{"id":185550,"date":"2023-09-16T15:39:22","date_gmt":"2023-09-16T14:39:22","guid":{"rendered":"https:\/\/liora.io\/de\/?p=185550"},"modified":"2026-02-06T06:16:30","modified_gmt":"2026-02-06T05:16:30","slug":"mit-forscher-erstellen-ein-computer-vision-modell-das-neunmal-besser-ist-als-aeltere-generationen","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/mit-forscher-erstellen-ein-computer-vision-modell-das-neunmal-besser-ist-als-aeltere-generationen","title":{"rendered":"MIT-Forscher erstellen ein Computer Vision-Modell, das neunmal besser ist als \u00e4ltere Generationen"},"content":{"rendered":"<p><strong>Wenn ein autonomes Fahrzeug seine Umgebung erkennen m\u00f6chte, muss es ein Computer-Vision-System verwenden, um jedes Pixel, das von seiner Kamera aufgenommen wird, zu kategorisieren. Diese Segmentierung ist jedoch ein komplexer und rechenintensiver Prozess. Um dieses System zu verbessern, haben Forscher des MIT ein neues Computer Vision-Modell entwickelt, das eine pr\u00e4zise semantische Segmentierung in Echtzeit auf einem Ger\u00e4t mit begrenzten Hardwareressourcen durchf\u00fchren kann.<\/strong><\/p>\n<h3>Ein neues Modell der Computervision?<\/h3>\nW\u00e4hrend ihrer Forschung wollten die <strong>MIT-Forscher<\/strong> die Verarbeitung der linearen Berechnung der Spitzenmodelle verbessern und gleichzeitig ihre F\u00e4higkeiten beibehalten. Zu diesem Zweck entwickelten sie eine Reihe neuer Modelle mit dem Namen EfficientViT.\n\nDiese neue Generation wurde als neunmal effizienter als die \u00e4lteren Modelle bewertet, wobei die gleiche Genauigkeit beibehalten wurde. Die Leistung nahm auch dann nicht ab, wenn das Modell auf einem mobilen Ger\u00e4t installiert wurde.\n\nLaut den <strong>MIT-Teams w\u00fcrden diese neuen Modelle es autonomen Fahrzeugen<\/strong> erm\u00f6glichen, Entscheidungen in Echtzeit zu treffen und sich an ver\u00e4nderte Situationen anzupassen. Sie k\u00f6nnten auch zur Verbesserung der Segmentierung medizinischer Bilder und f\u00fcr eine ganze Reihe anderer Aufgaben der <a href=\"https:\/\/liora.io\/de\/pilzerkennung-wie-computer-vision-bei-der-identifizierung-von-pilzarten-helfen-kann\">Computervision eingesetzt werden.<\/a>\n\n<iframe title=\"EfficientViT Street Scene Segmentation Demo\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/9vjyMCE-IbI?start=1&#038;feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<a href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">\nComputer Vision lernen\n<\/a>\n<h3>Welche Unterschiede gibt es zu den \u00c4lteren?<\/h3>\nDie Forscher haben <strong>EfficientViT<\/strong> mit einer hardwaregerechten Architektur entworfen, damit sie leichter auf verschiedenen Arten von Ger\u00e4ten wie Virtual-Reality-Headsets oder Bordcomputern von autonomen Fahrzeugen ausgef\u00fchrt werden kann.\n\nUm ihre Effizienz zu steigern, ordnete das <strong>MIT-Team<\/strong> die Reihenfolge der Operationen neu an, um die Anzahl der erforderlichen Berechnungen zu reduzieren. Um jedoch eine minimale Verarbeitungs- und Bildqualit\u00e4t beizubehalten, f\u00fcgten sie zwei zus\u00e4tzliche Recheneinheiten hinzu: Eine hilft den Modellen, die Verbindungen zwischen den Objekten besser zu erkennen, und die andere erm\u00f6glicht es den Modellen, sich an die Objekte zu erinnern.\n<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"534\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/09\/technologist-with-grey-tablet-his-hands-make-set-up-production-line-while-standing-department-dairy-factory-1024x683.jpg\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/09\/technologist-with-grey-tablet-his-hands-make-set-up-production-line-while-standing-department-dairy-factory-1024x683.jpg 1024w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/09\/technologist-with-grey-tablet-his-hands-make-set-up-production-line-while-standing-department-dairy-factory-300x200.jpg 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/09\/technologist-with-grey-tablet-his-hands-make-set-up-production-line-while-standing-department-dairy-factory-768x512.jpg 768w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/09\/technologist-with-grey-tablet-his-hands-make-set-up-production-line-while-standing-department-dairy-factory.jpg 1500w\" sizes=\"(max-width: 800px) 100vw, 800px\"><figcaption><\/figcaption><\/figure>\nBasierend auf diesen Ergebnissen wollen die <strong>Forscher diese Technik<\/strong> anwenden, um generative Modelle des maschinellen Lernens zu beschleunigen, wie z. B. solche, die zur Generierung neuer Bilder verwendet werden. Wenn dir dieser Artikel gefallen hat und du dich f\u00fcr aktuelle Datennachrichten interessierst oder eine Ausbildung in <a href=\"https:\/\/liora.io\/de\/data-science-beschleunigt-die-drive-zustellung\">Data Science<\/a> in Betracht ziehst, dann schau dir unsere Artikel oder unsere Ausbildungsangebote auf Liora an.\n\nQuelle: <a href=\"\/\">news.mit.edu<\/a>\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Entdecke unsere Big Data Kurse<\/a><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Wenn ein autonomes Fahrzeug seine Umgebung erkennen m\u00f6chte, muss es ein Computer-Vision-System verwenden, um jedes Pixel, das von seiner Kamera aufgenommen wird, zu kategorisieren. Diese Segmentierung ist jedoch ein komplexer und rechenintensiver Prozess. Um dieses System zu verbessern, haben Forscher des MIT ein neues Computer Vision-Modell entwickelt, das eine pr\u00e4zise semantische Segmentierung in Echtzeit auf [&hellip;]<\/p>\n","protected":false},"author":76,"featured_media":185551,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-185550","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/185550","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/76"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=185550"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/185550\/revisions"}],"predecessor-version":[{"id":217171,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/185550\/revisions\/217171"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/185551"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=185550"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=185550"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}