expertise

beeldherkenning

Home → Hoe werkt beeldherkenning

Hoe werkt beeldherkenning?

Beeldherkenning is een techniek waarmee computers worden getraind om automatisch en zelfstandig specifieke objecten te detecteren in afbeeldingen. Deze informatie kan vervolgens worden gebruikt om andere processen aan te sturen.

Hoe werkt beeldherkenning?

Beeldherkenning bestaat uit twee fases:

  • de leerfase
  • de productiefase

In de leerfase wordt de computer geleerd waarop het moet letten. Classificeren is het indelen van objecten in groepen op grond van overeenkomende of aanverwante eigenschappen. Om de computer te vertellen welk object moet worden gedetecteerd, gebruiken we een classifier. Dit is het (wiskundig) algoritme op basis waarvan de objecten worden geclassificeerd waarmee de computer nieuwe observaties zelfstandig kan opmerken.

Het inleren is mensenwerk. Voor elke categorie waarop geclassificeerd wordt, wordt een trainingsset foto’s ingeladen die handmatig beoordeeld worden. Tijdens de leerfase wordt de trainingsset een groot aantal keren aangeboden aan de classifier. Hierdoor worden er verbanden gelegd tussen wat goed of fout is. Bij een nieuwe foto zoekt de machine naar verbanden die hij eerder heeft gezien en komt zo tot een score. Dit gaat steeds beter en nauwkeuriger als de machine op de juiste manier en momenten bijgestuurd wordt.

We gebruiken hierbij deep learning: een vorm van kunstmatige intelligentie waarbij de computer leert van grote hoeveelheden data. Door het tonen van data leert het de objecten te herkennen waarnaar we op zoek zijn. Na verloop van tijd is de computer in staat zelf het object te vinden te midden van de ruis van de rest van de afbeelding.

Hoe meer foto’s de computer krijgt aangeboden en hoe beter de kwaliteit van de afbeeldingen, des te hoger wordt de kwaliteit van de detectie. Het hele systeem is zelflerend, maar kan worden aangevuld met menselijke tussenkomst.

Het leerproces wordt geëvalueerd door een tweede set voorbeelden te gebruiken. Deze evaluatieset heeft andere foto’s dan de trainingsset. Met behulp van deze evaluatieset wordt gecontroleerd hoe goed het leerproces is verlopen. Het complete proces stopt als er geen misclassificaties meer zijn en de classifier aangeeft er voldoende zeker van te zijn dat de classificatie juist is.

Je bent nu klaar om door te gaan naar de productiefase, waar je de classifier gebruikt voor jouw specifieke bedrijfsproces.

Een voorbeeld

Bijvoorbeeld: het herkennen op een foto van de juiste vissoort uit de lijst van Nederlandse zoetwatervissen, zodat de kenmerken van de vis getoond worden. De opdracht is: “Herken 46 zoetwatervissen van een foto, waarbij de vis in de volle lengte op zijn zij in beeld is, met meer dan 85% betrouwbaarheid.”

De vissoorten zijn hier de categorieën. Om het beeldherkenningsalgoritme te trainen, moeten er van alle soorten vissen die herkend moeten worden, voldoende voorbeeldfoto’s verzameld worden. Bij iedere voorbeeldfoto wordt aangegeven welke soort in welk deel van de foto zichtbaar is.

De data scientist selecteert een algoritme, bouwt een applicatie, verzamelt metrieken en optimaliseert het beeldmateriaal. Het algoritme wordt getraind met afbeeldingen. Deze training leidt tot modellen die categorieën met een bepaalde betrouwbaarheid automatisch kunnen filteren.

Een model (= een getraind algoritme) analyseert zelfstandig nog niet eerdere geziene afbeeldingen op basis van de beschikbare informatie en kent deze toe aan de vastgestelde categorieën.

Als een model betrouwbaar is, kan het gebruikt worden voor het automatiseren van routinetaken. Het algoritme wordt geïntegreerd in bestaande processen en geschikt gemaakt voor productie. Denk hierbij aan het schaalbaar maken van de oplossing, beveiliging toevoegen, beschikbaarheid creëren, e.d.

In de fasen 3 t/m 5 stuurt de data scientist waar nodig bij. Dit kan door het algoritme aan te passen en optimaliseren, bepaalde instellingen te wijzigen tijdens het trainen, extra beeldmateriaal te gebruiken voor extra trainingen, e.d. Net zolang tot het systeem zo foutloos mogelijk is.

Zelf aan de slag met beeldherkenning?

Denk je dat ook jouw bedrijf zou kunnen profiteren van beeldherkenning? Het OCS Beeldherkenningsplatform is een door Open Circle Solutions ontwikkeld platform waarmee we snel aan de slag kunnen met gestandaardiseerde onderdelen. 

Of je kunt een

DEMO AANVRAGEN

Wil je een live demo? We laten je graag volkomen vrijblijvend zien hoe het werkt.

e-book

Meer weten over beeldherkenning?

Download het hier.

blog

Uitleg, achtergronden en proofs of concept uit ons laboratorium

Beeldherkenning, toegankelijker dan je denkt

Beeldherkenning, toegankelijker dan je denkt

Bij Open Circle Solutions willen we de technologie van beeldherkenning toegankelijk maken voor zo veel mogelijk bedrijven die daar baat bij hebben. Met onze jaren aan ervaring staat ons complete ‘leren en verbeteren’ proces van beeldherkenning als een huis. We zetten...

Lees meer
StorePal, inzicht in loyaltyprogramma’s voor retailers

StorePal, inzicht in loyaltyprogramma’s voor retailers

Brand Loyalty verzorgt voor zijn retailklanten de complete merkactivatie van loyaliteitsacties in de winkel. Denk aan de displays voor de promotionele producten, de instore etalage van de producten, de zegels, de posters en de spaarkaarten. Maar hoe effectief zijn die...

Lees meer

Pin It on Pinterest