Arten von KI-Lernverfahren in Computer Vision

Maschinelles Lernen ist eine Form der künstlichen Intelligenz (AI), mit der Computer aus Daten lernen und eigenständig Entscheidungen treffen können, ohne für jede Aufgabe detailliert programmiert werden zu müssen. Dazu werden algorithmische Modelle entwickelt, die Muster in Daten erkennen können. Indem diese Algorithmen Muster in Daten erkennen und daraus lernen, können sie ihre Leistung mit der Zeit schrittweise verbessern.

Ein Bereich, in dem maschinelles Lernen eine entscheidende Rolle spielt, ist Computer Vision, ein Teilgebiet der KI, das sich auf visuelle Daten konzentriert. Computer Vision nutzt maschinelles Lernen, damit Computer Muster in Bildern und Videos erkennen können. Angetrieben durch Fortschritte im maschinellen Lernen wird der weltweite Marktwert von Computer Vision bis 2032 voraussichtlich rund 175,72 Milliarden US-Dollar erreichen.

In diesem Artikel betrachten wir die verschiedenen Arten des maschinellen Lernens, die in Computer Vision eingesetzt werden, darunter überwachtes und unüberwachtes Lernen, bestärkendes Lernen und Transferlernen, und erläutern, welche Rolle sie jeweils in unterschiedlichen Anwendungen spielen.

Überblick über maschinelles Lernen in der Computer Vision#

Computer Vision setzt auf maschinelles Lernen, insbesondere auf Verfahren wie Deep Learning und neuronale Netze, um visuelle Informationen zu interpretieren und zu analysieren. Diese Verfahren ermöglichen es Computern, Computer-Vision-Aufgaben wie die Erkennung von Objekten in Bildern, die Klassifizierung von Bildern nach Kategorien und die Gesichtserkennung auszuführen. Maschinelles Lernen ist auch für Computer-Vision-Anwendungen in Echtzeit unverzichtbar, etwa für die Qualitätskontrolle in der Fertigung und die medizinische Bildgebung im Gesundheitswesen. In diesen Fällen helfen neuronale Netze Computern, komplexe visuelle Daten zu interpretieren, beispielsweise Gehirnscans zu analysieren, um Tumoren zu erkennen.

Tatsächlich basieren viele fortschrittliche Computer-Vision-Modelle wie Ultralytics YOLO11 auf neuronalen Netzen.

Abb. 1. Segmentierung von Gehirnscans mit Ultralytics YOLO11.

Es gibt verschiedene Lernverfahren im maschinellen Lernen, etwa überwachtes Lernen, unüberwachtes Lernen, bestärkendes Lernen und Transferlernen, die die Möglichkeiten im Bereich Computer Vision prägen. In den folgenden Abschnitten sehen wir uns diese Verfahren an und betrachten, wie sie zu Computer Vision beitragen.

Überwachtes Lernen im Detail#

Überwachtes Lernen ist die am häufigsten verwendete Art des maschinellen Lernens. Beim überwachten Lernen werden Modelle anhand von annotierten Daten trainiert. Jede Eingabe wird mit der korrekten Ausgabe versehen, wodurch das Modell lernen kann. Ähnlich wie ein Schüler von einer Lehrkraft lernt, dienen diese annotierten Daten als Orientierung oder Anleitung.

Beim Training erhält das Modell sowohl Eingabedaten (die zu verarbeitenden Informationen) als auch Ausgabedaten (die korrekten Antworten). Dadurch kann das Modell den Zusammenhang zwischen Eingaben und Ausgaben lernen. Das Hauptziel des überwachten Lernens besteht darin, dass das Modell eine Regel oder ein Muster findet, das jede Eingabe korrekt mit ihrer Ausgabe verknüpft. Mithilfe dieser Zuordnung kann das Modell genaue Vorhersagen treffen, wenn es auf neue Daten stößt. Zum Beispiel beruht die Gesichtserkennung in Computer Vision auf überwachtem Lernen, um Gesichter anhand der erlernten Muster zu erkennen.

Ein häufiges Anwendungsbeispiel ist das Entsperren deines Smartphones per Gesichtserkennung. Das Modell wird mit annotierten Bildern deines Gesichts trainiert, damit es beim Entsperren deines Smartphones das aktuelle Bild mit dem Gelernten vergleichen kann. Erkennt das Modell eine Übereinstimmung, wird dein Smartphone entsperrt.

Abb. 2. Mit Gesichtserkennung lässt sich ein Smartphone entsperren.

Wie funktioniert unüberwachtes Lernen in der KI?#

Unüberwachtes Lernen ist eine Form des maschinellen Lernens, bei der unbeschriftete Daten verwendet werden. Während des Trainings erhält das Modell weder Anleitung noch richtige Antworten. Stattdessen lernt es, selbstständig Muster und Erkenntnisse zu entdecken.

Unüberwachtes Lernen erkennt Muster mithilfe von drei Hauptverfahren:

• Clustering: Gruppiert ähnliche Datenpunkte. Es eignet sich für Aufgaben wie die Kundensegmentierung, bei der ähnliche Kunden anhand ihres Verhaltens oder ihrer Eigenschaften zusammengefasst werden.
• Assoziationsanalyse: Sie dient dazu, Beziehungen zwischen Elementen zu erkennen und Verbindungen innerhalb der Daten aufzudecken (zum Beispiel Produkte zu finden, die bei der Warenkorbanalyse häufig zusammen gekauft werden, einer gängigen Data-Mining-Technik).
• Dimensionsreduktion: Vereinfacht Datensätze, indem redundante Merkmale entfernt werden, was die Visualisierung und Verarbeitung erleichtert.

Eine wichtige Anwendung des unüberwachten Lernens ist die Bildkomprimierung. Dabei reduzieren Verfahren wie k-Means-Clustering die Bildgröße, ohne die visuelle Qualität zu beeinträchtigen. Pixel werden zu Clustern zusammengefasst, und jeder Cluster wird durch eine Durchschnittsfarbe dargestellt. So entsteht ein Bild mit weniger Farben und einer kleineren Dateigröße.

Abb. 3. Beispiel für unüberwachte Bildkomprimierung.

Unüberwachtes Lernen hat jedoch auch gewisse Einschränkungen. Ohne vorgegebene Antworten kann es schwierig sein, die Genauigkeit und Leistung zu bewerten. Häufig ist manuelle Arbeit nötig, um Ergebnisse zu interpretieren und Gruppen zu kennzeichnen. Außerdem reagiert das Verfahren empfindlich auf fehlende Werte und Rauschen, was die Ergebnisqualität beeinträchtigen kann.

Bestärkendes Lernen erklärt#

Im Gegensatz zum überwachten und unüberwachten Lernen ist bestärkendes Lernen nicht auf Trainingsdaten angewiesen. Stattdessen interagieren Agenten auf Basis neuronaler Netze mit einer Umgebung, um ein bestimmtes Ziel zu erreichen.

Der Prozess umfasst drei Hauptkomponenten:

• Agent: Die lernende oder entscheidende Instanz.
• Umgebung: Alles, womit der Agent interagiert; sie kann real oder virtuell sein.
• Belohnungssignal: Ein Zahlenwert, der nach jeder Aktion vergeben wird und den Agenten zum Ziel führt.

Wenn der Agent Aktionen ausführt, beeinflusst er die Umgebung, die daraufhin mit Rückmeldungen reagiert. Diese Rückmeldungen helfen dem Agenten, seine Entscheidungen zu bewerten und sein Verhalten anzupassen. Mithilfe des Belohnungssignals erkennt der Agent, welche Aktionen ihn seinem Ziel näherbringen.

Bestärkendes Lernen ist entscheidend für Anwendungsfälle wie autonomes Fahren und Robotik. Beim autonomen Fahren werden Aufgaben wie Fahrzeugsteuerung, Objekterkennung und Hindernisvermeidung durch Rückmeldungen erlernt. Modelle werden mithilfe neuronaler Netze trainiert, um Fußgänger oder andere Objekte zu erkennen und geeignete Maßnahmen zu ergreifen, um Kollisionen zu vermeiden. In der Robotik ermöglicht bestärkendes Lernen beispielsweise die Manipulation von Objekten und die Bewegungssteuerung.

Ein bekanntes Beispiel für den Einsatz bestärkenden Lernens ist ein Projekt von OpenAI, bei dem Forschende KI-Agenten trainierten, das beliebte Mehrspieler-Videospiel Dota 2 zu spielen. Mithilfe neuronaler Netze verarbeiteten diese Agenten riesige Informationsmengen aus der Spielumgebung, um schnelle, strategische Entscheidungen zu treffen. Durch kontinuierliche Rückmeldungen lernten die Agenten dazu und verbesserten sich mit der Zeit. Schließlich erreichten sie ein Niveau, auf dem sie einige der besten Spieler des Spiels besiegen konnten.

Abb. 4. Menschliche und KI-Interpretation der Dota-Matrix.

Grundlagen des Transferlernens#

Transferlernen unterscheidet sich von anderen Lernverfahren. Statt ein Modell von Grund auf zu trainieren, verwendet man ein auf einem großen Datensatz vortrainiertes Modell und stimmt es auf eine neue, aber verwandte Aufgabe ab. Das beim ursprünglichen Training gewonnene Wissen verbessert die Leistung bei der neuen Aufgabe. Je nach Komplexität verkürzt Transferlernen die benötigte Trainingszeit für eine neue Aufgabe. Dabei werden die ersten Schichten des Modells beibehalten, die allgemeine Merkmale erfassen, und die letzten Schichten durch Schichten für die neue Aufgabe ersetzt.

Der künstlerische Stiltransfer ist eine interessante Anwendung des Transferlernens in Computer Vision. Mit dieser Technik kann ein Modell ein Bild so umwandeln, dass es dem Stil eines Kunstwerks entspricht. Dazu wird zunächst ein neuronales Netz mit einem großen Datensatz aus Bildern und den jeweiligen Kunststilen trainiert. Dabei lernt das Modell, allgemeine Bildmerkmale und Stilmerkmale zu erkennen.

Nach dem Training lässt sich das Modell so weiter anpassen, dass es den Stil eines bestimmten Gemäldes auf ein neues Bild überträgt. Das Netz passt sich an das neue Bild an und behält dabei die erlernten Stilmerkmale bei. So entsteht ein einzigartiges Ergebnis, das den ursprünglichen Bildinhalt mit dem ausgewählten Kunststil verbindet. Du könntest zum Beispiel ein Foto einer Bergkette mit dem Stil von Edvard Munchs Der Schrei versehen. Das Ergebnis zeigt dann die Szene im ausdrucksstarken, kraftvollen Stil des Gemäldes.

Abb. 5. Beispiel für die Übertragung eines Kunststils mithilfe von Transferlernen.

Unterschiede zwischen den Arten des maschinellen Lernens#

Nachdem wir die wichtigsten Arten des maschinellen Lernens behandelt haben, sehen wir uns nun jede genauer an, damit du besser einschätzen kannst, welche sich für verschiedene Anwendungen eignet.

• Überwachtes Lernen: Bei beschrifteten Daten ist diese Methode sehr genau, erfordert jedoch viele Daten und kann empfindlich auf Rauschen reagieren.
• Unüberwachtes Lernen: Diese Methode eignet sich, um unbeschriftete Daten nach verborgenen Mustern zu durchsuchen. Die Ergebnisse können jedoch weniger genau und schwieriger zu interpretieren sein.
• Bestärkendes Lernen: Dabei lernen Agenten, in komplexen Umgebungen schrittweise Entscheidungen zu treffen. Allerdings ist dafür oft erhebliche Rechenleistung erforderlich.
• Transferlernen: Dieser Ansatz nutzt vortrainierte Modelle, um das Training zu beschleunigen und die Leistung bei neuen Aufgaben zu verbessern, insbesondere wenn nur wenige Daten verfügbar sind.

Abb. 6. Vergleich aller Arten des maschinellen Lernens. Bild vom Autor.

Welche Art des maschinellen Lernens sich eignet, hängt von verschiedenen Faktoren ab. Überwachtes Lernen funktioniert gut, wenn du viele beschriftete Daten und eine klar definierte Aufgabe hast. Unüberwachtes Lernen eignet sich zur Datenexploration oder wenn nur wenige beschriftete Beispiele verfügbar sind. Bestärkendes Lernen ist ideal für komplexe Aufgaben, bei denen schrittweise Entscheidungen getroffen werden müssen. Transferlernen eignet sich besonders, wenn nur wenige Daten oder begrenzte Ressourcen zur Verfügung stehen. Berücksichtigst du diese Faktoren, kannst du den passenden Ansatz für dein Computer-Vision-Projekt auswählen.

Zum Abschluss#

Verfahren des maschinellen Lernens können zahlreiche Herausforderungen bewältigen, insbesondere in Bereichen wie Computer Vision. Wenn du die verschiedenen Arten – überwachtes und unüberwachtes Lernen, bestärkendes Lernen und Transferlernen – verstehst, kannst du den für deine Anforderungen passenden Ansatz wählen.

Überwachtes Lernen eignet sich gut für Aufgaben, die hohe Genauigkeit und beschriftete Daten erfordern. Unüberwachtes Lernen ist ideal, um Muster in unbeschrifteten Daten zu finden. Bestärkendes Lernen funktioniert gut in komplexen Situationen, in denen Entscheidungen getroffen werden müssen. Transferlernen ist hilfreich, wenn du mit begrenzten Daten auf vortrainierten Modellen aufbauen möchtest.

Jede Methode hat besondere Stärken und Anwendungsbereiche – von der Gesichtserkennung über die Robotik bis hin zur Übertragung künstlerischer Stile. Die richtige Wahl kann in Branchen wie dem Gesundheitswesen, der Automobilindustrie und der Unterhaltungsbranche neue Möglichkeiten eröffnen.

Weitere Informationen findest du in unserem GitHub-Repository und im Austausch mit unserer Community. Entdecke auf unseren Lösungsseiten Anwendungen von KI in selbstfahrenden Autos und der Landwirtschaft.