Trainingsdatengenerierung mit mobilen Endgeräten
Die Objekterkennung mit Hilfe neuronaler Netzwerke, die sich an der Struktur des menschlichen Gehirns orientieren, hält immer mehr Einzug in unterschiedliche Bereiche: Industrie und Logistik, Medizin und Landwirtschaft, und natürlich beim Autonomen Fahren. Durch eine schnellere Anpassungsfähigkeit und Skalierbarkeit sind neuronale Netzwerke für viele Einsätze besser geeignet als herkömmliche Bilderkennungsalgorithmen.
Doch eine Künstliche Intelligenz muss erst erlernen, welche Objekte sie erkennen soll. Dazu bedarf es eines Trainingsdatensatzes, der Bildinformationen mit zusätzlichen Beschreibungen enthält, beispielsweise Objektbezeichnung bzw. Objektklasse, Größe oder Position. Zwar gibt es bereits frei verfügbare Datensätze zahlreiche Alltagsgegenstände, wie Personen, Tiere, Autos. Werden jedoch beispielsweise in der Logistik neue Waren verarbeitet, müssen bislang mit hohem manuellen Aufwand solche initialen Trainingsdaten generiert werden.
Eine Alternative bietet der Einsatz mobiler Endgeräte wie Smartphones oder Tablets. Sie können aufgrund ihrer hochauflösenden Kameras und immer besserer Rechenleistung entsprechende Objekte bildbasiert aufnehmen und weitgehend automatisiert annotieren, also mit den benötigten Zusatzdaten versehen . Eine flexible Toolkette, die verschiedene Objekt-Tracker, Segmentierungsalgorithmen sowie Machine-Learning-Modelle bereitstellt, ermöglicht es bei der mobilen Annotation, direkt auf veränderte Situationen – wie Beleuchtung, Objektgröße und -art sowie Wetter – zu reagieren. Darüber hinaus kann bereits während der Annotation die Funktionsfähigkeit mit Hilfe des Smartphones oder Tablets getestet werden. Durch in Zukunft performantere Objekt-Tracker, Segmentierungsalgorithmen und leistungsfähigere Endgeräte könnte dieser Ansatz künftig sogar herkömmlichen Verfahren zur Trainingsdatengenerierung Konkurrenz machen. Details dazu erfahren Sie in unserem Whitepaper „Wie Sie schnell und effizient Trainingsdaten für neuronale Netze generieren“, das Sie hier herunterladen können.