Original-URL des Artikels: https://www.golem.de/news/forschung-maschinelles-lernsystem-verbessert-aufloesung-von-bildern-1710-130864.html    Veröffentlicht: 27.10.2017 17:50    Kurz-URL: https://glm.io/130864

Max-Planck-Institut

Maschinelles Lernsystem verbessert Auflösung von Bildern

Wird "Zoomen und Verbessern" bald Realität? EnhanceNet-PAT ist ein Lernalgorithmus, der durch Mustererkennung Bilder hochauflösender machen kann. Das Vorbild für das maschinelle Lernen ist der Mensch selbst.

Forscher des Max-Planck-Institutes haben einen maschinellen Lernalgorithmus vorgestellt, der niedrigauflösende in erkennbare Bilder umwandeln soll. EnhanceNet-PAT entfernt automatisiert die Schachbrettartekfakte, die beispielsweise beim Vergrößern von Bildern entstehen. Das soll etwa zum Editieren von interessanten Bildteilen verwendet werden können.

In einem Beispiel wird das verpixelte Bild eines Vogels in ein erkennbares Motiv umgewandelt. Das Machine-Learning-Modell lernt dabei aus seinen eigenen Fehlern, um über die Zeit bessere Ergebnisse zu erreichen.

Lernprozess des Menschen als Vorbild

Das erklärt Mehdi M.S. Sajjadi, einer der Forscher an dem Projekt, anhand des Lernverhaltens von Menschen. "Der Algorithmus soll Millionen von niedrigauflösenden Referenzbildern upsamplen und bekommt dann das Originalbild, das So-soll-es-aussehen-Bild in hoher Qualität zum Vergleich vorgesetzt", sagt er. Der Algorithmus merkt sich die Unterschiede und seine eigenen gemachten Fehler. Sobald das Modell fertig trainiert ist, werden die Referenzbilder nicht mehr benötigt, sodass es auf beliebige Bilder angewendet werden kann.

Die sogenannte Single-Image-Super-Resolution-Technik (SISR) ist bereits ein bekanntes Konzept und wird laut den Forschern bereits seit über einer Dekade erforscht. Doch sei EnhanceNet-PAT darin wesentlich effizienter. Die Prämisse: Der Algorithmus versucht nicht, Bilder pixelgenau zu rekonstruieren, sondern lediglich für das menschliche Verständnis hochauflösend genug zu generieren. Er erkennt dabei Muster bei niedrigauflösenden Bildern und wendet diese für den Reproduzierungsprozess an.

In dem gegebenen Beispiel des Vogels kann der Algorithmus bereits gute Ergebnisse liefern. Lediglich kleine Details im Federkleid unterhalb des Kopfes sind beim genauen Hinsehen noch etwas unschärfer als beim Originalbild. Für ein Fotoalbum reiche das Bild allemal aus, heißt es.  (on)


Verwandte Artikel:
Microsoft: KI-Framework kommt auf Windows-10-Endgeräte   
(08.03.2018, https://glm.io/133217 )
Bilderkennung: Roboter löst Rubik's Cube in 380 Millisekunden   
(08.03.2018, https://glm.io/133228 )
Tensorflow: Das US-Militär nutzt KI-Systeme von Google   
(07.03.2018, https://glm.io/133194 )
Wintersport: Roboter Curly spielt Curling   
(08.03.2018, https://glm.io/133219 )
Soziales Netzwerk: Facebook bietet erweiterte Gesichtserkennung für Fotos an   
(28.02.2018, https://glm.io/133055 )

© 1997–2020 Golem.de, https://www.golem.de/