Masterstudierender des Studiengangs „International Marketing and Media Management“ verfasst Arbeiten zur künstlichen Intelligenz mittels CNN

Künstliche Intelligenz ist in aller Munde und umfasst unter anderem den wichtigen Bereich der automatischen Bilderkennung mittels Convolutional Neural Networks (CNN). In Anlehnung an das menschliche Gehirn mit zig Milliarden Zellen simulieren neuronale Netze die Gehirntätigkeiten. Im Nervensystem werden Signale über eine Vielzahl von Neuronen, also Nervenzellen, übertragen und verarbeitet. Die Nervenzelle empfängt über die Dendriten erregende beziehungsweise hemmende Signale von mehreren sendenden Neuronen, die im empfangenen Neuron zu einem Gesamtsignal verdichtet werden. Im Zellkern werden die Signale ausgewertet und weiterverarbeitet, bevor sie durch das Axon, den Ausgangskanal der Nervenzelle, an Folgezellen weitergeleitet werden. Dieses Grundprinzip nutzen auch Convolutional Neural Networks.

Abbildung 1: Neuronales Netz als Basis für CNN

Tom Feltgen hat in seiner Masterabschlussarbeit im Studiengang „International Marketing and Media Management“ (M.A.) solch ein Convolutional Neural Network zur automatischen Bilderkennung mittels Keras, einer Schnittstelle für TensorFlow, programmiert.

„Neuronale Netze bieten sich immer dann an, wenn nicht zwingend Wirkungszusammenhänge aufgedeckt werden müssen, sondern die Genauigkeit der Ergebnisse im Vordergrund steht. Ziel der Arbeit von Herrn Feltgen war die Programmierung eines Convolutional Neural Networks, das die Objekte der Bilder des ILSVRC-Detection-Challenge-Datensatzes aus 14 Millionen Bildern in fünf Basisklassen identifiziert. Herr Feltgen hat dies hervorragend umgesetzt. Die Fehler des Modells stehen in Abhängigkeit zur durchlaufenen Epoche. Mit hoher Genauigkeits-Validation hat der Computer Bilder eigenständig erkannt. Convolutional Neural Networks werden zum Beispiel bei der Gesichtserkennung, der Entdeckung von Krebszellen und bei der Verkehrs- und Schriftzeichenerkennung eingesetzt. Wir werden diesen wichtigen Forschungsbereich zur künstlichen Intelligenz an der RFH weiter ausbauen“, berichtet der Erstprüfer der Masterthesis, Prof. Dr. Dietmar Barzen (Vizepräsident des Fachbereichs Medien).

Abbildung 2: Fehler des Modells in Abhängigkeit zur durchlaufenen Epoche

Abbildung 3: Richtige automatische Ausgabe des Computers: Vogel

Abbildung 4: Anwendungsbeispiele von Convolutional Neural Networks: Erkennen von Hausnummern, Krebszellen, Schriften, Verkehrsschildern, Gesichtern

Ingenieurwesen

Medien

Medizinökonomie & Gesundheit

Wirtschaft & Recht

PhD-Programm

Die Rheinische Fachhochschule Köln gGmbh ist staatlich anerkannt sowie akkreditiert durch:

  • Logo AQAS
  • Logo ZEVA
  • Logo FIBAA

Folgen Sie uns:

Jetzt bewerben