Computer Vision

TLDR: Computer Vision ermöglicht Maschinen, visuelle Informationen aus Bildern und Videos zu verstehen. Es nutzt Deep Learning zur Objekterkennung, Szenenanalyse und Interpretation der physischen Welt.

Computer Vision (CV) ist ein Teilgebiet der künstlichen Intelligenz. Es ermöglicht Maschinen, Bedeutungen aus Bildern, Videos und anderen visuellen Eingaben zu extrahieren. CV-Systeme ahmen das menschliche Sehen nach. Sie klassifizieren, was sie sehen, lokalisieren Objekte und verstehen räumliche Beziehungen. Modernes CV basiert stark auf Deep Learning – insbesondere auf Convolutional Neural Networks (CNNs).

Kernaufgaben der Computer Vision

1. Bildklassifizierung: Weist einem gesamten Bild eine Bezeichnung zu (z. B. ‘Katze’ oder ‘Hund’).
2. Objekterkennung: Lokalisiert und beschriftet mehrere Objekte in einem Bild mithilfe von Begrenzungsrahmen.
3. Semantische Segmentierung: Beschriftet jeden Pixel eines Bildes nach Kategorie.
4. Instanzsegmentierung: Unterscheidet einzelne Instanzen derselben Objektklasse.
5. Posenschätzung: Erkennt die Position und Ausrichtung eines menschlichen Körpers oder Objekts.
6. Tiefenschätzung: Leitet 3D-Strukturen aus 2D-Bildern oder LiDAR-Punktwolken ab.
7. Optische Zeichenerkennung (OCR): Extrahiert Text aus Bildern.

Wie Computer Vision funktioniert

Eine CV-Pipeline beginnt typischerweise mit rohen Bilddaten. Die Vorverarbeitung normalisiert Größe, Farbe und Format. Ein neuronales Netzwerk extrahiert Merkmale Schicht für Schicht. Frühe Schichten erkennen Kanten und Texturen. Tiefere Schichten erkennen komplexe Formen und Objekte. Das Modell wird mit großen beschrifteten Datensätzen trainiert. Die Beschriftungen stammen von menschlichen Annotatoren – dies ist die Ground Truth.

Anwendungen der Computer Vision

1. Autonome Fahrzeuge: CV erkennt Fahrspuren, Fußgänger und Verkehrsschilder in Echtzeit.
2. Medizinische Bildgebung: Modelle erkennen Tumore und Anomalien in Röntgenaufnahmen und MRT-Scans.
3. Industrielle Inspektion: Kameras identifizieren automatisch Defekte in Produktionslinien.
4. Einzelhandel: Visuelle Suche und Regalüberwachung nutzen CV zur Bestandsverfolgung.
5. Robotik: Roboter nutzen CV, um ihre Umgebung wahrzunehmen und mit ihr zu interagieren.
6. Sicherheit: Überwachungssysteme erkennen Eindringlinge und identifizieren Gesichter.

Trainingsdaten für Computer Vision

CV-Modelle benötigen umfangreiche beschriftete Bilddatensätze. Vielfältigere Daten führen zu robusteren Modellen. Das Sammeln und Annotieren von Bildern in großem Maßstab ist kostspielig und zeitaufwendig. Synthetische Daten können Lücken füllen, wo reale Bilder rar sind. Der Datensätze-Marktplatz von Bright Data bietet gebrauchsfertige Bilddatensätze für das CV-Training.