Smartphones werden immer leistungsfähiger – derzeit stellt sich allerdings die Frage, was man mit der ganzen Prozessor-Power eigentlich anfangen soll. Forscher an der Purdue University in den USA haben nun ein mögliches Anwendungsszenario vorgestellt: Objekterkennung.
Gesichtserkennung gehört heute längst zur Standardausstattung eines jeden sozialen Netzwerkes und sorgt höchstens noch in Form von Sicherheitsbedenken für Aufsehen. An der amerikanischen Perdue Univerity arbeiten Forscher aber gerade an dem nächsten Level, der Objekterkennung in Echtzeit.
Bei dem “Deep Learning” genannten Konzept handelt es sich um künstliche Intelligenz, die das Bild einer Kamera analysiert und alle sichtbaren Objekte mit Tags versieht und benennt. Diese Tags werden dann auf einem Layer, der das Bild der Kamera überlagert, in Echtzeit angezeigt.
Deep Learning ist aber nicht neu. Sie wird bereits seit einiger Zeit verwendet, um neurale Netzwerke zu imitieren. Wir alle sind bereits schon mal mit Deep Learning in Kontakt gekommen, zum Beispiel bei der Bildersuche von Google. Deep Learning bezeichnet die Art und Weise, wie das menschliche Gehirn Informationen in Schichten verarbeitet. Dabei werden Objekte hierarchisch in Ober- und Unterkategorien eingeteilt und mit Schlagwörtern versehen.
Mögliche Anwendungsszenarien finden sich zum Beispiel in der Medizin, wo die Technologie zur Krebsdiagnose herangezogen werden könnte. Aber auch als Normalnutzer hätte die Technologie einen Vorteil, könnte sie doch die private Bilderflut in den Griff bekommen. Wenn die Fotos auf diese Art analysiert sind, kann man zum Beispiel nach Strand, Sonne und Surfbrett suchen, statt überlegen zu müssen, in welchem Ordner mit hunderten Urlaubsfotos eigentlich das gesuchte Bild sein könnte und sich dann durch die Fotos durchzuwühlen.
Um diese Technologie auch auf mobilen Geräten wie Smartphones einzusetzen, fehlte es bisher an der nötigen Rechenleistung. Der von den Forschern gezeigte Prototyp läuft auch noch rund 120 Mal schneller als ein üblicher Mobile-Prozessor. Bei der derzeitigen Entwicklung der Mobile-Prozessoren ist die Frage aber nicht mehr ob diese Technologie bald kommt, sondern viel mehr wann.
Quelle: Purdue (via Androidpit)
