Artikel
Technik bauen, testen und untersuchen. Experimente, Umsetzung und Recherche zeigen, warum sie funktioniert.
5

#Deep Learning

Maschinelles Lernen September 5, 2026

Einführung in Objekterkennung und semantische Segmentierung – Lesen der Frage „Was ist wo?“ aus einem Bild

Objekterkennung umrandet Objekte; semantische Segmentierung färbt jedes Pixel entsprechend seiner Bedeutung ein. Von den Unterschieden zwischen den beiden Verfahren über Instanz- und panoptische Segmentierung, die Entwicklungslinie von R-CNN zu YOLO, DETR und DINO bis hin zu ihren 3D-Punktwolken-Pendants – ein systematischer Überblick über die Grundlagen des Szenenverständnisses.

Fundamentals · 15 Min. Lesezeit
Maschinelles Lernen September 4, 2026

Ein ausführlicher Leitfaden zu SegFormer – Warum ein Transformer ohne Positionskodierung für die Segmentierung funktioniert

„Dieser Artikel analysiert SegFormer, das von NVIDIA, der Universität Hongkong und Kooperationspartnern auf der NeurIPS 2021 vorgestellt wurde, basierend auf der Originalveröffentlichung. Wir untersuchen den hierarchischen MiT-Encoder ohne Positionskodierung, den parametereffizienten All-MLP-Decoder, das effektive rezeptive Feld sowie den gemessenen mIoU-Wert, die Parameteranzahl und berechnen die Werte von B0 bis B5 mithilfe von Gleichungen.“

Fundamentals · 9 Min. Lesezeit
Maschinelles Lernen September 4, 2026

YOLO11 ausführlich erklärt – Was haben C3k2 und C2PSA gegenüber YOLOv8 verändert?

„Untersuchen Sie Ultralytics YOLO11 anhand offizieller Dokumentation und Primärquellen: C3k2, C2PSA, ankerfreie Detektion, DFL/CIoU-Verluste und gemessene Benchmarks für n/s/m/l/x.“

Fundamentals · 11 Min. Lesezeit
Maschinelles Lernen September 4, 2026

Einführung in maschinelles Lernen: Grundlagen neuronaler Netze

Neuronale Netze kombinieren affine Transformationen und nichtlineare Aktivierungen und reduzieren dann den Verlust durch Rückpropagation und gradientenbasierte Optimierung.

Fundamentals · 5 Min. Lesezeit
Technologietrends July 17, 2026

Technologietrends in SLAM

Von filterbasierten Methoden über Graphoptimierung bis hin zu lernbasierten, KI-nativen Ansätzen: Die Entwicklung von SLAM (Simultaneous Self-Localization and Mapping) und der aktuelle Forschungsstand werden nachgezeichnet.

Trends · 7 Min. Lesezeit