Einfaches Korrigieren und Nachtrainieren
Sollte die OCR doch mal Zeichen nicht lesen, ist es wichtig, dass der Anwender mit wenig Aufwand das Leseergebnisse korrigieren oder auch neue Zeichen trainieren kann. Bei diesem Feintuning handelt es sich allerdings nicht um ein einfaches ‚Weiter‘-Trainierendes Netzes. Man stelle sich vor, dass das OCR-Modell beispielsweise mit zwei Millionen Bildern trainiert wurde und der Benutzer dem Modell nun mit einigen wenigen Bildern etwas Neues beibringen möchte. Mit welcher Gewichtung geht eine solche Information in das Modell ein, um zwar etwas zu bewirken, dabei aber auch nicht alles zu verändern? Genau hier ist das Know-how des Anbieters gefragt, die KI so zu erweitern, dass durch eine derartige Anpassung nicht bisherige stabile Erkennungen negativ beeinflusst werden. Ein Beispiel: Eine OCR hat Probleme mit Zahlen und der Anwender annotiert im Trainingsprozess nur Zahlen, nie Buchstaben. Dabei gilt es durch eine intelligente ‚Wissenssicherung‘ zu verhindern, dass das Netz irgendwann nur noch Zahlen erfolgreich lesen kann, weil es denkt, es müsse keine Buchstaben erkennen. Der Denk Vision KI Hub generiert deshalb beim Feintuning der Denknet OCR für alle neuen Bilddaten passende künstliche Daten, um das Netz im richtigen Maß weiter zu trainieren und zu gewichten. Das verhindert, dass die OCR, egal wie lange sie weitertrainiert wird, ihre bisherigen Fähigkeiten verliert. Dabei bleibt das Nachtrainieren für den Benutzer des Vision KI Hubs einfach in der Handhabung und durch das Cloud-basierte Training im Hintergrund schnell und performant.
Cloud-Training
Alle Funktionen und Dienste des Denk Vision KI Hub basieren vollständig auf Cloud-Technologie. Dadurch findet das Feintuning auf eigenen Bilddaten auf einer stets aktuellen und kontrollierten Software-Basis statt und nicht auf irgendeiner Software-Version auf einem lokalen Hardwaresystem. Das dort verwendbare OCR-Modell wird durch die kontinuierliche Weiterentwicklung im technischen Backend immer resistenter gegenüber bereits gelösten Problemen. Dadurch können immer mehr Kundenanwendungen ohne größere Anpassungen oder Nachtraining verwendet werden. ‚Press Play‘ ist wie ein Auftrag an die Denkcloud, die im Hintergrund eine Vielzahl passender Netzmodelle mit unterschiedlichen Architekturen trainiert und dem Anwender letztendlich das beste Ergebnis zur Verfügung stellt.
Auch im Supportfall hat die Cloud-Lösung ein Mehrwert für den Anwender. Sollte es mit Daten eines Use-Cases Schwierigkeiten geben, z.B. bei unbekannte Schriftzeichen, kann technische Unterstützung im Backend schnell Abhilfe schaffen. Ohne Daten exportieren/importieren zu müssen oder die Gefahr dass unterschiedliche Buildsysteme oder Software-Versionen zu unterschiedlichen Ergebnissen führen, können beispielsweise Änderungen an der Netzarchitektur vorgenommen oder die Erzeugung synthetischer Zusatzdaten optimiert werden. Das geht im direkten Austausch, ohne Zeitverlust direkt im Kunden-Use Case. Der Verzicht auf den Versand sensibler Daten minimiert zudem das Risiko eines unbefugten Zugriffs.
