Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten mit Zugriffsrechten für diese Ausgabe frei zugänglich.

Informatik: Form versus Textur

Moderne Bilderkennungsprogramme funktionieren meist beeindruckend treffsicher. Doch manchmal unterlaufen ihnen peinliche Fehler. Das könnte daran liegen, dass sich die Algorithmen auf die Textur von Objekten statt auf ihre Form konzentrieren.

Eine der größten Stärken aktueller künstlicher Intelligenzen (KIs) ist das Klassifizieren von Bildern – einige von ihnen übertreffen dabei sogar in mancher Hinsicht Menschen. Allerdings können gelegentlich kleinste Veränderungen diese Algorithmen aus dem Konzept bringen. Bearbeitet man beispielsweise Bilder, so dass das Fell einer Katze getigert, gepunktet oder gefleckt erscheint, erkennen Menschen die Tiere in den meisten Fällen immer noch problemlos, während Maschinen völlig versagen.

Forscher von der Universität Tübingen haben nun die mögliche Ursache dafür entdeckt, wie sie auf der im Mai 2019 stattgefundenen »International Conference on Learning Representations« (ICLR) erklärten: Während Menschen größtenteils auf die Form eines Objekts achten, fokussieren maschinell lernende Algorithmen auf ihre Textur. Dieses überraschende Ergebnis verdeutlicht, wie unterschiedlich Menschen und Maschinen Dinge »wahrnehmen« …

Logo des Quanta Magazine

Von »Spektrum der Wissenschaft« übersetzte und bearbeitete Fassung des Artikels »Where We See Shapes, AI Sees Textures« aus »Quanta Magazine«, einem inhaltlich unabhängigen Magazin der Simons Foundation, die sich die Verbreitung von Forschungsergebnissen aus Mathematik und den Naturwissenschaften zum Ziel gesetzt hat.

Kennen Sie schon …

Spektrum - Die Woche – Wie Computer das Lernen lernen

Die Nobelpreise in Medizin oder Physiologie, Physik und Chemie sind vergeben! Erfahren Sie, wie bahnbrechende Forschungen zu microRNA, neuronalen Netzen und Proteinen die Welt verändern.

Spektrum - Die Woche – Warum soziale Medien weniger gefährlich sind, als wir denken

Spektrum Kompakt – Extremwetter

Auf der ganzen Welt sind Menschen von Extremwetterereignissen betroffen. In Zukunft werden sich diese aufgrund des Klimawandels häufen. So nehmen Starkregen, Dürren und Waldbrände auch in Europa zu. Welche Maßnahmen bei Extremwetter gibt es und wie zuverlässig lassen sich »freak events« vorhersagen?

  • Quellen

Brendel, W., Bethge, M.:Approximating CNNs with Bag-of-local-Features models works surprisingly well on ImageNet. International Conference on Learning Representations, 2019

Geirhos, R. et al.:ImageNet-trained CNNs are biased towards texture; increasing shape bias improves accuracy and robustness. International Conference on Learning Representations, 2019

Geirhos, R. et al.:Generalisation in humans and deep neural networks. Advances in Neural Information Processing Systems, 2018

Schreiben Sie uns!

Beitrag schreiben

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Zuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Zuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmende sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Zuschriften können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

Bitte erlauben Sie Javascript, um die volle Funktionalität von Spektrum.de zu erhalten.