iX 6/2020
S. 40
Titel
Deep Learning

Deep-Learning-Tutorial, Teil 1: Bilder für das Modelltraining aufbereiten

Möge die Erkenntnis mit dir sein

Ramon Wartala

Dieses dreiteilige Tutorial beschreibt, wie sich ein bestehendes Deep-Learning-Modell für den eigenen Einsatzzweck anpassen und trainieren lässt, sodass man es danach auch auf Embedded-Hardware – wie NVIDIAs Entwicklerboard Jetson Nano – zur Erkennung von Objekten einsetzen kann.

Die Entwicklung eines Deep-Learning-Modells, das nicht nur irgendwelche, sondern die eigenen Objekte erkennt, ist mit vielen Fragen verbunden: Mit welcher Plattform oder Umgebung möchte ich arbeiten? Was ist meine favorisierte Programmiersprache? Kann und darf ich das fertige Modell in einer Cloud einsetzen oder muss ich mit meinen Daten on Premises bleiben, vielleicht sogar auf einem lokalen Rechner? Welches Deep-­Learning-Framework passt am besten? Auf welchem Zielsystem soll mein trainiertes Modell später laufen? Benötigt es einen leistungsstarken Server oder muss es mit beschränkten Hardwareressourcen auf einem Mobiltelefon oder einem anderen Embedded-Device zurechtkommen?

Zum Trainieren des gewählten Modells sind daneben viele Beispielbilder zu beschaffen. Und wenn man diese in ausreichender Zahl hat, müssen die zu erkennenden Objekte in jedem Bild eingezeichnet werden, damit das Deep-Learning-Modell lernen kann, was es erkennen soll.

Kommentieren