Et billede siger mere end tusind ord, påstås der. Og ja, det er sandt, så frem de data det indeholder, identificeres og evalueres korrekt. For os mennesker sker dette naturligt; vi kan f.eks. nemt kategorisere forskellige versioner af et emne , såsom en gran og en eg som et “træ”. Ideen om at bruge billeder til at indsamle information i større sammenhænge er derfor oplagt.
Med AI-billedgenkendelse kan virksomheder få afklaring på spørgsmål, der normalt ville kræve tid og menneskelig ekspertise at få svar på. AI’en konverterer billedinformation til kode, og kan derigennem udføre komplicerede analyser automatisk.
På denne måde kan viden, der er svær at tilgå, nedbrydes i store eller små dimensioner så som skovområder eller kropsceller.
Ved billedgenkendelse lærer AI-algoritmen at “se”, sammenligne og fortolke billeder ved hjælp af forskellige teknikker såsom billedforstærkning. Dette eliminerer behovet for menneskelig beskrivelse. Billedgenkendelse kan f.eks. benyttes til at vurdere bygningers tilstand, men også udviklingen af bakteriestammer i laboratorietests. Derved opnår du hurtigt det optimale overblik.
En algoritme bliver påvirket af programmørernes færdigheder og verdenssyn. Billedgenkendelses-AI derimod, træner på billeder – og lærer med hvert nyt billede. Den skriver sin egen kode baseret på denne information og bliver derved mere objektiv.
Hvis mennesker først skal oversætte information fra det de ser til tekst eller tal for at fodre et datasæt, er det mere besværligt og sandsynligvis fejlbehæftet. Kunstig intelligens derimod arbejder direkte med billedinformationen, og kan den generere ufiltreret information fra den.
Når vi ser, skjuler vores hjerne de informationer den vurderer er uvigtige for os, tilføjer andre og opfanger små afvigelser. På denne måde beskytter den os mod sanseoverbelastning. AI-billedgenkendelse derimod kender hverken stimulusoverbelastning eller træthed – og kan derfor sammenligne de mindste detaljer i tusinder af billeder.
AI-billedgenkendelse er grundlæggende en automatiske genkendelse og analyse af billeder via en algoritme. Da overførsel af billeddata til kode er meget kompleks, benyttes kunstig intelligens (AI). F.eks. genkender AI det ønskede objekt i det oprindelige billede og ekstraherer det derefter til yderligere behandling (billedsegmentering).
Kunstig intelligens “ser” ikke selv noget. Det betyder, at alle tilstedeværende data i billedet skal omdannes til kode. Til dette formål trænes AI ved at ’fordre’ den med så mange billeder af målobjekter som muligt. Via billedaugmentering – som er modifikation af billeder, f.eks. ved spejling og farveændringer, kan antallet af træningsbilleder øges. Senere overføres udtrykkene for bestemte karakteristika til kode. Denne kode repræsenterer det ønskede objekt, altså det vi ønsker at finde. AI kan også tolerere lette afvigelser, f.eks. på grund af lysforhold eller andre synsvinkler, og stadig identificere objektet. For at gøre dette, præsenteres AI for et “ankerbillede” af objektet, sammen med et andet billede af objektet og billedet af et andet individ. På denne måde udvikler AI en passende kode for sig selv for at identificere det individ, den leder efter. Med hvert nyt billede fortsætter AI med at tilpasse koden, hvilket bliver mere og mere præcist.
Fire primære teknikker bruges til billedgenkendelse:
“Et af vores projekter er finansieret af det tyske forbundsministerium for uddannelse og forskning (BMBF) og omhandler barkbillen. Vi benytter satellitbilleder til at kortlægge skov-økosystemet og analysere, hvordan barkbillen spreder sig. Ud fra dette laver vores løsning forudsigelser om de områder, der er i fare. Disse hjælper skovfogeder med at tage passende foranstaltninger for at beskytte træerne. Så snart disse løsninger er klar til markedet, vil de blive udrullet i hele Tyskland.”
Dr. Gerhard Heinzerling
Senior Data Scientist, Arineo GmbH
Vores kerneområde er udvikling af kunstig intelligens. I den forbindelse samarbejder vores eksperter gentagne gange med universitetsforskere. Det Tyske Forbundsministerium for Uddannelse og Forskning (BMBF) finansierer to af vores aktuelle forskningsprojekter om forbedring af arbejdsprocesser gennem AI.
Fra omfattende projekter som detektering af bladsygdomme har vores eksperter den nødvendige ekspertise til at implementere intelligent billedgenkendelse for dig, selv i komplekse miljøer.
… med vores kunder og forretningspartnere. Og takket være vores høje medarbejderfastholdelse, høster I alle fordelene ved at have den samme kontaktperson over længere perioder. Det skaber en bedre service og styrker samarbejdet.
Send os din forespørgsel, feedback, forslag
eller andet via formularen – vi ser frem til at høre fra dig!
Certificeringer og partner. Hvis vi gør det, så gør vi det rigtigt! Det er ikke uden grund, at vi har opnået status som Microsoft Solutions Partner og SAP Gold Partner. Og vores “fremragende” kreditvurdering er blevet bekræftet flere gange af Creditreform.
Tilfredse kunder
