Erkundung der Datenkennzeichnung für Computer Vision-Projekte

Künstliche Intelligenz (KI) konzentriert sich darauf, Maschinen menschenähnliche Fähigkeiten zu verleihen, und eine der beliebtesten Methoden hierfür ist das überwachte Lernen. Mit anderen Worten: Wenn man KI-Modellen anhand von mit Labels versehenen Beispielen beibringt, können sie Muster erkennen und bei Aufgaben besser werden. Das ist sehr ähnlich dazu, wie Menschen aus Erfahrung lernen. Wie werden diese mit Labels versehenen Beispiele also erstellt?

Datenannotation umfasst das Kennzeichnen oder Taggen von Daten, damit Algorithmen des maschinellen Lernens diese verstehen können. Im Bereich Computer Vision bedeutet dies, Bilder oder Videos zu markieren, um Objekte, Aktionen oder Szenen präzise zu erkennen und zu kategorisieren. Datenannotation ist entscheidend, da der Erfolg eines KI-Modells maßgeblich von der Qualität der annotierten Daten abhängt, mit denen es trainiert wird.

Studien zeigen, dass über 80 % der Zeit eines KI-Projekts für die Datenverwaltung aufgewendet wird – vom Sammeln und Zusammenführen bis hin zum Bereinigen und Annotieren. Dies verdeutlicht, wie wichtig die Datenannotation für die Entwicklung von KI-Modellen ist. Die Verwendung hochwertiger annotierter Daten ermöglicht es KI-Modellen, Aufgaben wie Gesichtserkennung und Objekterkennung in realen Szenarien präziser und zuverlässiger auszuführen.

Link to this sectionWarum Datenannotation notwendig ist#

Datenannotation bildet die Grundlage dafür, wie leistungsfähig ein Computer-Vision-Modell ist. Annotierte Daten sind die Ground Truth (Grundwahrheit), die das Modell zum Lernen und für Vorhersagen nutzt. Ground-Truth-Daten sind der Schlüssel, da sie die reale Welt repräsentieren, die das Modell zu verstehen versucht. Ohne diese zuverlässige Basis wäre das KI-Modell wie ein Schiff, das ohne Kompass navigiert.

Abb. 1. Ground Truth im Vergleich zur Vorhersage.

Präzise Annotation hilft diesen Modellen, zu verstehen, was sie sehen, und führt zu besseren Entscheidungen. Wenn die Daten schlecht annotiert oder inkonsistent sind, wird das Modell Schwierigkeiten haben, korrekte Vorhersagen und Entscheidungen zu treffen – genau wie ein Schüler, der mit falschen Lehrbüchern lernt. Dank annotierter Daten kann ein Modell Aufgaben wie Bildklassifizierung, Instanzsegmentierung und Pose Estimation von Objekten in Bildern und Videos erlernen.

Link to this sectionBeste Ressourcen für Datensätze#

Bevor du einen völlig neuen Datensatz erstellst und mühsam Bilder und Videos annotierst, ist es eine gute Idee zu prüfen, ob du vorhandene Datensätze für dein Projekt verwenden kannst. Es gibt einige fantastische Open-Source-Repositories, in denen du kostenlos auf hochwertige Datensätze zugreifen kannst. Einige der beliebtesten sind:

• ImageNet: Wird häufig für das Training von Bildklassifizierungsmodellen verwendet.
• COCO: Dieser Datensatz wurde für Objekterkennung, Segmentierung und Bildunterschriften entwickelt.
• PASCAL VOC: Unterstützt Objekterkennungs- und Segmentierungsaufgaben.

Abb. 2. Beispiele für Daten im COCO-Datensatz.

Bei der Auswahl eines Datensatzes ist es wichtig, Faktoren wie die Eignung für dein Projekt, die Größe des Datensatzes, seine Vielfalt und die Qualität der Labels zu berücksichtigen. Überprüfe außerdem die Lizenzbedingungen des Datensatzes, um rechtliche Auswirkungen zu vermeiden, und prüfe, ob die Daten in einem Format vorliegen, das zu deinem Workflow und deinen Tools passt.

Das Erstellen eines benutzerdefinierten Datensatzes ist eine großartige Option, wenn bestehende Datensätze nicht ganz deinen Anforderungen entsprechen. Du kannst Bilder mit Tools wie Webcams, Drohnen oder Smartphones sammeln, je nachdem, was dein Projekt erfordert. Idealerweise sollte dein benutzerdefinierter Datensatz vielfältig, ausgeglichen und wirklich repräsentativ für das Problem sein, das du zu lösen versuchst. Das kann bedeuten, Bilder unter verschiedenen Lichtbedingungen, aus verschiedenen Winkeln und in verschiedenen Umgebungen aufzunehmen.

Wenn du nur eine kleine Anzahl von Bildern oder Videos sammeln kannst, ist Data Augmentation eine hilfreiche Technik. Sie beinhaltet die Erweiterung deines Datensatzes durch Anwendung von Transformationen wie Rotation, Spiegelung oder Farbanpassungen auf bestehende Bilder. Dies erhöht die Größe deines Datensatzes und macht dein Modell robuster und besser in der Lage, mit Variationen in den Daten umzugehen. Durch die Verwendung einer Mischung aus Open-Source-Datensätzen, benutzerdefinierten Datensätzen und augmentierten Daten kannst du die Leistung deiner Computer-Vision-Modelle erheblich steigern.

Link to this sectionArten von Bildannotationstechniken#

Bevor du mit der Annotation von Bildern beginnst, ist es wichtig, mit den verschiedenen Arten von Annotationen vertraut zu sein. Dies hilft dir bei der Auswahl der richtigen Methode für dein Projekt. Als Nächstes schauen wir uns einige der wichtigsten Arten von Annotationen an.

Link to this sectionBegrenzungsrahmen#

Bounding Boxes sind die häufigste Art der Annotation in der Computer Vision. Es handelt sich um rechteckige Boxen, die verwendet werden, um die Position eines Objekts in einem Bild zu markieren. Diese Boxen werden durch die Koordinaten ihrer Ecken definiert und helfen KI-Modellen, Objekte zu identifizieren und zu lokalisieren. Bounding Boxes werden hauptsächlich für die Objekterkennung verwendet.

Abb. 3. Ein Beispiel für Bounding Boxes.

Link to this sectionSegmentierungsmasken#

Manchmal muss ein Objekt genauer erkannt werden als nur durch eine darum gezogene Bounding Box. Möglicherweise interessierst du dich für die Begrenzung der Objekte in einem Bild. In diesem Fall ermöglichen es dir Segmentierungsmasken, komplexe Objekte zu umreißen. Segmentierungsmasken sind eine detailliertere Darstellung auf Pixelebene.

Diese Masken können für semantische Segmentierung und Instanzsegmentierung verwendet werden. Semantische Segmentierung beinhaltet die Kennzeichnung jedes Pixels in einem Bild entsprechend dem Objekt oder Bereich, den es repräsentiert, wie etwa Fußgänger, Auto, Straße oder Gehweg. Die Instanzsegmentierung geht jedoch einen Schritt weiter, indem sie jedes Objekt einzeln identifiziert und voneinander trennt, wie etwa die Unterscheidung zwischen jedem einzelnen Auto in einem Bild, selbst wenn es sich um den gleichen Typ handelt.

Abb. 4. Ein Beispiel für semantische Segmentierung (links) und Instanzsegmentierungsmasken (rechts).

Link to this section3D-Kuboid#

3D-Quader ähneln Bounding Boxes; das Einzigartige an ihnen ist, dass 3D-Quader Tiefeninformationen hinzufügen und eine 3D-Darstellung eines Objekts bieten. Diese zusätzlichen Informationen ermöglichen es Systemen, die Form, das Volumen und die Position von Objekten in einem 3D-Raum zu verstehen. 3D-Quader werden häufig in selbstfahrenden Autos verwendet, um die Entfernung von Objekten zum Fahrzeug zu messen.

Abb. 5. Ein Beispiel für 3D-Kuboid.

Link to this sectionKey-Points und Landmarks#

Eine weitere interessante Art der Annotation sind Key-Points (Schlüsselpunkte), bei denen spezifische Punkte wie Augen, Nasen oder Gelenke an Objekten markiert werden. Landmarks gehen noch einen Schritt weiter, indem sie diese Punkte verbinden, um die Struktur und Bewegung komplexerer Formen wie Gesichter oder Körperhaltungen zu erfassen. Diese Arten von Annotationen werden für Anwendungen wie Gesichtserkennung, Motion Capturing und Augmented Reality verwendet. Sie verbessern auch die Genauigkeit von KI-Modellen bei Aufgaben wie Gestenerkennung oder der Analyse von Sportleistungen.

Abb. 6. Ein Beispiel für Key-Points.

Link to this sectionWie du Daten mit LabelImg annotierst#

Nachdem wir nun die verschiedenen Arten von Annotationen besprochen haben, lass uns verstehen, wie du Bilder mit einem beliebten Tool namens LabelImg annotieren kannst. LabelImg ist ein Open-Source-Tool, das Bildannotation einfach macht und zur Erstellung von Datensätzen im YOLO-Format (You Only Look Once) verwendet werden kann. Es ist eine großartige Wahl für Anfänger, die an kleinen Ultralytics YOLOv8-Projekten arbeiten.

Die Einrichtung von LabelImg ist unkompliziert. Stelle zuerst sicher, dass Python 3 auf deinem Computer installiert ist. Dann kannst du LabelImg mit einem schnellen Befehl installieren:

pip3 install labelImg

Sobald es installiert ist, kannst du das Tool mit dem Befehl starten:

labelImg

LabelImg funktioniert auf mehreren Plattformen, einschließlich Windows, macOS und Linux. Wenn bei der Installation Probleme auftreten, findest du im offiziellen LabelImg Repository detailliertere Anweisungen.

Abb. 7. Verwendung von LabelImg zur Bildannotation.

Sobald du das Tool startest, befolge diese einfachen Schritte, um mit der Kennzeichnung deiner Bilder zu beginnen:

• Richte deine Klassen ein: Beginne damit, die Liste der Klassen (Kategorien), die du annotieren möchtest, in einer Datei namens „predefined_classes.txt“ zu definieren. Diese Datei teilt der Software mit, welche Objekte du in deinen Bildern kennzeichnen wirst.
• Wechsle zum YOLO-Format: Standardmäßig verwendet LabelImg das PASCAL VOC-Format, aber wenn du mit YOLO arbeitest, musst du das Format wechseln. Klicke einfach auf die Schaltfläche „PascalVOC“ in der Symbolleiste, um zu YOLO zu wechseln.
• Starte die Annotation: Verwende die Optionen „Open“ oder „OpenDIR“, um deine Bilder zu laden. Zeichne dann Bounding Boxes um die Objekte, die du annotieren möchtest, und weise das richtige Klassenlabel zu. Speichere nach der Kennzeichnung jedes Bildes deine Arbeit. LabelImg erstellt eine Textdatei mit dem gleichen Namen wie dein Bild, die die YOLO-Annotationen enthält.
• Speichern und überprüfen: Die Annotationen werden in einer .txt-Datei im YOLO-Format gespeichert. Die Software speichert auch eine „classes.txt“-Datei, die alle deine Klassennamen auflistet.

Link to this sectionEffiziente Strategien zur Datenannotation#

Um den Prozess der Datenannotation reibungsloser zu gestalten, gibt es einige wichtige Strategien, die du beachten solltest. Zum Beispiel sind klare Annotationsrichtlinien entscheidend. Ohne sie könnten verschiedene Annotatoren eine Aufgabe unterschiedlich interpretieren.

Nehmen wir an, die Aufgabe besteht darin, Vögel in Bildern mit Bounding Boxes zu annotieren. Ein Annotator könnte den gesamten Vogel markieren, während ein anderer nur den Kopf oder die Flügel markieren könnte. Diese Art von Inkonsistenz kann das Modell während des Trainings verwirren. Durch die Bereitstellung klarer Definitionen, wie etwa „Markiere den gesamten Vogel inklusive Flügeln und Schwanz“, zusammen mit Beispielen und Anweisungen für schwierige Fälle, kannst du sicherstellen, dass die Daten genau und konsistent getaggt werden.

Regelmäßige Qualitätsprüfungen sind ebenfalls wichtig, um hohe Standards aufrechtzuerhalten. Durch das Setzen von Benchmarks und die Verwendung spezifischer Metriken zur Überprüfung der Arbeit kannst du die Datengenauigkeit beibehalten und den Prozess durch kontinuierliches Feedback verfeinern.

Link to this sectionDatenannotation kurz und knapp#

Datenannotation ist ein einfaches Konzept, das einen erheblichen Einfluss auf dein Computer-Vision-Modell haben kann. Egal, ob du Tools wie LabelImg verwendest, um Bilder zu annotieren, oder Modelle mit Open-Source-Datensätzen trainierst: Das Verständnis der Datenannotation ist der Schlüssel. Strategien zur Datenannotation können den gesamten Prozess rationalisieren und effizienter machen. Die Zeit, die du investierst, um deinen Annotationsansatz zu verfeinern, kann zu besseren, zuverlässigeren KI-Ergebnissen führen.

Lerne weiter und erweitere deine Fähigkeiten! Bleib mit unserer Community in Verbindung, um weiter über KI zu lernen! Schau dir unser GitHub-Repository an, um zu entdecken, wie wir KI nutzen, um innovative Lösungen in Branchen wie Fertigung und Gesundheitswesen zu entwickeln. 🚀