Vision AI

Unsere Erfahrung kommt aus der industriellen Bildverarbeitung und der Fahrzeugwahrnehmung. Dieselben Verfahren, mit denen ein Fahrzeug seine Umgebung erkennt, werten auch Luftbilder aus und erkennen Posen und Bewegungen von Menschen.

Messen, wo man messen kann

Klassische Bildverarbeitung und maschinelles Lernen (Machine Learning) sind für uns kein Gegensatz. Wo sich ein Merkmal messen lässt, etwa eine Länge, eine Lage oder eine Form, messen wir. Wo Erscheinungsbilder vielfältig sind und sich schwer in Regeln fassen lassen, setzen wir neuronale Netze ein. Viele unserer Systeme verbinden beides: Das Netz findet und umreißt das Objekt, die Messung bewertet es.

Vier Blickwinkel, dieselben Verfahren

Stabil über die Zeit

Eine Erkennung im Einzelbild genügt selten. Wir verfolgen erkannte Objekte konsequent über die Bildfolge. Das macht die Erkennung stabil, senkt die Zahl der Fehlalarme und liefert zusätzlich Bewegungsrichtung und Geschwindigkeit. Bei der Personenerkennung ist das Ziel eine hohe Erkennungsleistung bei zugleich niedriger Fehlalarmrate.

Woher die Lerndaten kommen

Maschinelles Lernen braucht Beispiele, und zwar aus dem späteren Einsatzgebiet. Wir erheben, ordnen und versionieren Bilddaten und annotieren sie mit eigenen Werkzeugen; für Luftbilder ist das Acotate 2.0 AERO. Eine automatische Vorannotation beschleunigt die Arbeit, Menschen korrigieren und geben frei. Wo reale Aufnahmen fehlen oder zu selten sind, ergänzen wir synthetisch erzeugte Bilder.

Bild und Sprache

Bild-Sprach-Modelle werten ein Bild zusammen mit Text aus. Damit lassen sich Aufgaben lösen, an denen reine Bilderkennung scheitert: ein verwittertes Verkehrszeichen mithilfe der Normbeschreibung bestimmen oder eine Dokumentenseite nach ihrer Funktion einordnen. Wie wir das einsetzen, steht unter Multimodal AI.