Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB 
Die Anzahl der Iterationen für die Verfahrensentwicklung ist bei Novizen erheblich größer und die erreichte Verfahrensqualität niedriger.
Die Anzahl der Iterationen für die Verfahrensentwicklung ist bei Novizen erheblich größer und die erreichte Verfahrensqualität niedriger.
Entwicklung und Einsatz von XAI-Methoden (Erklärbare KI-Methoden) für die Analyse von Verfahren. Hier das Beispiel Heatmap für die Analyse der für die Klassifikation relevanten Bildbereiche.
Die Expertise der Mitarbeiter und ihre eingesetzten Methoden stellt einen wesentlichen Einflussfaktor für die Qualität (und den Aufwand), bei der Erstellung von KI-Verfahren dar.
So ist die Anzahl der Iterationen bei Novizen erheblich größer und die erreichte Verfahrensqualität niedriger.
Daher ist es wichtig langjährige Expertise aufzubauen und geeignete Werkzeuge, Verfahrensweisen und Workflows zu entwickeln um optimale Ergebnisse bei der Realisierung von Deep Learning Verfahren zu erhalten.
Die Abteilung VID hat daher einen Workflow für die Realisierung von Realzeit Deep Learning Verfahren realisiert, der u.a. folgende Schritte umfasst.
- Erstellung von Trainingsdatensätzen
- IOSB-eigener Trainingsdatenbestand
- Verteilte Annotation von Trainingsmaterial unter Nutzung von halbautomatischen Verfahren. Hierfür existieren eigene SW-Tools
- Nutzung offener Trainingsdaten
- Verfahren für die Augmentierung der Trainingsdaten
- Training von aktuellen Verfahren auf unseren Deep-Learning Servern
- Evaluierung der Verfahrensleistung
- Optimierung der Netzeigenschaften für Realzeit-Anwendungen
- Konvertierung nach TensorRT
- Deployment und Systemintegration z.B. in unser STANAG 4609 fähiges Videoauswertesystem ABUL
