Für Maker · Computer Vision
Bring deiner Kamera bei, was sie sehen soll. Eigene Objekterkennung, ohne Code.
Werkzeuge in der Werkstatt, Vögel am Futterhaus, Bauteile auf dem Band: Mit FrameTrain labelst du deine Fotos, trainierst ein YOLO-Modell und testest es – alles in einer App, lokal auf deinem Rechner.
14 Tage · Keine Zahlungsdaten · Endet automatisch
So geht's
Vom Foto zum Modell in vier Schritten.
- 01
Fotos sammeln
Aus einem Ordner, von Webseiten oder von Hugging Face. Bilder von Kameras zu Hause oder aus der Firma bleiben dabei auf deinem Rechner.
- 02
Boxen ziehen
Im Dataset Studio markierst du Objekte und vergibst Klassen – per Tastatur, mit Vorschlägen eines bereits trainierten Modells. Die App warnt, wenn eine Klasse weniger als 10 Beispiele hat.
- 03
YOLO trainieren
Basismodell wählen (zum Beispiel YOLO11 oder YOLOv8 über Ultralytics), Vorlage übernehmen, starten. Den Verlauf siehst du live.
- 04
Testen und verbessern
Im Labor lässt du echte Bilder durchlaufen und bewertest die Treffer. Falsch erkannte Bilder gehen mit einem Klick als Korrektur zurück in den Datensatz.
Warum lokal
Bilderkennung gehört auf deinen Rechner.
Deine Bilder bleiben privat
Kamerabilder aus Wohnung, Garten oder Betrieb werden nicht hochgeladen. Das Training läuft auf deiner GPU.
Kein Upload von Tausenden Fotos
Große Bildordner einfach auswählen statt stundenlang in eine Cloud zu laden.
Keine Stundenpreise
Du trainierst so oft du willst. Experimente kosten keine Rechenzeit-Guthaben.
Direkt nutzbar
Im Hosting-Bereich lädst du dein Modell und sprichst es über die lokale API an – etwa aus einem eigenen Skript.
Was du brauchst
Die Voraussetzungen, ehrlich aufgelistet.
- Rechner
- MinimumMac mit Apple Silicon oder PC mit Windows/Linux
- BesserNVIDIA-Grafikkarte oder M-Chip mit viel Unified Memory
- Arbeitsspeicher
- Minimum8 GB
- Besser16 GB oder mehr
- Bilder pro Klasse
- Minimum10 (darunter warnt die App)
- Besserdeutlich mehr, aus verschiedenen Blickwinkeln und Lichtverhältnissen
- Vorwissen
- Minimumkeins – alles läuft über die Oberfläche
- Besser–
| Minimum | Besser | |
|---|---|---|
| Rechner | Mac mit Apple Silicon oder PC mit Windows/Linux | NVIDIA-Grafikkarte oder M-Chip mit viel Unified Memory |
| Arbeitsspeicher | 8 GB | 16 GB oder mehr |
| Bilder pro Klasse | 10 (darunter warnt die App) | deutlich mehr, aus verschiedenen Blickwinkeln und Lichtverhältnissen |
| Vorwissen | keins – alles läuft über die Oberfläche | – |
Auch ohne GPU ist Training möglich, dauert auf der CPU aber deutlich länger.
Häufige Fragen
Nein. FrameTrain trainiert auf NVIDIA-GPUs mit CUDA und auf Macs mit Apple Silicon über Metal. Ohne GPU läuft das Training auf der CPU – das funktioniert, ist aber deutlich langsamer.
FrameTrain nutzt Ultralytics und unterstützt damit YOLO-Modelle wie YOLOv8 und YOLO11 – für Erkennung, Segmentierung, Keypoints (Posen), gedrehte Boxen und Klassifikation.
Das trainierte Modell liegt als Datei auf deinem Rechner. YOLO-Modelle von Ultralytics lassen sich mit den Ultralytics-Werkzeugen in Formate wie ONNX exportieren, die auf kleinen Geräten wie dem Raspberry Pi laufen. Den Export selbst übernimmt FrameTrain derzeit nicht.
Unter 10 Beispielen pro Klasse warnt die App. Für verlässliche Ergebnisse sind deutlich mehr sinnvoll – vor allem aus unterschiedlichen Blickwinkeln, Abständen und Lichtverhältnissen. Im Labor siehst du schnell, wo das Modell noch Beispiele braucht.
Trainiere heute Abend deine erste Objekterkennung.
14 Tage kostenlos, ohne Zahlungsdaten. Wenn es dir nichts bringt, endet der Test einfach.
