bildern lernen. 

‍

Die Bedeutung der Datenerweiterung in der Computer Vision

Hier sind einige der wichtigsten Gründe, warum Augmentierungen für die Computer Vision wichtig sind:

• Reduziert den Datenbedarf: Das Sammeln großer Bilddatensätze erfordert Zeit und Ressourcen. Mit Augmentierungen können Modelle effektiv trainiert werden, ohne dass große Datensätze benötigt werden.
• Verhindert Überanpassung: Ein Modell, das mit zu wenigen Beispielen trainiert wurde, merkt sich möglicherweise Details, anstatt allgemeine Muster zu erkennen. Durch die Erweiterung von Beispielen wird sichergestellt, dass die KI-Modelle von Vision so lernen, dass sie auch auf neue und ungesehene Daten anwendbar sind.
• Imitiert unvollkommene Bilder: Bilder in Datensätzen sind oft zu perfekt, aber Fotos in der realen Welt können unscharf, verdeckt oder verzerrt sein. Das Anreichern von Bildern mit Rauschen, Verdeckungen oder anderen Variationen macht sie realistischer.
• Verbessert die Robustheit des Modells: Das Training mit einer Vielzahl von Bildern hilft der KI, mit Veränderungen in der realen Welt umzugehen, sodass sie in verschiedenen Umgebungen, Lichtverhältnissen und Situationen zuverlässiger wird.

Wann solltest du die Bilddatenerweiterung nutzen?

Die Vergrößerung von Bilddaten ist besonders hilfreich, wenn ein Computer Vision Modell Objekte in verschiedenen Situationen erkennen muss, aber nicht genügend unterschiedliche Bilder hat. 

Wenn Forscher zum Beispiel ein KI-Modell trainieren, um seltene Unterwasserarten zu identifizieren, die nur selten fotografiert werden, kann der Datensatz klein sein oder wenig Variation aufweisen. Durch Anreicherung der Bilder - Anpassung der Farben, um unterschiedliche Wassertiefen zu simulieren, Hinzufügen von Rauschen, um trübe Bedingungen zu imitieren, oder leichte Veränderung der Formen, um natürliche Bewegungen zu berücksichtigen - kann das Modell lernen, Unterwasserobjekte genauer zu erkennen .

Hier sind einige andere Situationen, in denen eine Vergrößerung einen großen Unterschied macht:

• Ausgewogenheit des Datensatzes: Manche Objekte kommen in den Trainingsdaten seltener vor, was dazu führt, dass Vision-KI-Modelle verzerrt sind. Die Erweiterung hilft dabei, mehr Beispiele für seltene Objekte zu erstellen, damit das Modell alle Kategorien gleich gut erkennen kann.
• Anpassen an verschiedene Kameras: Bilder können je nach Gerät unterschiedlich aussehen. Die Augmentierung hilft den Vision AI-Modellen, Fotos mit unterschiedlichen Auflösungen, Lichtverhältnissen und Qualitäten gut zu verarbeiten.
• Kleine Beschriftungsfehler korrigieren: Leichte Verschiebungen, Beschneidungen oder Drehungen helfen Computer Vision Modellen, Objekte richtig zu erkennen, auch wenn die ursprünglichen Beschriftungen nicht perfekt ausgerichtet sind.

Wie die Bilddatenerweiterung funktioniert

In den Anfängen der Computer Vision umfasste die Anreicherung von Bilddaten vor allem grundlegende Bildverarbeitungstechniken wie Spiegeln, Drehen und Zuschneiden, um die Vielfalt der Daten zu erhöhen. Mit der Verbesserung der KI wurden fortschrittlichere Methoden eingeführt, wie z. B. das Anpassen von Farben (Farbraumtransformationen), das Schärfen oder Verwischen von Bildern (Kernel-Filter) und das Zusammenfügen mehrerer Bilder (Bildmischung), um das Lernen zu verbessern.

Die Erweiterung kann vor und während der Modellschulung erfolgen. Vor dem Training können veränderte Bilder zum Datensatz hinzugefügt werden, um für mehr Abwechslung zu sorgen. Während des Trainings können die Bilder in Echtzeit zufällig verändert werden, damit sich die KI-Modelle an unterschiedliche Bedingungen anpassen können.

Diese Änderungen werden durch mathematische Transformationen vorgenommen. Durch Drehen wird ein Bild zum Beispiel gekippt, durch Zuschneiden werden Teile entfernt, um verschiedene Ansichten zu simulieren, und durch Helligkeitsänderungen werden Beleuchtungsunterschiede simuliert. Durch Unschärfe werden Bilder weicher, durch Schärfen werden Details deutlicher und durch Mischen von Bildern werden Teile verschiedener Bilder kombiniert. KI-Frameworks und -Tools wie OpenCV, TensorFlow und PyTorch können diese Prozesse automatisieren und machen die Bildverbesserung schnell und effektiv.

Wichtige Techniken zur Erweiterung von Bilddaten

Nachdem wir nun besprochen haben, was Bilddatenerweiterung ist, wollen wir uns einige grundlegende Techniken der Bilddatenerweiterung genauer ansehen, die zur Verbesserung von Trainingsdaten eingesetzt werden.

Ausrichtung und Position anpassen

Computer-Vision-Modelle wie YOLO11 müssen Objekte oft aus verschiedenen Winkeln und Blickwinkeln erkennen. Dazu können die Bilder horizontal oder vertikal gespiegelt werden, damit das KI-Modell lernt, Objekte aus verschiedenen Blickwinkeln zu erkennen. 

Wenn du die Bilder drehst, ändert sich auch ihr Winkel leicht, sodass das Modell Objekte aus verschiedenen Perspektiven erkennen kann. Auch das Verschieben von Bildern in verschiedene Richtungen (Translation) hilft den Modellen, sich an kleine Positionsveränderungen anzupassen. Diese Transformationen sorgen dafür, dass die Modelle besser auf reale Bedingungen angepasst werden können, bei denen die Position von Objekten in einem Bild nicht vorhersehbar ist.

‍

Größe ändern und zuschneiden

Bei realen Computer Vision Lösungen können Objekte in Bildern in unterschiedlichen Entfernungen und Größen erscheinen. KI-Modelle müssen robust genug sein, um sie unabhängig von diesen Unterschieden zu erkennen. 

Um die Anpassungsfähigkeit zu verbessern, können die folgenden Erweiterungsmethoden eingesetzt werden:

• Skalieren: Die Skalierung ändert die Bildgröße unter Beibehaltung der Proportionen, damit die KI-Modelle Objekte in unterschiedlichen Entfernungen erkennen können.
• Zuschneiden: Dadurch werden unnötige Teile eines Bildes entfernt, damit sich das Model auf die wichtigsten Bereiche konzentrieren kann und der Hintergrund weniger ablenkt.
• Scheren: Das leichte Scheren eines Bildes simuliert ein gekipptes oder gestrecktes Aussehen und hilft der KI, Objekte aus verschiedenen Blickwinkeln zu erkennen.

Diese Anpassungen helfen Computer-Vision-Modellen, Objekte zu erkennen, auch wenn sich ihre Größe oder Form leicht verändert.

Anpassung von Perspektive und Verzerrung

Objekte in Bildern können je nach Kamerawinkel unterschiedlich aussehen, was die Erkennung für Computer Vision Modelle schwierig macht. Um den Modellen zu helfen, mit diesen Unterschieden umzugehen, können Augmentierungsverfahren die Darstellung von Objekten in Bildern anpassen. 

Perspektivische Transformationen können zum Beispiel den Blickwinkel verändern und ein Objekt so aussehen lassen, als würde es von einer anderen Position aus gesehen werden. So können Vision AI-Modelle Objekte auch dann erkennen, wenn sie geneigt sind oder aus einem ungewöhnlichen Blickwinkel aufgenommen wurden. 

Ein anderes Beispiel ist eine elastische Transformation, die Bilder dehnt, verbiegt oder verzerrt, um natürliche Verzerrungen zu simulieren, damit Objekte so erscheinen, wie sie in Spiegelungen oder unter Druck erscheinen würden. 

Änderungen bei Farbe und Beleuchtung

Beleuchtungsbedingungen und Farbunterschiede können sich erheblich darauf auswirken, wie Vision AI-Modelle Bilder interpretieren. Da Objekte unter verschiedenen Beleuchtungsbedingungen unterschiedlich erscheinen können, können die folgenden Augmentierungstechniken helfen, diese Situationen zu bewältigen:

• Anpassung von Helligkeit und Kontrast: Die Simulation verschiedener Lichtverhältnisse hilft den Vision AI-Modellen, Objekte sowohl in hellen als auch in dunklen Umgebungen zu erkennen.
• Color Jittering: Die zufällige Änderung von Farbton, Sättigung und Farbbalance macht Computer-Vision-Modelle anpassungsfähiger an verschiedene Kameras und Lichtverhältnisse.
• Graustufen-Konvertierung: Die Umwandlung von Bildern in Schwarz-Weiß ermutigt die Vision AI-Modelle, sich auf Formen und Texturen statt auf Farben zu konzentrieren.

‍

Fortgeschrittene Techniken zur Bilddatenerweiterung

Bisher haben wir uns nur mit Augmentierungstechniken beschäftigt, die ein einzelnes Bild verändern. Bei einigen fortgeschrittenen Methoden werden jedoch mehrere Bilder kombiniert, um das KI-Lernen zu verbessern.

MixUp zum Beispiel fügt zwei Bilder zusammen und hilft Computer-Vision-Modellen, Objektbeziehungen zu verstehen und ihre Fähigkeit zu verbessern, über verschiedene Szenarien hinweg zu generalisieren. CutMix geht noch einen Schritt weiter, indem es einen Teil eines Bildes durch einen Teil eines anderen Bildes ersetzt, so dass die Modelle aus mehreren Kontexten innerhalb desselben Bildes lernen können. CutOut hingegen funktioniert anders, indem es zufällige Teile eines Bildes entfernt und die KI-Modelle darauf trainiert, Objekte auch dann zu erkennen, wenn sie teilweise verdeckt oder verdeckt sind.

‍

Die Rolle der generativen KI bei der Bilddatenerweiterung

Generative KI ist in vielen Branchen und Alltagsanwendungen auf dem Vormarsch. Du kennst sie wahrscheinlich von KI-generierten Bildern, Deepfake-Videos oder Apps, die realistische Avatare erstellen. Aber neben Kreativität und Unterhaltung spielt die generative KI auch eine wichtige Rolle beim Training von Vision-KI-Modellen, indem sie aus vorhandenen Bildern neue generiert.

Anstatt Bilder einfach nur zu drehen oder zu spiegeln, können sie realistische Variationen erzeugen, indem sie Gesichtsausdrücke und Kleidungsstile ändern oder sogar unterschiedliche Wetterbedingungen simulieren. Diese Variationen tragen dazu bei, dass Computer-Vision-Modelle in verschiedenen realen Szenarien anpassungsfähiger und genauer werden. Fortschrittliche generative KI-Modelle wie GANs (Generative Adversarial Networks) und Diffusionsmodelle können auch fehlende Details ergänzen oder hochwertige synthetische Bilder erstellen.

Beschränkungen der Bilddatenerweiterung

Die Datenerweiterung verbessert zwar die Trainingsdatensätze, aber es gibt auch einige Einschränkungen zu beachten. Hier sind einige der wichtigsten Herausforderungen im Zusammenhang mit der Erweiterung von Bilddaten:

• Begrenzte Datenvielfalt: Augmentierte Bilder stammen aus bestehenden Daten und können keine völlig neuen Muster oder seltenen Perspektiven einbringen.
• Mögliche Datenverzerrung: Übermäßige Transformationen können Bilder unrealistisch machen, was die Modellgenauigkeit in realen Szenarien verringern kann.
• Höhere Rechenleistung: Die Echtzeit-Erweiterung, die während des Modelltrainings stattfindet, kann eine Menge Rechenleistung erfordern, was das Training verlangsamt und den Speicherbedarf erhöht.
• Das Ungleichgewicht der Klassen bleibt bestehen: Durch die Erweiterung werden keine völlig neuen Stichproben erstellt, sodass unterrepräsentierte Kategorien immer noch zu verzerrtem Lernen führen können.

Eine reale Anwendung der Bilddatenerweiterung

Eine interessante Anwendung der Bilddatenerweiterung sind selbstfahrende Autos, bei denen sekundengenaue Entscheidungen von Computer Vision Modellen wie YOLO11 entscheidend sind. Das Modell muss in der Lage sein, Straßen, Menschen und andere Objekte genau zu erkennen.

Die realen Bedingungen, auf die ein selbstfahrendes Fahrzeug trifft, können jedoch unvorhersehbar sein. Schlechtes Wetter, Bewegungsunschärfe und versteckte Schilder können KI-Lösungen in diesem Bereich komplex machen. Es reicht oft nicht aus, die Bildverarbeitungsmodelle nur mit realen Bildern zu trainieren. Die Bilddatensätze für die Modelle in selbstfahrenden Autos müssen vielfältig sein, damit das Modell lernen kann, mit unerwarteten Situationen umzugehen.

Die Bilddatenerweiterung löst dieses Problem, indem sie Nebel simuliert, die Helligkeit anpasst und Formen verzerrt. Diese Änderungen helfen den Modellen, Objekte unter verschiedenen Bedingungen zu erkennen. Dadurch werden die Modelle intelligenter und zuverlässiger. 

Mit erweitertem Training passen sich Vision-KI-Lösungen in selbstfahrenden Autos besser an und treffen sicherere Entscheidungen. Genauere Ergebnisse bedeuten weniger Unfälle und eine bessere Navigation. 

‍

Selbstfahrende Autos sind nur ein Beispiel dafür. Tatsächlich ist die Bilddatenerweiterung in vielen Bereichen von entscheidender Bedeutung, von der medizinischen Bildgebung bis hin zur Einzelhandelsanalytik. Jede Anwendung, die sich auf Computer Vision stützt, kann potenziell von der Bilddatenerweiterung profitieren.

Die wichtigsten Erkenntnisse

KI-Systeme müssen in der Lage sein, Objekte unter verschiedenen Bedingungen zu erkennen, aber es kann schwierig sein, endlose Bilder aus der realen Welt für das Training zu sammeln. Die Bilddatenerweiterung löst dieses Problem, indem sie Variationen bestehender Bilder erstellt, damit die Modelle schneller lernen und in realen Situationen besser funktionieren. Sie verbessert die Genauigkeit und stellt sicher, dass KI-Modelle wie YOLO11 mit unterschiedlichen Lichtverhältnissen, Winkeln und Umgebungen umgehen können.

Für Unternehmen und Entwickler/innen spart die Bilddatenerweiterung Zeit und Aufwand und macht Computer Vision Modelle zuverlässiger. Vom Gesundheitswesen bis hin zu selbstfahrenden Autos sind viele Branchen davon abhängig. Mit der Weiterentwicklung von Vision AI wird die Datenerweiterung auch in Zukunft ein wesentlicher Bestandteil der Entwicklung intelligenter und anpassungsfähiger Modelle sein.

Tritt unserer Community bei und besuche unser GitHub-Repository, um KI in Aktion zu sehen. Erkunde unsere Lizenzierungsoptionen und erfahre mehr über KI in der Landwirtschaft und Computer Vision in der Produktion auf unseren Lösungsseiten.