Mit Transfer Learning einen Interaktiven Computer-Vision-Showcase bauen
Um eine neue Technologie vorzuführen, ist es am besten ihre Eigenheiten in einem interaktiven Demonstrator spielerisch auszuprobieren.
In diesem Vortrag werden wir einen solchen Demonstrator für Computer Vision auf Basis von Machine Learning bauen. Wir wollen erreichen, neue Bildklassen schnell und mit sehr wenigen Trainingsbeispielen zu erlernen, um die Technologie auch auf Messen oder Konferenzen zu demonstrieren. Das resultierende Jupyter-Notebook wird keine produktionsreifen Ergebnisse erzielen, sondern ist ein kompaktes und praktikables Beispiel.
Vorkenntnisse
Eine grobe Idee wie Machine Learning funktioniert, sollte vorhanden sein. Die Details der Umsetzung werden erklärt.
Lernziele
Die Hürden, denen wir uns stellen und die wir überwinden werden, sind:
* Wie bekommt man die Bilddaten der Webcam über den Browser in einen Python-Kernel?
* Wie extrahiert man aussagekräftige Bildmerkmale durch vortrainierte Netzwerke?
* Wie klebt man alles zusammen, um eine Live-Kameraansicht mit Klassifizierung zu haben?
Performance, Stabilität, Skalierbarkeit und GPUs werden nicht berücksichtigt.