Suche Software / App um Bilder zu katalogisieren und wiederzuerkennen

[Numxo]

Hallo zusammen,

ich suche eine Software für Windows oder eine App für Android mit der ich Bilder von kleinen Hartplastik-Figuren einpflegen, katalogisieren und per Foto wiedererkennen kann. Ich will also einen digitalen Katalog erstellen.

Anwendungsbeispiel:

Ich fotografiere z.B. 2000 Playmobil-Figuren, die sich zum Teil sehr ähnlich aussehen, einzeln und weise diesen einen Namen + eine kurze Beschreibung („Notiz“) hinzu. Wenn ich das nächste Mal so eine Figur in der Hand habe und vor eine Kamera halte, wäre es wichtig zu erkennen wie der Name + die Beschreibung dieser Figur lautet.

Gibt es sowas? Ich kann leider nicht programmieren, nur etwas scripten und habe bis jetzt sowas nicht gefunden...

 

[shadowrid0r]

Willkommen im Forum!

Ich stelle mir das schwierig vor. Die Foto - Daten liegen ja ´Pixelgenau´ auf der Platte. Der Filter muss also tolerant sein, bzw. Einstellbar. Eine Figur hat ein Bart eine andere nicht. Beide haben die gleiche Kleidung und oder Werkzeug/Gegenstand in der Hand...
Das Programm bräuchte mindestens Polizei Qualität mit Gesichtserkennung um feine unterschiede zu erkennen.

Einige normale Programme haben eine ´Ähnliche Wiederfinden´ Funktion. Etwa PICASA - ABER - Picasa hat schon lang kein Support mehr und muss sofort nach dem Installieren ´beruhigt´ werden. Weil Picasa am liebsten alles was es findet in Google Bilder veröffentlichen will!

Ob die ´Ähnliche Wiederfinden´ Funktion in den Programmen reicht für Dein Vorhaben wirst du im Zweifel probieren müssen. Adobe Foto Shop kann das auch. Falls du Picasa probierst: Aufpassen, beruhigen. Alles abschalten was in die Welt hinaus will.

 

[Smily]

Google Fotos kann es vielleicht! Jedenfalls haben die Gesichtserkennung und Haustiererkennung. Jedenfalls in den USA und in Deutschland seit Kurzem. Eine Option habe ich am Handy, aber bisher passiert nichts.
Das Desktop Programm hat das wohl auch.
Aber ob es so exakt ist? Lego Figur wird es erkennen, aber das Modell? Glaube eher nicht.

 

[DaishoCB]

Was Du moechtest ist "image recognition" und das geht dann in die Richtung ML (Machine Learning). Wenn sich die Modelle gleichen und man nicht klar eine ID auf der Figur hat wirst Du leider nicht weit kommen.

Katalogisieren etc. geht recht gut (kann man ja mittels tools wie DarkTable und Keywords machen oder man schaut sich mal das ein oder andere Warenkatalogisierungstool an) aber wiedererkennen wird nichts ohne ML. Und das Problem ist, wenn die Dinger sich sehr aehnlich sehen dann sauber zu trainieren auf False Positive wenn man davon keine Ahnung hat, eher nicht.

 

[Numxo]

Ja, leider ahnte ich schon das es in die Richtung machine learning geht. Bin kein "full noob", aber für mich ist das als sog. "Scriptkiddie" leider terra incognita was dieses Gebiet angeht.

Habe mir mal einen Raspberry Pi 4 + Kamera bestellt. Werde mein Glück mit OpenCV + TensorFlow versuchen.

Bin dankbar für Vorschläge oder sonstige Ideen.

 

[Smily]

Puuh, da Goggle das Feature erst neu in Fotos genaut hat und nach1/2 Jahr auch in Deutschland ...
Und bei mir scheint es nicht zu funktionieren.
Und du willst es alleine programmieren? Viel Spaß

Wobei man dazu sagen muss, in Picasa gab es das schon ewig und funktionierte prima.

 

[DaishoCB]

Du wirst da nicht wirklich schnell weit kommen. Hier warum...

Der ML Algo gruppiert/klassifiziert ja, d.h. der erkennt das Bild nicht logisch wie wir. Woran er was erkennt kannst Du ihm nicht sagen, black box, er erkennt es einfach. Beispiel ist, das ML Algo auf Hautkrebs z.B. gelernt hatte das an einem Hautkrebs immer ein Lineal angelegt ist. Der hat nicht den Hautkrebs erkannt sondern das Lineal, aber das haben sie erst spaeter raus bekommen. Teilweise erkennt der ML auch Bildrauscheigenschaften eines Kamerasensors, welche Du als Mensch garnicht siehst, aber Du hast alle deine Trainingsdaten damit aufgenommen...

Um deinem ML Algo zu trainieren brauchst Du eine Menge an Trainingssaetzen, welche sauber klassifiziert sind. Bitte sicherstellen, dass z.b. Beleuchtung, Pisition etc. entweder 100% kontrolliert sind oder aber staendig variieren. Und 1 Bild oder 2 Bilder pro Typ/Klassifizierung reichen da nicht. Da braucht es schon ein paar mehr, besonders wenn die Unterschiede gering sind (so wie laut deiner Erklaerung). Du gibst deinem Algo dann eine recht grosses TrainingSet an Bildern inkl. der entsprechenden Klassifizierung. Die erlernt er dann (bildet das Model). Dann nimmst Du den Rest deiner Bilder und schaust wie gut die klassifiziert werden. Dann schaust Du wie gut False Positive und False Negative sind und drehst dann an den Parametern und fuegst die entsprechenden Ausnahmen hinzu etc....

Problem ist und bleibt, die Figuren sind sich sehr aehnlich und es braucht daher eine menge an Trainingsdaten um den Algo sauber zu trainieren und man sollte auch ein wenig wissen woran man drehen muss um die entsprechende Klassifizierung besser zu machen.

Edit, wenn Du mal ein wenig spielen willst: Hier https://www.tensorflow.org/tutorials/images/classification
wenn Du die Bilder in die G-Cloud donnerst kannst Du mit Colab ein wenig spielen, das hat mehr power als dein kleiner PI, einzig bei den Datenmengen musst Du schauen ob das Colab mit macht oder die I/O muss sauber aufgesetzt werden.
Der Vorschlag mit dem Stretch/rotate hilft dir ggf. bei der Anzahl an Trainingsdaten, aber bitte auf die vorher diskutierten biases aufpassen (Sensorrauschen, Belichtung etc.)