Sehen

Bildmodell anlernen

Kurz gesagt: Jedes Beispiel wird zu 1000 Zahlen und mit dem Klassennamen gespeichert. Ein neues Bild wird verglichen, die drei ähnlichsten Beispiele stimmen ab. Das Netz bleibt unverändert.

Zeige dem Jetson Beispiele, und er erkennt sie danach selbst. In einer halben Minute, ohne Training.

Was beim Aufnehmen passiert

Ablauf
  • Beispielbild (mehrmals pro Sekunde)
  • MobileNet (vortrainiert)
  • 1000 Zahlen (Embedding)
  • Speichern (mit Klassenname)

Jedes Beispiel wird zu 1000 Zahlen und mit dem Klassennamen gespeichert. Mehr geschieht nicht.

Halte den Knopf einer Klasse gedrückt, dann nimmt der Jetson mehrmals pro Sekunde Beispiele auf. Jedes Bild geht durch ein vortrainiertes neuronales Netz (MobileNet). Heraus kommt eine Liste von 1000 Zahlen, ein Embedding. Sie wird mit dem Namen deiner Klasse gespeichert. Mehr passiert nicht.

Was beim Erkennen passiert

Kennzahlen
  • 1000 Zahlen je Bild
  • 3 ähnlichste Beispiele stimmen ab
  • 0 Änderungen am Netz

Ein neues Bild wird verglichen, die drei ähnlichsten Beispiele stimmen ab. Das Netz bleibt unverändert.

Ein neues Bild wird ebenfalls zu 1000 Zahlen. Der Jetson misst den Abstand zu allen gespeicherten Beispielen und lässt die drei ähnlichsten abstimmen (k nächste Nachbarn). Die Balken zeigen, wie ähnlich das aktuelle Bild jeder Klasse ist. Nichts im Netz wird dabei verändert. Deshalb ist es sofort einsatzbereit.

So werden die Ergebnisse besser

Übersicht
  • 10 bis 20 (Beispiele je Klasse)
  • Variieren (Winkel, Abstand, Licht)
  • Klasse „nichts“ (leerer Hintergrund)

Vielfalt schlägt Menge: wenige Beispiele aus vielen Lagen helfen mehr als viele gleiche.

  • 10 bis 20 Beispiele pro Klasse reichen für den Anfang.
  • Variiere Winkel, Abstand und Licht, sonst lernt das Modell nur diese eine Haltung.
  • Eine Klasse „nichts“ mit leerem Hintergrund hilft, Fehlalarme zu vermeiden.

Im Business

Qualitätsprüfung und Sortierung ohne Data Scientist: Mitarbeitende zeigen gute und schlechte Teile, das System prüft danach selbst.

  • Gutteil und Ausschuss unterscheiden
  • Bauteile nach Typ sortieren

Grenzen

  • Das Netz wurde für Alltagsobjekte trainiert. Kleine Unterschiede wie Kratzer sieht es oft nicht. Dafür braucht man Fine-Tuning mit mehr Daten.
  • Die Beispiele gelten für alle Besucher gemeinsam. Wer „Zurücksetzen“ drückt, löscht sie für alle.

Weiter geht es