Trainiere deine eigene Insekten-KI
Schritt 1 - Auswahl Trainingsbilder
Im ersten Schritt wird das Trainingsmaterial vorbereitet. Hierzu müssen die unsortierten Bilder in die richtige Kategorie einsortiert werden, je nachdem welches Insekt auf dem Bild zu sehen ist. Diesen Schritt nennt man auch Labeln. Ziehe dazu das ausgewählte Bild per Click & Drop in die richtige Kategorie.
Die Zahlen in den grünen Kreisen sagen dir wie viele unsortierte Bilder du noch übrig hast und wie viele Bilder du bereits in jede Kategorie eingeteilt hast.
Hinweis: Desto unterschiedlicher die Bilder innerhalb einer Kategorie sind, desto besser wird dein Modell trainiert.
Die Zahlen in den grünen Kreisen sagen dir wie viele unsortierte Bilder du noch übrig hast und wie viele Bilder du bereits in jede Kategorie eingeteilt hast.
Hinweis: Desto unterschiedlicher die Bilder innerhalb einer Kategorie sind, desto besser wird dein Modell trainiert.
Unsortierte Bilder
0
[Kategorie 1]
0
[Kategorie 2]
0
[Kategorie 3]
0
[Kategorie 4]
0
Bild-Zusammenfassung
Hier siehst du eine Übersicht deiner ausgewählten und zugeschnittenen Bilder. Für ein gutes Training ist es entscheidend, dass deine Kategorien ausgewogen sind. Das bedeutet, dass jede Kategorie eine ähnliche Anzahl an Bildern enthält, sodass das Modell gleich viele Beispiele pro Kategorie zum Lernen erhält. Ebenso wichtig ist, dass du die Insekten korrekt erkannt und der richtigen Kategorie zugeordnet hast. Fehler in der Zuordnung werden vom Modell übernommen und später wiederholt.
Sortier-Qualitätsindikator:
Schritt 2 – Training durchführen
Die Auswahl und Aufbereitung des Trainingsmaterials ist abgeschlossen, damit ist der aufwändigste Teil des KI-Trainings erledigt. Nun kann das eigentliche Training beginnen. Dazu wird ausgewählt, welches Modell trainiert werden soll und wie hoch die Epochenanzahl und die Batch-Size sein soll. Sobald du mit all deinen Einstellungen fertig bist, kannst du auf Training starten klicken.
Trainingsbilder
TODO: Wie sollen die Bilder hier dargestellt werden?
Modelparameter
Training abgeschlossen
TODO: Was soll hier dargestellt werden?
Trainingsergebnisse Zusammenfassung
Am Ende des Trainings überprüfen wir, wie gut das Modell gelernt hat. Dazu betrachten wir die sogenannten Lernkurven.
Interpretation der Loss-Kurven:
Sinken sowohl der Trainings- als auch der Validierungs-Loss zu Beginn deutlich und bleiben anschließend auf einem niedrigen Niveau, lernt die KI gut. Wird der Trainings-Loss immer kleiner, während der Validierungs-Loss wieder ansteigt, liegt Overfitting vor: Das Modell hat die Trainingsdaten zu genau gelernt und kann neue Bilder schlechter erkennen. Bleiben beide Loss-Kurven hingegen auf einem hohen Niveau, spricht man von Underfitting, da das Modell noch nicht ausreichend gelernt hat, um Muster zuverlässig zu erkennen.
Accuracy-Verlauf
Noch keine Trainingsdaten verfügbar. Bitte Training abschließen.
Loss-Verlauf
Noch keine Loss-Daten verfügbar.
Die Kurven basieren auf den aktuellen Trainingsparametern. Große Abstände zwischen Trainings- und Validierungskurve deuten auf Overfitting hin, parallel verlaufende hohe Kurven eher auf Underfitting.
Confusion Matrix
Netzwerkevaluation
Das trainierte Modell wird auf neue Bilder, welche nicht zum Training verwendet wurden, angewendet und die Ergebnisse evaluiert.
So wirst du selbst zum KI-Trainer und bekommst einen realistischen Einblick in die Arbeitsweise moderner Bilderkennungssysteme.