Algorithmen lernen Bilder zu verstehen

Knapp drei Jahre nach seinem Start beginnt das LAVA-Forschungsprojekt der EU zur maschinellen Erkennung von Foto- und Videomaterial erste Produkte hervorzubringen.

Die Ergebnisse von LAVA [Learning for Adaptable Visual Assistants] nutzt der an der Forschung beteiligte Xerox-Konzern nun und integriert sie als Applikation in sein Dokument-Managementsystem.

So genügen bereits 500 bis 1.000 Fotos von verschiedenen Autos, um einen Lernalgorithmus so weit "auszubilden", dass etwa das Objekt "Auto" automatisch und zuverlässig auf Fotos erkannt werde, sagt Peter Auer, Professor für theoretische Computerwissenschaften an der TU Graz/Leoben.

Das funktioniere auch, wenn das Foto nur Teile des Objekts zeige, da sich die zur Anwendung kommenden Lernverfahren ["Boosting" etc.] an charakteristischen Objektteilen - Kennzeichen, Räder etc. - orientierten, so der Grundlagenforscher.

In ähnlicher Weise ließen sich die Algorithmen auch auf das Erkennen beliebiger anderer Objekte trainieren.

Das LAVA-Projekt der EU

Automatische Beschlagwortung

Technisch gesehen sei das Problem der automatischen Beschlagwortung von Fotos eines der zulässigen Verallgemeinerung natürlicher Variationen ein- und desselben Objekts, heißt es vom Xerox Research Center Europe.

Während die Methoden der Einteilung in Grundkategorien wie "Auto" oder "Gesicht" bereits funktionierten, sei ein wirklich generisches Kategorisierungssystem, das multiple Objekttypen gleichzeit einordnen könne, erst noch zu schaffen.

Dabei würden Analogien zu bereits funktionierenden Maschinen-Lernmethoden im Bereich "Sprache" ausgenützt.

Laut Xerox lassen sich damit auch Anwendungen verwirklichen, die über eine automatische Beschlagwortung von Fotos weit hinausgehen.

Rote Augen automatisch entfernen
Ab nun sei es etwa möglich, eine Software zu entwickeln, die basierend auf Objekterkennung den Rote-Augen-Effekt beim Einsatz von Blitzlicht und andere unerwünschte Foto-Phänomene automatisch korrigiere.

Xerox Research Center Europe

Genauigkeit von 80 bis 99 Prozent

Die neue Technologie soll unter anderem das Suchen in Dokumenten oder Content-Management-Systemen [CMS] vereinfachen, da die Benutzer mit Stichworten nicht nur nach Text, sondern auch nach Bildern suchen können, so Xerox.

Zusätzlich könne sich auch die Suche nach Inhalten im WWW deutlich erweitern.

Einmal ausreichend trainiert, kann der Algorithmus neue Bilder innerhalb von ein bis zwei Sekunden erfassen und mit einer Treffergenauigkeit zwischen 80 und 99 Prozent erkennen.

Derzeit arbeitet das Xerox Research Center an einer Vergrößerung des visuellen Wörterbuchs, anhand dessen die Bilder erkannt werden, um das Training durch den Benutzer so gering wie möglich zu halten. Für die Zukunft ist geplant, die Kategorisierungstechnologie auch für Videos nutzbar zu machen.

Peter Auer