KI Bilderkennung Künstliche Intelligenz

KI Bilderkennung: Künstliche Intelligenz

Dieser Artikel erklärt die Möglichkeiten der automatischen Bild-Erkennung mit Teachable Machine.

Mit unseren Excel-Tools versuchen wir Arbeitsabläufe zu automatisieren. Aus diesem Grund befassen wir uns heute mit einem Thema, das direkt mit Excel nichts zu tun haben, dafür  viel mit Automatisierung von Prozessen. Wir zeigen in diesem Artikel Schritt für Schritt, wie Sie Ihr eigenes KI-Modell erstellen, trainieren und nachher verwenden und dies ohne Programmierkenntnisse.

Automatisiertes maschinelles Lernen (kurz AutoML) ist die Verwendung automatisierter Prozesse und Algorithmen zur Durchführung von Aufgaben, die traditionell tiefgreifende Kenntnisse des maschinellen Lernens von ML-Experten oder Ingenieuren erfordern, wie z. B. die Vorbereitung von Datensätzen, das Trainieren eines Modells und dessen Bereitstellung in einer API, die Sie für Ihre Anwendung nutzen können.

In diesem Artikel zeigen erstellen wir ein KI-Modell, welches anhand von einem Foto automatisch den Wert des Geldscheines ausliest. D.h. wenn Sie ein Foto von einem 50er machen, sollte das Modell erkennen, dass es sich um einen 50er handelt.

Teachable Machine ist ein von Google entwickeltes webbasiertes Online-Tool, mit dem Nutzer, auch solche mit minimaler Programmiererfahrung, maschinelle Lernmodelle für die Bild-, Ton- und Posenerkennung einfach trainieren können. Es wurde als benutzerfreundliche Plattform entwickelt, um Menschen in Konzepte des maschinellen Lernens einzuführen, ohne dass dafür umfangreiche Programmierkenntnisse erforderlich sind. In diesem Artikel konzentrieren wir uns auf die Erstellung von Bilderkennung.

So erstellen Sie ein Modell mit Teachable Machine

Schritt 1: Zugriff auf die Website

Rufen Sie die Website hier auf: https://teachablemachine.withgoogle.com/

Klicken Sie dann auf die Schaltfläche „get started“.

Klicken Sie dann auf die Schaltfläche „Get Starte“.

Schritt 2: Bildprojekt auswählen

Wählen Sie Bildprojekt aus

Wählen Sie Bildprojekt aus

Nachdem Sie das Bildprojekt ausgewählt haben, wählen Sie „Standardbildmodell“.

Nachdem Sie das Bildprojekt ausgewählt haben, wählen Sie „Standard image model“.

Schritt 3: Hochladen Ihrer Datensätze

Hochladen Ihrer Datensätze

Hier wird jede Kategorie als Klassifizierung betrachtet. Ändern Sie diesen Wert nach Belieben.

In here, each class is considered a classification, go ahead and change that to the value you want.

In unserem Beispiel, wollen wir anhand eines Bildes den Wert des Geldscheines erkennen. Folglich müssen wir Bilder von verschiedenen Geldsorten vorbereiten. In meinem Fall sind die Bilder, die ich vorbereitet habe Pesos.

Insert data

Es ist nicht notwendig, sie auf diese Weise zu trennen, aber um das Hochladen zu erleichtern und die Dinge zu ordnen, enthält jeder dieser Ordner 16 Bilder der zugehörigen Scheine in allen 8 Richtungen, Vorder- und Rückseite.

Data

Wir laden jetzt unsere Bilder in die Teachable Machine hoch.

Wir laden jetzt unsere Bilder in die Teachable Machine hoch.

Bitte beachten Sie, dass Sie auch den Webcam-Button neben dem Upload-Button verwenden können, um Fotos von dem Geld zu machen, das Sie klassifizieren möchten.

Schritt 4: Trainieren des Modells

Klicken Sie auf die Schaltfläche „Train Model“ und warten Sie, bis das Modell generiert ist.

Klicken Sie auf die Schaltfläche „Train Model“ und warten Sie, bis das Modell generiert ist.

Daraufhin wird das Modell generiert, und schon haben Sie Ihr neues Modell! Sie können es mit Kamera ausprobieren und testen.

generate the model

Beachten Sie, dass Sie möglicherweise Ihre Datensätze ändern müssen, um die Klassifizierung genauer zu machen. Ein guter Tipp ist, alle Bilder des Datensatzes in Bezug auf die Bildgröße und die Objektabstände innerhalb des Bildes an die anderen Datensätze anzupassen.

Zusammenfassung

Wenn Sie dies zum ersten Mal tun, gratuliere ich Ihnen! Sie haben Ihr erstes ML-Bildklassifikationsmodell trainiert. Sie können einen Schritt weiter gehen, indem Sie das Modell exportieren und es in Ihrer eigenen Anwendung über TensorFlow implementieren. Dies könnte in vielen Anwendungsfällen nützlich sein, wie z.B. der Produktkategorisierung, der Erkennung von Unterschriftenbetrug oder sogar der Gesichtserkennung, vorausgesetzt Sie haben genügend und geeignete Datensätze.

Ich habe dies bei einem Projekt für eine mobile App verwendet, bei dem die App das Geld erkennt und den Klang des von ihr klassifizierten Wertes abspielt.

Benötigen Sie einen VBA Programmierer?

Wir als exact construct programmieren mit einem Team von rd. 20 Mitarbeitern seit über 10 Jahren Excel-Tools. Wir sind ein Nischenanbieter der spezialisiert auf Makros/VBA-Codes ist. Daneben unterstützen wir auch als 3rd Level Support die IT-Abteilungen rund um Probleme bei MS Office (Excel, Word, PowerPoint, etc.).
Haben Sie ein Excel-Problem? Benötigen Sie einen Makro-Programmierer? Rufen Sie uns unverbindlich an +41 52 511 05 25 oder kontaktieren Sie uns via Kontaktformular.

Kommentar verfassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Nach oben scrollen