Automatische Bilderkennung: Mit KI lernen Maschinen das Sehen

Uns fällt es leicht visuelle Informationen wie Orte, Objekte und Personen auf Bildern zu erkennen und zu unterscheiden. Computer haben es traditionell schwerer, diese Bilder zu verstehen. Mit Hilfe von künstlicher Intelligenz (KI), Deep Learning und Bilderkennungssoftware sind sie jedoch inzwischen in der Lage die visuellen Informationen zu entschlüsseln.

Eine wirksame KI-Bilderkennungssoftware dekodiert nicht nur Bilder, sondern hat auch eine Vorhersagefähigkeit. Software und Anwendungen, die für die Interpretation von Bildern trainiert sind, sind intelligent genug, um Orte, Personen, Handschriften, Objekte und Aktionen in Bildern oder Videos zu identifizieren. Erfahren Sie in diesem Artikel, wie Maschinen das Sehen lernen können.

Der Prozess der Bilderkennung beginnt mit dem Sammeln und Organisieren der Rohdaten. Das Organisieren von Daten bedeutet, jedes Bild zu kategorisieren und seine physischen Merkmale zu extrahieren. So wie wir Menschen lernen, neue Elemente zu identifizieren, indem wir sie anschauen und Besonderheiten erkennen, tun dies auch Computer, indem sie das Bild in einem Raster oder Vektor verarbeiten, um es zu analysieren.

Diese Daten werden in den maschinellen Lernalgorithmus eingespeist. Damit die Intelligenz anhand dieser Daten Muster erkennen kann, ist das korrekte Sammeln und Organisieren der Daten entscheidend. Oftmals sind dafür hunderte oder tausende von Bildern notwendig, um die Intelligenz zu trainieren. Diese Phase wird als Machine Learning bezeichnet.

Das Machine Learning ist ein iterativer Prozess. Dabei trainiert sich das System über neuronale Netze selbst. Sie sind der Schlüssel zum Deep Learning und ahmen vereinfacht die Struktur unseres Gehirns nach. Dieses künstliche Gehirn versucht Muster in Daten zu erkennen, um zu entschlüsseln, was auf den Bildern zu sehen ist. Der Algorithmus geht diese Datensätze durch und lernt, wie ein Bild eines bestimmten Objektes aussieht. Dabei werden Aufgaben wie Bildverarbeitung, Bildklassifizierung, Objekterkennung, Objektsegmentierung, Bildkolorierung, Bildrekonstruktion und Bildsynthese ausgeführt. Nach einer gewissen Trainingszeit wird auf Basis der Testdaten festgestellt, ob die gewünschten Zielergebnisse erreicht wurden.

Der letzte Schritt besteht darin, das passende Modell zu verwenden, um neue Bilder mit hoher Genauigkeit zu entschlüsseln. Die Algorithmen zur Bilderkennung müssen mit großer Sorgfalt geschrieben werden, da schon kleine Anomalien das gesamte Modell unbrauchbar machen können.

Vielleicht haben Sie selbst schon mal eine Online-Shopping App ausprobiert, mit der sie, Objekte scannen können, um ähnliche Artikel angezeigt zu bekommen. Dann sind Sie schon mit KI in Sachen Bilderkennung in Kontakt gewesen. Dennoch fragen Sie sich vielleicht, warum KI eine führende Rolle bei der Bilderkennung spielt. In diesem Abschnitt werden wir die Antwort auf diese Frage erörtern.

Uns fällt es leicht andere Menschen anhand ihrer charakteristischen Gesichtszüge zu erkennen. Doch auch KI wird darauf trainiert, aus Gesichtern Informationen abzulesen. Gesichtserkennungssysteme können inzwischen Gesichtern einzelnen Menschen zuordnen und so die Identität von Personen feststellen. Dabei wird das Bild mit den Tausenden und Millionen von Bildern in der Deep-Learning-Datenbank verglichen, um die Person zu finden. Diese Technologie kommt derzeit bei Smartphones zum Einsatz, um das Gerät mit Hilfe der Gesichtserkennung zu entsperren. Einige soziale Netzwerke verwenden diese Technologie auch, um Personen auf dem Gruppenbild zu erkennen und sie automatisch zu markieren.

Entsprechend trainierte KI kann sogar aus der Mimik von Personen deren Gefühle erkennen. Dafür müssen viele Bilder von Menschen in einem bestimmten Gemütszustand über Machine Learning analysiert werden, um gemeinsame Muster zu erkennen und den Emotionen zuzuordnen. Solche Systeme könnten beispielsweise Menschen mit Suizidabsichten in Bahnhöfen erkennen und einen entsprechenden Alarm auslösen. Auch wenn es viele Vorteile beim Einsatz dieser Technologie gibt, ist die Erkennung und Analyse des Gesichts ein tiefer Eingriff in die Privatsphäre. Dadurch, dass sie sich noch in der Entwicklung befindet, sind Fehlidentifikationen nicht ausgeschlossen.

Wir können zwei Deep-Learning-Techniken verwenden, um die Objekterkennung durchzuführen. Eine besteht darin, ein Modell von Grund auf neu zu trainieren, und die andere wird verwendet, um ein bereits trainiertes Deep-Learning-Modell anzupassen. Basierend auf diesen Modellen können wir viele nützliche Objekterkennungsanwendungen erstellen. Dafür ist ein tiefes Verständnis der mathematischen und maschinellen Lernframeworks erforderlich. Zu den modernen Anwendungen der Objekterkennung gehört das Zählen von Personen auf dem Bild einer Veranstaltung oder das Erfassen von Produkten beim Herstellungsprozess. Es kann auch verwendet werden, um gefährliche Gegenstände auf Fotos wie Messer, Waffen oder ähnliche Gegenstände zu erkennen.

Mit KI lassen sich Bilderkennungssysteme trainieren, um Text auf Bildern zu identifizieren. Das spielt bei der Digitalisierung von historischen Papieren und Büchern eine große Rolle. Es gibt ein ganzes Forschungsgebiet in der künstlichen Intelligenz, das unter OCR (Optical Character Recognition) bekannt ist. Es befasst sich mit der Erstellung von Algorithmen, um den Text aus den Bildern zu extrahieren und ihn eine bearbeitbare und durchsuchbare Form umzuwandeln.

Der Einsatz von KI zur Bilderkennung revolutioniert alle Branchen von Einzelhandel und Sicherheit bis hin zu Logistik und Marketing. In diesem Abschnitt werden wir uns mit den Hauptanwendungen der automatischen Bilderkennung beschäftigen.

Die visuelle Suche ist eine neuartige, von KI unterstützte Technologie, die es dem Benutzer ermöglicht, eine Online-Suche durchzuführen, indem er Bilder aus der realen Welt als Textersatz verwendet.

Ein Beispiel für Bildererkennungsanwendungen für die visuelle Suche ist Google Lens. Dabei richten Sie Ihr Smartphone beispielsweise auf eine Blume. Wenn Sie den Google Assistenten fragen, auf welches Objekt Sie zeigen, bekommen nicht nur eine Antwort, sondern auch Vorschläge über Blumenhändler in der Nähe. Auch Restaurants oder Cafés werden erkannt und weitere Informationen wie Bewertung, Adresse und Öffnungszeiten werden angezeigt.

Inzwischen ist das Aufnehmen von Bildern und Videos durch den Einsatz von Smartphones unkompliziert geworden. Das sorgt für eine hohe Anzahl an aufgenommen Objekten und erschwert die Suche nach bestimmten Inhalten. Die Bilderkennungs-KI-Technologie ermöglicht es den Benutzern, die aufgenommenen Fotos und Videos in Kategorien einzuordnen, die später zu einer verbesserten Zugänglichkeit führen. Wenn die Inhalte richtig organisiert sind, ist die Suche und das Auffinden bestimmter Bilder und Videos mühelos. Mit KI-Bilderkennungstechnologie werden die Bilder nach Personen, Orten und Objekten analysiert und zusammenfasst.

User-Generated Content (USG) ist der Baustein vieler Social-Media-Plattformen und Content-Sharing-Communities. Diese milliardenschweren Branchen leben von den Inhalten, die von Millionen von Benutzern erstellt und geteilt werden. Die Überwachung dieser Inhalte, ob sie den Community-Richtlinien entsprechen, stellt eine große Herausforderung dar, die manuell nicht gelöst werden kann. Die mit KI betriebene Bilderkennung hilft bei der automatisierten Moderation von Inhalten. So wird durch Kontrolle, Bewertung und Kategorisierung der geteilten Inhalte sichergestellt, dass sie den Community-Richtlinien entsprechen und dem Hauptziel der Plattform dienen.

Medizinische Diagnostik

Am häufigsten wird die medizinische Bilderkennung zur Diagnose von Krebs eingesetzt. Anhand der KI-Interpretation von diagnostischen Röntgen-, CT- oder MRT-Bildern können verschiedenen Krebsarten identifiziert werden. Sogar Vorhersagen von Krankheiten wie Diabetes oder Alzheimer werden möglich. Untersuchungen haben gezeigt, dass diese Diagnosen mit beeindruckender Genauigkeit durchgeführt werden. Selbst winzige Abweichungen von medizinischen Bildern können diese Systeme schneller und genauer erkennen als Ärzte.

Versicherung

Die automatische Bilderkennung kann im Bereich der Versicherung zur selbständigen Interpretation und Bewertung von Schadensbildern eingesetzt werden. Neben der Analyse vorliegender Schadensbilder kann auch eine Einschätzung zur fiktiven Regulierung des Schadens erstellt werden. Dadurch sind Versicherungen in der Lage, innerhalb kurzer Zeit einen Schadensfall zu bearbeiten und frei gewordene Kapazitäten anderweitig einzusetzen.

E-Commerce

Die automatische Bilderkennung bei der visuellen Suche werden von Unternehmen auch im E-Commerce eingesetzt, um beispielsweise Kunden die Suche nach bestimmten Produkten zu erleichtern. Onlineshops können Kunden damit einen besonderen Service bieten. Anstatt via Suchfeld eine aufwendige Recherche zu starten, kann ein Foto vom gewünschten Produkt hochgeladen werden. Der Kunde bekommt dann blitzschnell eine Vielzahl an Alternativen aus der Produktdatenbank präsentiert.

In unzähligen Bereichen unseres täglichen Lebens setzen wir bereits erfolgreich die automatische Bilderkennung ein. Auch in der Unternehmenssoftware wird immer häufiger künstliche Intelligenz eingesetzt. Ähnlich den Robotern in der Industrieproduktion werden selbstlernende Systeme schon bald einen Großteil der Büroarbeit übernehmen. Wir empfehlen Unternehmen deshalb, den Einsatz von KI in Unternehmensprozessen einzuplanen, um so langfristig wettbewerbsfähig zu bleiben.

Interessieren Sie sich für den Einsatz von künstlicher Intelligenz in Ihrem Unternehmen? Dann nehmen Sie gleich Kontakt auf. Wir haben bereits erfolgreich Projekte mit künstlicher Intelligenz durch individuelle Softwareentwicklung umgesetzt und unterstützen Sie gerne auch bei Ihrem Vorhaben.

Erfahren Sie mehr über den praktischen Einsatz von KI in unserer Referenz „Claim Management mit künstlicher Intelligenz“.