Thema
#Computer Vision
Beiträge zu diesem Thema – branchenübergreifend.
Praxis Produktsuche per Bild: wie Bild-Embeddings aus Fotos eine Ähnlichkeitssuche machen Wie aus Produktfotos eine Ähnlichkeitssuche wird: Bild-Embeddings, Vektorsuche und die Stellen, an denen der Hintergrund gewinnt statt des Produkts. Praxis Den ganzen Look finden: aus einem Outfit-Bild eine shoppbare Produktliste machen Wie aus einem Outfit-Foto eine shoppbare Liste wird: den Look in Teile zerlegen, je Teil im Stil suchen — und warum das mehr ist als fünf Einzelsuchen. Praxis Schmuck erkennen per Bild oder Beschreibung: warum General-KI hier scheitert Warum Schmuck-Bilderkennung an winzigen Details, Reflexionen und fast identischen Varianten scheitert — und wie man Bild und Beschreibung richtig zusammenbringt. Praxis Synthetische Trainingsdaten: wenn echte Beispiele fehlen — und wo das nach hinten losgeht Wie du fehlende Trainingsbeispiele durch Vervielfältigen und Erzeugen ersetzt — warum unechte Daten dem Modell Falsches beibringen und der Test immer echt bleibt. Praxis Ein Vision-Modell auf deine Produkte feinabstimmen: wann es sich lohnt und was es kostet Wann ein Standard-Bildmodell für deine Nische zu grob ist — warum bei der Feinabstimmung die Daten das Projekt sind und wann du es lieber lässt. Praxis Visuelle Qualitätskontrolle am Band: warum »99 % Genauigkeit« nichts über deine Fehler sagt Wie KI Defekte am Band erkennt — warum Genauigkeit hier in die Irre führt, beide Fehlerarten unterschiedlich teuer sind und der Aufbau zählt mehr als das Modell.