Minifigure-Finder
Dieses Projekt stell eine Erweiterung unserer vorherigen Arbeit im Bereich der Klemmbaustein-Klassifikation dar und verlagert den Fokus auf die Erkennung und Klassifikation von Minifiguren. Durch den Einsatz moderner KI-Technologien strebt das Projekt die Entwicklung einer zuverlässigen und effizienten Pipeline an, die in der Lage ist, Minifiguren präzise zu klassifizieren. Ein besonderes Merkmal dieses Projekts ist die Fähigkeit, Minifiguren zu identifizieren, die auf verschiedene Arten und Weisen zusammengesetzt sein können. Das Hauptziel des Projekts ist daher nicht nur die Identifikation solcher vielfältig zusammengesetzter Minifiguren, sondern auch das System so zu konzipieren, dass es die korrekte Bauweise und die jeweiligen Bausteine erkennt.
Systemanforderungen
Erkennung von Minifiguren
Das System sollte in der Lage sein, Minifiguren in einer Vielzahl von Szenarien und Beleuchtungsbedingungen zu erkennen.
Klassifizierung
Ein besonderes Augenmerk wird auf die Klassifizierung des Torsos der Minifiguren gelegt. Dies ist wichtig für die genaue Identifizierung und Sortierung der Figuren.
Finden der dazugehörigen Bauteile
Das System muss nicht nur die Minifigur als Ganzes identifizieren, sondern auch in der Lage sein, die spezifischen Bauteile wie Kopf, Arme, und Beine zuzuordnen, die zu der jeweiligen Figur gehören.
Verknüpfung der Minifiguren mit Sets
Eine weitere Anforderung ist die Fähigkeit, identifizierte Minifiguren automatisch mit den dazugehörigen Sets zu verbinden. Dies könnte durch eine Datenbank erfolgen, die Informationen über die Zugehörigkeit von Minifiguren zu bestimmten Sets enthält.
Praktischen Anwendung
Die automatische Erkennung und Klassifizierung von Minifiguren stellt eine herausfordernde Aufgabe dar, die in ihrer Komplexität die der Klemmbaustein-Klassifikation weit übertrifft. Minifiguren setzen sich aus einer Vielzahl unterschiedlicher Bauteile zusammen und können auf zahlreiche Weisen kombiniert werden. Mit über 15000 (Quelle: bricklink.com) verschiedenen Minifiguren und einer Unmenge an Möglichkeiten für den Zusammenbau ergibt sich eine exponentiell wachsende Anzahl an Kombinationen, die klassifiziert werden müssen.
Die erfolgreiche Bewältigung dieser komplizierten Klassifikationsaufgabe würde nicht nur die Leistungsfähigkeit und Grenzen der aktuellen KI-Technologien aufzeigen, sondern auch weitreichende praktische Anwendungen ermöglichen. Dies könnte im E-Commerce sowie im Inventarmanagement einen signifikanten Mehrwert bieten.
Training
Unsere leistungsstarke Infrastruktur ermöglicht es uns, auch anspruchsvolle Netzwerke aus dem Deep-Learning-Bereich intern effizient zu trainieren. Die Kombination aus qualitativ hochwertigen Daten und unserer hochmodernen Hardware sorgt dafür, dass wir präzise und zuverlässige Modelle entwickeln können.
Datensatz
Unser Datensatz umfasst eine vielfältige Kollektion von 8.000 verschiedenen Minifiguren, die aus verschiedenen Quellen stammen. Dazu gehören Fotos von Sammlern sowie Bilder aus öffentlich zugänglichen Datenbanken und Websites. Es ist bemerkenswert, dass der Datensatz ursprünglich nur aus 100 Minifiguren bestand und innerhalb eines halben Jahres auf die heutige Größe angewachsen ist. Diese breite Datenbasis ermöglicht es uns, ein vielseitiges Spektrum an
Klassifikationsproblemen zu adressieren und dabei eine robuste und zuverlässige Klassifikationsleistung zu erzielen.
Mean Average Precision
99,8%
Die Mean Average Precision ist eine Metric zum Messen eines Objekterkennungsmodells sie umfasst folgene Statistiken: Confusion Matrix, Intersections over Union, Recall und Precision.
Erkennungsgenauigkeit
99,2%
Die Erkennunggenauigkeit wird definiert als der Quotient aus richtig positiven Testergebnissen und der Summe aus richtig positiven und falsch negativen Testergebnissen. In unserem Modell kommen wir auf 99,2 % richtige Vorraussagen.
Umfang
8000 Figuren
Der aktuelle Datensatz ermöglicht die Klassifizierung von 8.000 verschiedenen Minifiguren.
Verarbeitungszeit
800 ms
Die durchschnittliche Verarbeitungszeit für die Klassifizierung einer Minifigur beträgt 800 Millisekunden. Es sei angemerkt, dass bislang keine spezifischen Optimierungsversuche unternommen wurden, um diese Verarbeitungszeit zu reduzieren. Dies lässt Raum für potenzielle Verbesserungen in zukünftigen Entwicklungsphasen. Die Verarbeitung erfolgt serverseitig, was die Möglichkeit für kontinuierliche Updates und Verbesserungen bietet.
Mean Average Precision
99,8 %
Die Mean Average Precision ist eine Metric zum Messen eines Objekterkennungsmodells sie umfasst folgene Statistiken: Confusion Matrix, Intersections over Union, Recall und Precision.
Erkennungsgenauigkeit
0,15
Die Erkennunggenauigkeit wird definiert als der Quotient aus richtig positiven Testergebnissen und der Summe aus richtig positiven und falsch negativen Testergebnissen. In unserem Modell kommen wir auf 99,2 % richtige Vorraussagen.
Umfang
8000 Figuren
Der aktuelle Datensatz ermöglicht die Klassifizierung von 8.000 verschiedenen Minifiguren.
Verarbeitungszeit
800 ms
Die durchschnittliche Verarbeitungszeit für die Klassifizierung einer Minifigur beträgt 800 Millisekunden. Es sei angemerkt, dass bislang keine spezifischen Optimierungsversuche unternommen wurden, um diese Verarbeitungszeit zu reduzieren. Dies lässt Raum für potenzielle Verbesserungen in zukünftigen Entwicklungsphasen. Die Verarbeitung erfolgt serverseitig, was die Möglichkeit für kontinuierliche Updates und Verbesserungen bietet.
Zukünftige Arbeit
Obwohl unsere bisherigen Ergebnisse vielversprechend sind, erkennen wir, dass es immer Raum für Verbesserungen und Weiterentwicklungen gibt. In den kommenden Phasen des Projekts planen wir, folgende Schritte zu unternehmen:
- Optimierung der Verarbeitungszeit
- Erweiterung des Datensatzes
- Automatische Aktualisierung der Set-Datenbank
- Entwicklung einer Anwendungs-App
Wir entwickel derzeit eine hauseigene App, die es den Benutzern ermöglichen wird, unser KI-gesteuertes Erkennungssystem für Minifiguren bequem über mobile Geräte zu nutzen. Die App-Entwicklung wird ausschließlich intern durchgeführt, um sowohl die Kontrolle über das Projekt als auch die Sicherheit der Nutzerdaten zu gewährleisten.
EMMET SOFTWARE LABS
Emmet Software Labs GmbH & Co. KG
Hertzstr. 6
32052 Herford
Telefon: +49 5221-763 999-10
Email: info@emmet-software-labs.com
