{"id":464,"date":"2023-05-16T10:15:48","date_gmt":"2023-05-16T08:15:48","guid":{"rendered":"https:\/\/gaia-initiative.org\/?post_type=research&#038;p=464"},"modified":"2023-07-31T13:19:04","modified_gmt":"2023-07-31T11:19:04","slug":"kuenstliche-intelligenz-zur-bilderkennung","status":"publish","type":"research","link":"https:\/\/gaia-initiative.org\/de\/research-articles\/kuenstliche-intelligenz-zur-bilderkennung\/","title":{"rendered":"K\u00fcnstliche Intelligenz zur Bilderkennung"},"content":{"rendered":"\n<p>Ein wesentliches Feature der neuen, intelligenten Tiersender der GAIA-Initiative sind die eingebaute Kamera und K\u00fcnstliche-Intelligenz-Algorithmen, die direkt auf dem Sender laufen und eine effiziente, eingebettete Datenverarbeitung vornehmen k\u00f6nnen. Dies stellt ganz besondere Anforderungen auch an eine Bilderkennungs-KI, die besonders sparsam und mit geringen Datenmengen operieren m\u00fcssen. Hierzu entwickeln Teams am Fraunhofer IIS entsprechende Strategien und Modelle f\u00fcr die KI.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"666\" src=\"https:\/\/gaia-initiative.org\/wp-content\/uploads\/2023\/06\/FraunhoferIIS_GAIA_Initiative_Bilderkennung-mit-KI-1024x666.png\" alt=\"\" class=\"wp-image-571\" srcset=\"https:\/\/gaia-initiative.org\/wp-content\/uploads\/2023\/06\/FraunhoferIIS_GAIA_Initiative_Bilderkennung-mit-KI-1024x666.png 1024w, https:\/\/gaia-initiative.org\/wp-content\/uploads\/2023\/06\/FraunhoferIIS_GAIA_Initiative_Bilderkennung-mit-KI-300x195.png 300w, https:\/\/gaia-initiative.org\/wp-content\/uploads\/2023\/06\/FraunhoferIIS_GAIA_Initiative_Bilderkennung-mit-KI-768x500.png 768w, https:\/\/gaia-initiative.org\/wp-content\/uploads\/2023\/06\/FraunhoferIIS_GAIA_Initiative_Bilderkennung-mit-KI-1536x999.png 1536w, https:\/\/gaia-initiative.org\/wp-content\/uploads\/2023\/06\/FraunhoferIIS_GAIA_Initiative_Bilderkennung-mit-KI.png 1920w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p>Um KI-basierte Verarbeitungsketten auf eingebetteten Systemen implementieren zu k\u00f6nnen, m\u00fcssen verschiedene Anforderungen erf\u00fcllt sein. Da die Felddaten nicht in ausreichender Zahl vorhanden sind, m\u00fcssen die Forscher*innen des Fraunhofer IIS die zu entwickelnden KI-Algorithmen dahingehend trainieren, auch aus wenigen Datens\u00e4tzen relevante Informationen\/Muster zu ziehen (Sparse AI). Zudem arbeiten die Entwickler und Entwicklerinnen daran, s\u00e4mtliche Schritte der Bildverarbeitungskette so energieeffizient wie m\u00f6glich zu gestalten und die Komplexit\u00e4t der verwendeten DNNs mittels Filter Pruning auf ein Minimum zu reduzieren. Ziel ist es, deren Portierung auf tragbare Edge Devices (wie bspw. Tiersender) zu gew\u00e4hrleisten und ein Sparse Deep Convolutional Neural Network (DCNN) Modell zu generieren. <\/p>\n\n\n\n<p>Eine weitere Herausforderung ergibt sich aus der begrenzten Kommunikationsbandbreite der genutzten Funkkan\u00e4le. Um diese zu umgehen, zielen die Forscher*innen darauf ab, mithilfe der weiterentwickelten Embedded KI zur Bilderkennung, die eingehenden Bilddaten und Sensordaten (u.a Beschleunigungsdaten) direkt am CameraTag zu analysieren und zu klassifizieren. So k\u00f6nnen selektiv nur die Bilder ausgew\u00e4hlt werden, bei denen ein bestimmtes Verhalten der Geier zu erkennen ist. Je nach Anwendungsfall wird die Kamera durch diese sensornahe Embedded KI-Bildverarbeitung nur bei entsprechender Relevanz ausgel\u00f6st und die Bilder an den Anwender \u00fcbermittelt. M\u00f6chte man bspw. wissen, wie viele Wasserb\u00fcffel innerhalb eines bestimmten Radius am b\u00f6sartigen Katarrhalfieber verendet sind, muss die Onboard-KI dahingehend trainiert werden, bei Bildaufnahme mehrerer Geier am Kadaver der Tiere, den Kamerasensor anzusteuern und auszul\u00f6sen. Mithilfe dieses effizienten Entwicklungsansatzes k\u00f6nnen der Rechenaufwand und Speicherbedarf der verwendeten KI-Modelle derart minimiert werden, so dass der Einsatz von TinyML Modellen auf Edge Devices f\u00fcr eine Vielzahl von verschiedenen Anwendungen m\u00f6glich wird.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Ein wesentliches Feature der neuen, intelligenten Tiersender der GAIA-Initiative sind die eingebaute Kamera und K\u00fcnstliche-Intelligenz-Algorithmen, die direkt auf dem Sender laufen und eine effiziente, eingebettete Datenverarbeitung vornehmen k\u00f6nnen. Dies stellt ganz besondere Anforderungen auch an eine Bilderkennungs-KI, die besonders sparsam und mit geringen Datenmengen operieren m\u00fcssen. Hierzu entwickeln Teams am Fraunhofer IIS entsprechende Strategien und [&hellip;]<\/p>\n","protected":false},"featured_media":360,"template":"","tags":[64],"research_topics":[83],"class_list":["post-464","research","type-research","status-publish","has-post-thumbnail","hentry","tag-artificial-intelligence-for-image-recognition-2","research_topics-technologien-methoden"],"acf":[],"_links":{"self":[{"href":"https:\/\/gaia-initiative.org\/de\/wp-json\/wp\/v2\/research\/464","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gaia-initiative.org\/de\/wp-json\/wp\/v2\/research"}],"about":[{"href":"https:\/\/gaia-initiative.org\/de\/wp-json\/wp\/v2\/types\/research"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gaia-initiative.org\/de\/wp-json\/wp\/v2\/media\/360"}],"wp:attachment":[{"href":"https:\/\/gaia-initiative.org\/de\/wp-json\/wp\/v2\/media?parent=464"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gaia-initiative.org\/de\/wp-json\/wp\/v2\/tags?post=464"},{"taxonomy":"research_topics","embeddable":true,"href":"https:\/\/gaia-initiative.org\/de\/wp-json\/wp\/v2\/research_topics?post=464"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}