39 lines
898 B
Markdown
39 lines
898 B
Markdown
# Aufgabe 06: YOLO oder Detector integrieren
|
|
|
|
## Ziel
|
|
|
|
Du nutzt ein fertiges Objekterkennungsmodell auf Kamera-Frames.
|
|
|
|
## Warum ist das wichtig?
|
|
|
|
Personenzählung und Objektverständnis basieren auf Detektion statt auf reiner Klassifikation.
|
|
|
|
## Voraussetzungen
|
|
|
|
- Aufgaben 01-05
|
|
- YOLO/Ultralytics oder OpenCV DNN
|
|
|
|
## Theorie
|
|
|
|
Detektoren liefern Klassen, Boxen und Confidence. Sie sind probabilistisch und müssen mit Schwellenwerten interpretiert werden.
|
|
|
|
## Aufgabe
|
|
|
|
Integriere ein Modell und zeige erkannte Objekte im Livebild an.
|
|
|
|
## Akzeptanzkriterien
|
|
|
|
- Mindestens eine Objektklasse wird erkannt.
|
|
- Confidence wird angezeigt.
|
|
- Modellpfad oder Modellname ist konfigurierbar.
|
|
|
|
## Erweiterungen
|
|
|
|
- Teste CPU gegen GPU, falls verfügbar.
|
|
|
|
## Reflexionsfragen
|
|
|
|
- Warum reicht Bildklassifikation nicht?
|
|
- Welche Klassen sind für den Roboter nützlich?
|
|
- Wie gehst du mit langsamer Inferenz um?
|