DASC

DASC-logo_2_150

Visual Recognition

Beeldherkenning, in het kader van Image/Visual Recognition, is het vermogen van software om objecten, plaatsen, mensen, teksten en acties in afbeeldingen te identificeren. Computers kunnen technologieën voor Image/Visual Recognition gebruiken in combinatie met een camera en software voor kunstmatige intelligentie om beeldherkenning te bereiken.

Beeldherkenning wordt gebruikt om een ​​groot aantal op machines gebaseerde visuele taken uit te voeren, zoals het labelen van de inhoud van afbeeldingen met metatags, het uitvoeren van zoeken naar beeldinhoud en het begeleiden van autonome robots, zelfrijdende auto’s en systemen voor het vermijden van ongevallen. Terwijl de hersenen van mensen en dieren objecten gemakkelijk herkennen, hebben computers moeite met de taak. Software voor beeldherkenning vereist diepgaande machine learning (Deep Learning). Algoritmen voor beeldherkenning worden vaak getraind op miljoenen vooraf gelabelde afbeeldingen met Supervised Machine Learning.

Beeldherkenning door een computer omvat methoden voor het verwerven, verwerken, analyseren en begrijpen van digitale beelden en het extraheren van hoog-dimensionale gegevens uit de echte wereld om numerieke of symbolische informatie te produceren, b.v. in de vorm van beslissingen. Begrip in deze context betekent de transformatie van visuele beelden (de input van het netvlies) in beschrijvingen van de wereld die zinvol zijn voor denkprocessen en die passende actie kunnen oproepen. Dit beeldbegrip kan worden gezien als het ontwarren van symbolische informatie uit beeldgegevens met behulp van modellen die zijn geconstrueerd met behulp van geometrie, fysica, statistiek en leertheorie.

3 stappen om visuele herkenning met Machine Learning uit te voeren

  1. Verzamel en structureer de data waarmee je gaat werken (85% van de tijd)
  2. Bouw en test een voorspellend model (10 % van de tijd)
  3. Gebruik het model na testen om afbeeldingen te herkennen (5% van de tijd)

Software

Watson Visual Recognition maakt het makkelijk om duizenden labels vanuit uw bedrijfsfoto’s te halen en specifieke (out-of-the-box) content te herkennen. Je kan daarnaast ook modellen bouwen die specifieke content in afbeeldingen herkennen binnen uw eigen applicaties.

Use cases

De Visual Recognition-service kan worden gebruikt voor diverse toepassingen en industrieën, zoals:

  • Productie: gebruik afbeeldingen van een productie-instelling om ervoor te zorgen dat producten correct op een assemblagelijn worden gepositioneerd
  • Visuele controle: zoek naar visuele naleving of verslechtering in een wagenpark van vrachtwagens, vliegtuigen of windmolens in het veld, train aangepaste modellen om te begrijpen hoe defecten eruit zien
  • Verzekering: Verwerk claims snel door afbeeldingen te gebruiken om claims in verschillende categorieën in te delen
  • Sociaal luisteren: gebruik afbeeldingen uit uw productlijn of uw logo om de buzz over uw bedrijf op sociale media bij te houden
  • Sociale handel: gebruik een afbeelding van een vergulde schotel om erachter te komen welk restaurant het serveert en beoordelingen te vinden, gebruik een reisfoto om vakantiesuggesties te vinden op basis van vergelijkbare ervaringen
  • Detailhandel: maak een foto van een favoriete outfit om winkels te vinden met die kleding op voorraad of in de uitverkoop, gebruik een reisafbeelding om winkelsuggesties in dat gebied te vinden
  • Onderwijs: maak op afbeeldingen gebaseerde toepassingen om voorlichting te geven over taxonomieën

IBM Watson Visual Recognition demovideo en model

Demo model