Image Classification ist das Einordnen eines Bildes in eine von mehreren vorgegebenen Klassen. Sie ist die einfachste Aufgabe der Computer Vision und war der Anlass für den Durchbruch der neuronalen Netze um 2012.
- Image Classification (Bildklassifikation)
Das Einordnen eines Bildes in eine von mehreren vorgegebenen Klassen.
Beispiel: „Die Image Classification sortierte den Bildbestand in Innenaufnahme, Außenaufnahme und Produktfoto.“Das Ergebnis ist nicht eine Klasse, sondern eine Verteilung: für jede Klasse ein Wert, und die Werte ergeben zusammen eins. Was als Antwort gilt, entscheidet eine Schwelle.
Die Klassen müssen vorher feststehen und vollständig sein. Ein Bild, das in keine passt, wird trotzdem einer zugeordnet, und zwar mit hoher Sicherheit.
Wofür das im Projektalltag taugt
Für das Sortieren von Bildbeständen. Welche der 12.000 Dateien aus dem alten Shop sind Produktfotos, welche Stimmungsbilder, welche Scans von Prospekten: Das von Hand zu machen kostet Tage, mit einem angepassten Modell eine Stunde Rechenzeit und eine Stunde Nachkontrolle. Dasselbe gilt für die Vorauswahl, welche Bilder überhaupt einen Alt-Text brauchen.
Warum der Sicherheitswert täuscht
Weil er keine Wahrscheinlichkeit ist. Ein Wert von 0,97 heißt nicht, dass die Antwort in 97 von 100 Fällen stimmt; er heißt nur, dass diese Klasse unter den vorgegebenen am besten passt. Neuronale Netze sind dabei verlässlich überzeugt von sich, auch bei Bildern, die mit keiner Klasse zu tun haben.
Was in die Abnahme gehört
Eine Confusion Matrix und nicht eine Gesamtquote. Erst sie zeigt, welche Klasse mit welcher verwechselt wird, und genau das entscheidet über die Brauchbarkeit: Ein Modell, das Stimmungsbilder und Produktfotos sauber trennt und bei zwei Produktarten schwankt, ist für den Zweck oben völlig ausreichend.
Was mit Bildern passiert, die in keine Klasse passen
Sie brauchen eine eigene Klasse. Ohne eine Restklasse ordnet das Modell jedes Bild einer der vorgesehenen zu, und zwar mit hoher Sicherheit; das ist der häufigste Grund für unerklärliche Ergebnisse im Betrieb. Die Restklasse muss im Training mit Beispielen gefüllt werden, sonst bleibt sie leer.