Bilderkennung
Googles Cloud Vision API überträgt das Konzept des maschinellen Lernens erstmalig auf Bilder.
Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt, sondern es „erkennt“ Muster und Gesetzmäßigkeiten in den Lerndaten. So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern (Überanpassung).
Aus dem weiten Spektrum möglicher Anwendungen seien hier genannt: automatisierte Diagnoseverfahren, Erkennung von Kreditkartenbetrug, Aktienmarktanalysen, Klassifikation von Nukleotidsequenzen, Sprach- und Texterkennung sowie autonome Systeme.
Das Thema ist eng verwandt mit „Knowledge Discovery in Databases“ und „Data-Mining“, bei dem es jedoch vorwiegend um das Finden von neuen Mustern und Gesetzmäßigkeiten geht. Viele Algorithmen können für beide Zwecke verwendet werden. Außerdem können Methoden der „Knowledge Discovery in Databases“ genutzt werden, um Lerndaten für „maschinelles Lernen“ zu produzieren oder vorzuverarbeiten, und Algorithmen aus dem maschinellen Lernen finden beim Data-Mining Anwendung.
Zitat von Wikipedia:
https://de.wikipedia.org/wiki/Maschinelles_Lernen
r23 entwickelt Plugins für effizentes Bloggen mit WordPress.
Wenn Du in Deinem Blog mit sehr vielen Bildern arbeitest, hast Du sicherlich auch schon einmal ein Bild vergeblich gesucht und bist an der schieren Masse an Bildern in der Mediathek verzweifelt.
Warum nicht einfach mit Machine Learning von Google die Bilder mit Tags versehen, automatisch filtern und sortieren?
Was ist ist bereits möglich?
Um nur einmal zu sehen, wie das Ganze funktioniert, kann man sich eine Beispiel Auswertung ansehen. Nach einigen Sekunden der „Überlegung“ gibt das selbstlernende Systeme eine Reihe von Vorschlägen aus, was auf dem Foto zu sehen ist, sowie eine Prozentzahl, mit der angegeben wird, wie wahrscheinlich es sich um den jeweiligen Vorschlag handelt.
Wir weisen weist darauf hin, dass es sich nicht um eine Wiedererkennung oder Identifikation handelt. Vielmehr wird nur geprüft, ob überhaupt ein Gesicht im Bild präsent ist, wo sich wesentliche Merkmale wie Auge, Nase und Mund befinden.