Computer Vision

Computer Vision und Künstliche Intelligenz

Computer Vision nutzt Deep Learning zur Formung neuronaler Netzwerke. Diese neuronalen Netzwerke leiten Systeme dabei, Bild- und Videodaten zu analysieren. Ein auf diese Weise trainiertes Computer-Vision-System dient verschiedenen Zielen:

• Objekterkennung und Objektklassifizierung (zum Beispiel im Straßenverkehr),
• Identifizierung von Personen und Zuordnung demografischer Merkmale zu Personenmengen,
• Nachverfolgung von Bewegungen,
• Überprüfung von Produkten im Herstellungsprozess.

Die meisten Computer Vision-Modelle sind neuronale Netzwerke, die es dank Künstlicher Intelligenz heute schon mit Fähigkeiten des menschlichen Auges aufnehmen können. Bekannte Modelle sind zum Beispiel Resnet50 (2015), InceptionV3 (2016) und MobileNet (2017/2018).

Bestellen Sie visuelle Trainingsdaten wie Fotos und Videos, die auf das Training Ihres KI-Systems zugeschnitten sind.

Einsatzgebiete von Computer Vision

Mit Computer Vision können Objekte verschiedener Art immer besser und zuverlässiger identifiziert und klassifiziert werden. Die präzise Erkennung trägt dazu bei, die jeweils gewünschten Reaktionen zu optimieren. Innerhalb kurzer Zeit konnten Computer Vision-Systeme ihre Treffer-Quote immer weiter verbessern. Heute liegt diese bei über 99 Prozent. Computer Vision kommt auf verschiedenen Gebieten zum Einsatz:

• Im Gesundheitswesen erkennen KI-Tools relevante Details auf Röntgenaufnahmen.
• In der Landwirtschaft wird Computer Vision zum Monitoring von Ackerflächen eingesetzt.
• Im Finanzwesen hilft Computer Vision beim Erkennen von Betrugsversuchen.

Gerade im Bereich der Gesichtserkennung kann Computer Vision natürlich auch für zweifelhafte Zwecke eingesetzt werden und ist deshalb insbesondere für Autokratien interessant. Dieser Teilbereich der Künstlichen Intelligenz hilft jedoch dabei, die visuelle Welt immer besser zu verstehen und dadurch neue Erkenntnisse zu gewinnen.