Bildverarbeitung

Unser Unternehmen entwickelt Systeme die mit Hilfe von Deep Learning selbstständig lernen Bilder zu unterscheiden und zu klassifizieren.
Für diese Systeme des maschinellen Lernens gibt es unterschiedlichste Anwendungsbereiche wie die Sichtprüfung von Fertigungsteilen, Handschrift- oder Gesichtserkennung.

Bildverarbeitung: Auswertung und Darstellung von Bildern und Bildinhalten

Faltungen bei Signal- und Bildverarbeitung

Bilderkennung und die Grundlagen der Bildverarbeitung

Um die Bilderkennung zu verstehen, bedarf es einiger Grundlagen die wir hier erläutern. Wir zeigen die Arbeitsweise von Filtern in der Bildverarbeitung anhand sogenannter Faltungen (Convolutions) und leiten über zur Einführung in den Aufbau neuronaler Netze, den Einsatz verschiedener Lernmethoden für diese Netze sowie zu den Elementen des Deep Learning in Künstlichen Neuronalen Netzen.

Die Bildverarbeitung ist eine viel beachtete wissenschaftliche Disziplin mit vielen Verzweigungen in unterschiedlichste Forschungs- und Technikbereiche, in denen Bildverarbeitungstechniken angewendet werden. Besonders durch die rasante Entwicklung in der Bildsensorik und der Computertechnologie, mit stetig steigender Speicherkapazität und Rechenleistung, bei gleichzeitiger Miniaturisierung, sowie durch die Bereitstellung kostengünstiger SaaS-Anwendungen im Internet und die weite Verbreitung von Kamerasystemen z.B. auf Smartphones, entsteht ein zunehmendes Interesse nach weiteren kreativen Möglichkeiten in der Bildverarbeitung.

Maschinelle Mustererkennung in Bildern

Bereits heute werden in weiten Bereichen Computer und andere Maschinen zur Auswertung und Darstellung von Bildern und Bildinhalten eingesetzt. Verfahren wie die Mustererkennung befähigen diese Maschinen neben exakten Eingaben auch dynamische und weniger konkrete Signale zu verarbeiten, die gewonnenen Informationen zu segmentieren, zu klassifizieren und über die weitere Verarbeitung in einem gewissen Umfang selbst zu entscheiden.

Um die Leistung der Maschinen bei der Bilderkennung und der Verarbeitung von Bildern weiter zu verbessern und neue Anwendungsmöglichkeiten zu erschließen, wird unermüdlich versucht, die herausragenden Orientierungsfähigkeiten, die Menschen und Tiere durch Aufnahme und Verarbeitung visueller Signale erreichen, zu simulieren und nachzubilden.

Bildpunkte und deren Verarbeitung

Für die Orientierung und Navigation im Raum dienen Menschen und Tieren neben weiteren Sinnen vor allem Signale in Form von Lichtreizen, über Photorezeptoren im Auge als einzelne Bildpunkte, die im visuellen Cortex weiterverarbeitet werden. Als Entsprechung der Bildpunkte des Sehens von Menschen und Tieren dienen in der Informatik Rastergrafiken, die den Bildverarbeitungseinheiten zugeführt werden. Diese Rastergrafiken bieten Informationen zu Farbraum und Farbtiefe, die in der Form von Pixeln als Raster angeordnet sind.

Diese Pixelinformationen können dann ähnlich wie die Lichtreize, die im visuellen Cortex des menschlichen Gehirns verarbeitet werden, als Eingabe für KNN genutzt werden, mit dem Ziel, die Fähigkeiten des Gehirns nachzuahmen. Die neueren Entwicklungen in der Informatik und im Bereich der künstlichen Intelligenz schließen ein, dass nicht nur vorgegebene Muster erkannt werden, sondern dass Computer die Fähigkeit erhalten, aus den zugeführten Informationen selbständig Muster zu erlernen und bei der Objekterkennung anzuwenden.