Vor einigen Monaten hat Google sein AutoML-Projekt vorgestellt, ein Ansatz, der das Design von maschinellen Lernmodellen automatisiert. Google kündigte in einem Blogeintrag den nächsten Schritt in dessen Entwicklung an. Das System konnte einen Algorithmus für die Einordnung von anspruchsvollen Datensätzen wie ImageNet und Coco-Objekterkennung selbstständig erstellen.
Sie haben es eilig? Dann speichern Sie diesen Blogartikel von R23 als PDF
Brauchen Sie den Inhalt dieses Artikels “AutoML für die Klassifizierung von Bildern und Objekterkennung” schnell und bequem? Dann speichern Sie ihn doch einfach als PDF!
Download PDFWas ist ImageNet?
ImageNet ist eine Datenbank von Bildern, welche für Forschungsprojekte eingesetzt wird. Jedes Bild wird einem Substantiv zugeordnet. Die Substantive sind durch das WordNet-Projekt hierarchisch angeordnet. Zu jedem Substantiv gibt es im Schnitt mehr als 500 Bilder.
Wir visualisieren Ideen!
R23 ist Ihre Digitalagentur für Virtual & Augmented Reality. Wir investieren in immersive Technologien wie Augmented Reality und künstliche Intelligenz, die die Grundlage für die Art und Weise sein werden, wie wir in Zukunft online einkaufen. Mit neuen visuellen Entdeckungstools helfen wir Käufer:innen, neue Produkte zu finden, und mit AR-Erlebnissen helfen wir Menschen, Artikel zu visualisieren, bevor sie sie kaufen.
Fotorealistische Visualisierungen und 3D-Animationen lassen sich schnell und kostengünstig erzeugen und in Ihrem Online-Shop veröffentlichen.
ImageNet wird seit der Veröffentlichung, welche 2009 auf der IEEE Conference on Computer Vision and Pattern Recognition stattfand, zum Trainieren von Convolutional Neural Networks verwendet.
Ein Convolutional Neural Network ist ein künstliches neuronales Netz. Es handelt sich um ein von biologischen Prozessen inspiriertes Konzept im Bereich des maschinellen Lernens. Convolutional Neural Networks finden Anwendung in zahlreichen modernen Technologien der künstlichen Intelligenz, vornehmlich bei der maschinellen Verarbeitung von Bild- oder Audiodaten.
Google hat AutoML nun für größere Datensätze angepasst: Zum einen sortiert AutoML den Modellbaum in einer optimierteren Weise. Zum anderen ließ Google AutoML die Architektur von Cifar-10 analysieren. Das für das Team am besten geeignete Modell wurde direkt auf die Analyse von Coco und Cifar-10 übertragen. Das daraus enstehende Machine-Learning-System nennt Google NASNet.
Google NASNet als Open-Source zur Verfügung. Das Unternehmen hofft, dass sich die Machine-Learning-Community dies zu Nutze macht und eigene Modelle auf Basis von NASNet entwickelt.
Links
https://github.com/tensorflow/models/tree/master/research/slim/nets/nasnet
ImageNet
Coco-Objekterkennung
WordNet
Foto: NASNet erkennt zuverlässig Objekte auf Bildern. (Bild: Google)
Schreiben Sie einen Kommentar