Algorithmus lernt mithilfe von Vogelbildern

Objekte, die sich nur in wenigen Details unterscheiden, erkennen und bestimmen zu können – das ist eine große Herausforderung für die Künstliche Intelligenz. Denn Computersysteme mit dieser Fähigkeit unterstützen den Menschen in vielen Berei­chen erheblich. Beispielsweise können sie Biologen die Arbeit erleichtern, indem sie ver­schiedene Arten einer Klasse in der Tier- und Pflanzenwelt automatisch identifizieren.

 

©Kobes/Fotolia.de

Mit Unterstützung der Deutschen Forschungsge­mein­schaft (DFG) haben Informatiker der Friedrich-Schiller-Universität Jena in den ver­gange­nen vier Jahren zu diesem Zweck einen solchen Algorithmus zur sogenannten fein-granu­laren Objekterkennung entwickelt. Als Trainings­plattform wählten sie dafür ebenfalls ein Anwendungsgebiet aus der Natur, nämlich einen interna­tionalen Datensatz mit 200 nordamerikanischen Vogelarten.

Maschine lernt selbst

„Grundsätzlich benötigen wir für diese Grundlagenforschung einfach eine hohe Anzahl an geeigneten Fotos, um den Algorithmus zu trainieren – denn er lernt selbst“, erklärt Prof. Dr. Joachim Denzler von der Universität Jena die Wahl der Vogeldatenbank.

Das Modell der Jenaer Informatiker konzentriert sich bei der Identifikation auf einzelne Teile der Objekte. Das heißt, es versucht zunächst herauszufinden, wie sich ein Objekt beschreiben lässt. „Dazu teilt es beispielsweise einen Vogel in verschiedene Bereiche ein – also etwa Kopf, Flügel, Füße – und modelliert daraus dann ein Gesamtbild“, erklärt Di­mitri Korsch von der Universität Jena, der aktuell gemeinsam mit seinem Kollegen Chris­toph Theiß an dem Projekt arbeitet. Um das fehlerfrei zu lernen, muss es immer wieder mit neuen Bildern gefüttert werden. „Die Ma­schine versucht dann, die Teile des Vogels zu detektieren, die für seine Klassifizierung relevant sind“, so Denzler.

Transparente KI

Mit ihrer Methode erreichen die Jenaer Experten eine Erkennungsrate von rund 90 Prozent. Das Modell lernt nicht einfach nur auswendig, sondern versteht durch das kontinuierliche Training und den damit verbundenen Lerneffekt tatsächlich, wie es die Vögel unterscheiden kann. Hierbei spricht man von Deep Learning. Ein weiterer Vorteil des Algorithmus ist, dass die KI sehr transparent ist. Daher könne man die Entscheidungsfindung gut beobachten und erkennen wo noch Fehlerquellen liegen, so Denzler.

Vogelbestimmung mit Webseite

Weiterhin haben die Jenaer Informatiker eine Webseite entwickelt, die auf dem von ihnen entwickelten Algorithmus basiert. Mit ihr können Nutzerinnen und Nutzer mittels Abbildungen einzelne Vogel­arten aus dem Datensatz bestimmen. Sie müssen nur ein Foto des gesuchten Vogels hochladen, der dann zur näheren Bestimmung mit den gelisteten Vogelarten verglichen wird. Interessierte können sich die Webseite genauer anschauen und nutzen unter: https://birds.inf-cv.uni-jena.de/.

https://birds.inf-cv.uni-jena.de/.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige