Computer Vision (maschinelles Sehen) ist ein Teilgebiet der KI, in dem Computer Bilder und Videos auswerten. Typische Aufgaben sind das Erkennen und Lokalisieren von Objekten, das Lesen von Text in Bildern oder das Vermessen von Bauteilen. Eingesetzt wird die Technik etwa in der Qualitätskontrolle in der Fertigung, in Fahrassistenzsystemen, in der Logistik oder in der medizinischen Bildgebung.
Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.
Demo startenBilderkennung ist ein Teilgebiet der Computer Vision, in dem Software erkennt, was auf einem Bild zu sehen ist – etwa Objekte, Personen, Text, Logos oder Szenen. Grundlage sind meist neuronale Netze, die an vielen beschrifteten Bildern trainiert wurden. Anwendungen reichen von der Qualitätskontrolle in der Produktion über die Sortierung von Produktfotos bis zur Unterstützung in der medizinischen Bildgebung. Bei Personenbildern sind Datenschutz und mögliche Verzerrungen besonders zu beachten.
Ein Convolutional Neural Network (CNN, faltendes neuronales Netz) ist eine Architektur neuronaler Netze, die sich besonders für Bilddaten eignet. Es tastet die Eingabe mit kleinen Filtern ab und erkennt in den ersten Schichten einfache Merkmale wie Kanten, in tieferen Schichten komplexere Formen. CNNs prägten die Bilderkennung über viele Jahre und werden etwa zur Fehlererkennung auf Produktfotos oder in der medizinischen Bildanalyse eingesetzt.
OpenCV (Open Source Computer Vision Library) ist eine quelloffene Programmbibliothek für Bildverarbeitung und maschinelles Sehen, deren Entwicklung um das Jahr 2000 bei Intel begann. Sie bietet Tausende Funktionen, etwa zum Filtern von Bildern, Erkennen von Kanten und Gesichtern, Verfolgen von Objekten in Videos oder Kalibrieren von Kameras. OpenCV ist in C++ geschrieben, wird aber häufig über Python genutzt, zum Beispiel in Qualitätsprüfung, Robotik und Forschung.
Semantische Segmentierung ordnet in einem Bild jedem einzelnen Pixel eine Klasse zu, etwa Straße, Fahrzeug, Person oder Himmel. So entsteht eine Art farbige Karte der Bildinhalte. Anders als bei der Instanzsegmentierung werden dabei gleichartige Objekte nicht unterschieden: Drei Autos gelten gemeinsam als „Auto“. Eingesetzt wird das etwa beim autonomen Fahren, in der medizinischen Bildgebung zur Abgrenzung von Gewebe oder bei der Auswertung von Luft- und Satellitenbildern.
