Facebook gibt im Bereich maschinelles Lernen nach und nach Software als Open Source frei. Nun folgen, nach der Veröffentlichung des Torch-Frameworks Torchnet im Juni, drei Bibliotheken, die der Identifizierung einzelner Objekte innerhalb von Bildern dienen. SharpMask, DeepMask und MultiPathNet verwenden als Basis die quelloffene Bibliothek Torch, die für Deep Learning zahlreiche Algorithmen bietet.

DeepMask unterteilt das Bild im ersten Schritt der Analyse mithilfe binärer Klassifikationsalgorithmen in Segmente. Dabei kommen, wie der Name vermuten lässt, Deep Neural Networks (tiefe künstliche Neuronale Netze) zum Einsatz. Die erstellten Masken umreißen die Objekte, haben jedoch noch recht unscharfe Grenzen. SharpMask versucht im zweiten Schritt die Umrisse zu schärfen.

Das Ergebnis ist eine, noch keinen Aufschluss über die tatsächlichen Objekte gebende, Reihe von Segmenten. Im dritten Schritt kommt deswegen MultiPathNet zum Einsatz, das ebenfalls auf künstliche neuronale Netze setzt. Die Bibliothek untersucht die Objekte im Kontext des restlichen Bildes und auf unterschiedlichen Ebenen. Der Algorithmus sortiert gleichzeitig Segmente, die DeepMask erkannt hat, MultiPathNet aber für nicht relevant erachtet, heraus.

Die großen Unternehmen wetteifern im Bereich des maschinellen Lernens zur Bildanalyse seit geraumer Zeit. Zu Facebooks namhaften Konkurrenten gehören Microsofts Cognitive Services (vormals Projekt Oxford), IBMs Watson API und Googles Cloud Vision.

(mt, hannover)

(siehe auch heise-News-Ticker:)

Hannover · EDV-Beratung · Linux · Novell · Microsoft · Seminar · IT-Consult · Netzwerk · LPIC · CLE