Gesichter finden: Masken gegen Lernen aus Beispielen
Über diese App
Gesichtserkennung wie in den 1990ern: Eine Augenmaske gleitet per Kreuzkorrelation über eine gezeichnete Straßenszene und findet das Gesicht von vorn, verpasst aber Schatten, Schild und Profil und hält Scheinwerfer für Augen (1 von 5). Ein kleines neuronales Netz, trainiert auf 3909 gezeichneten Beispielen mit Antwort, findet in derselben Szene alle 5 Gesichter ohne Fehlalarm.
Mit Erklärmodus: Ein KI-Tutor führt dich durch die App, zeigt in der Szene, worauf es ankommt, und beantwortet deine Fragen.
Regeln gegen Beispiele
In den 1990ern wurde Gesichtserkennung mit Regeln programmiert. Ein Modul gab eine Maske vor, wie ein Auge aussehen soll, und schob sie über das Bild. Gemessen wurde die Übereinstimmung, zum Beispiel mit der normierten Kreuzkorrelation, die Helligkeit und Kontrast herausrechnet. Solche Masken passen nur unter den Bedingungen, für die sie gebaut sind. Maschinelles Lernen geht anders vor: Ein Modell bekommt viele Bilder mit der Antwort „Gesicht“ oder „kein Gesicht“ und stellt seine Gewichte so ein, dass die Antworten stimmen.
Was die App zeigt
Eine gezeichnete Straßenszene, alle Zahlen rechnet die App selbst. Eine Augenmaske sucht an 112 014 Stellen und findet ein gut beleuchtetes Gesicht mit 95 % Ähnlichkeit. In derselben Straße mit fünf Gesichtern bleibt sie bei Schatten, Schild, Profil und kleinem Gesicht unter der Schwelle von 60 % und hält ein Auto mit runden Scheinwerfern für ein Gesicht. Ein kleines neuronales Netz, trainiert auf 3189 gezeichneten Bildern und 720 schwierigen Gegenbeispielen, findet alle fünf Gesichter ohne Fehlalarm.
Selbst ausprobieren
Geh die drei Szenen Schritt für Schritt durch: Lass die Maske über das Bild gleiten und sieh zu, wie die Spur der Ähnlichkeit wächst. Löse in der Störungsszene auf, welche Gesichter übersehen wurden. Füll dann die Beispielwand, lass das Netz lernen und wende es auf die Straße an. Die Zahlen im Panel zeigen abgesuchte Stellen, Funde, Fehlalarme und die Trefferquote im Training.
Häufige Fragen
- Was ist Template-Matching?
- Eine feste Vorlage (Maske) wird an jede Stelle eines Bildes gelegt, und ein Ähnlichkeitsmaß sagt, wie gut der Ausschnitt passt. Die normierte Kreuzkorrelation zieht Mittelwert und Kontrast ab und liefert Werte zwischen −1 und 1. Über einer Schwelle gilt die Stelle als Fund.
- Warum versagen feste Masken bei Gesichtern?
- Schatten, Verdeckung, Drehung und eine andere Größe verändern das Helligkeitsmuster stärker, als eine einzelne Maske erlaubt. Gleichzeitig können Dinge, die zufällig ähnlich aussehen, etwa zwei runde Scheinwerfer, die Schwelle überschreiten. Jede Störung bräuchte eine eigene Regel.
- Was lernt ein Modell aus Beispielbildern?
- Es lernt Gewichte für Merkmale wie Kantenrichtungen, sodass Bilder mit Gesicht hohe und Bilder ohne Gesicht niedrige Werte bekommen. Was es kann, hängt davon ab, welche Fälle die Beispiele abdecken: Schatten und Profil muss es im Training gesehen haben.
- Was kann ich in der App ausprobieren?
- Drei Szenen mit Schritten: die Maske sucht ein Gesicht, dieselbe Maske scheitert an Störungen und meldet einen Fehlalarm, ein Netz lernt aus Beispielen und findet alle Gesichter. Ein Erklärmodus führt durch alles.
Fach: Machine Learning
Mehr aus Machine Learning
- AdaBoost
- Anatomie eines Prompts
- Datenschutz-Ampel
- Decision Tree (Entscheidungsbaum)
- Ensemble: Bagging vs. Boosting
- k-Means
- k-Nächste-Nachbarn (kNN)
- KI-Theater
Eine VisuApp von heyprof: interaktiv, kostenlos im Browser, ohne Anmeldung. Was ist eine VisuApp? · Alle Apps