Kleidungsstücke erkennen mit Künstlicher Intelligenz Das zweite „Deep Learning Lab“ am Institut für Nachrichtentechnik

Zum zweiten Mal fand im Sommersemester 2019 das „Deep Learning Lab“ am Institut für Nachrichtentechnik der Technischen Universität Braunschweig statt. Das Lehrangebot für Master-Studierende vermittelt praktisch Methoden des Maschinellen Lernens. Insgesamt 30 Studierende haben teilgenommen und aufgeteilt in zehn Gruppen kreative Ansätze programmiert, um mittels Künstlicher Intelligenz Kleidungsstücke zu erkennen.

Gefördert wird das Lab seit 2017 vom Bundesministerium für Bildung und Forschung mit 233.000 Euro über eine Laufzeit von zwei Jahren im Rahmen des Förderprogramms „IKT 2020 – Forschung für Innovationen“. Mittlerweile stehen fünf Rechenknoten mit insgesamt 40 Grafikkarten in einem eigenen Cluster im Gauß-IT-Zentrum für die aufwendigen Berechnungen der Studierenden zur Verfügung.

Zum Abschluss des „Deep Learning Lab“ präsentierten die Studierenden ihre Ergebnisse. Bildnachweis: Markus Hörster/TU Braunschweig

Praxisorientiertes Lernen mit realen Daten

Das „Deep Learning Lab“ ist gedacht als „Ort innovativen studentischen Lernens im Themenkomplex Machine Learning in Zusammenarbeit mit regionalen Unternehmen“.  Es baut auf andere Lehrveranstaltungen des Instituts für Nachrichtentechnik auf, wie zum Beispiel die Vorlesungen „Mustererkennung“ und „Sprachdialogsysteme“ sowie das Seminar„Machine Learning: Sprach- und Bildanalyse“ und das Oberseminar „Machine Learning“. Die Studierenden können das dort vermittelte theoretische Wissen durch praxisorientiertes Lernen an realen Daten und Aufgaben anwenden und vertiefen.

Bevor sich die Studierenden aber der Aufgabenstellung widmen konnten, lernten sie den Umgang mit Machine-Learning-Tools und mit der Programmiersprache Python. Im zweiten Schritt geht es um Methoden. Der Umgang mit einem Rechencluster wird genauso gelehrt wie das Lösen von einfachen Klassifikationsaufgaben sowie die Anwendung von Support-Vektor-Maschinen und neuronaler Netzwerke. Darüber hinaus lernen die Studieren Optimierungsstrategien kennen.

Automatisierte Klassifikation von Kleidungsstücken

Die dritte Praxisphase ist dann die eigentliche Challenge. Die Aufgabe war dieses Jahr, mit Hilfe von Machine Learning Kleidungsstücke auf Fotos zu erkennen und zu klassifizieren. Dazu wurde ihnen eine Auswahl von knapp 1900 Fotos aus unterschiedlichen Quellen zur Verfügung gestellt. Die Teams entwickelten ihre Systeme eigenständig.  In der Modebranche wird Deep Learning verwendet, um Modetrends frühzeitig erkennen zu können. Projektleiter Samy Elshamy und Jonas Roosen, der Wirtschaftsinformatik studiert und als studentische Hilfskraft im „Deep Learning Lab“ mitarbeitet, haben die Ergebnisse mit einem Vergleichsdatensatz überprüft und die Gewinnerteams ermittelt.

Sören Möllering, Leon Johann Brettin und Torben Schönfelder konnten den Wettbewerb für sich entscheiden. Bildnachweis: Markus Hörster/TU Braunschweig

Wer hat gewonnen?

Die besten drei Teams wurden erstmals mit einem Preisgeld in Höhe von 450, 300 und 150 Euro belohnt. Drei Minuten hatte jedes Team zuvor bei der Abschlussveranstaltung im Institut Zeit, ihren Lösungsweg vorzustellen. Sören Möllering, Leon Johann Brettin und Torben Schönfelder, die im Master Informatik studieren, zogen an der Konkurrenz vorbei und holten mit ihrer Lösung den ersten Platz.

Die drei Studenten entwickelten mehrere neuronale Netze, von denen jeweils eines auf die Erkennung einiger weniger Kleidungsstücke spezialisiert ist. Bei der Auswertung eines Bildes sucht jedes Modell nur nach seinem speziellen Teilaspekt, sodass sich die Netze nach einer Zusammenführung der Vorhersagen gegenseitig ergänzen.

Auch im Sommersemester 2020 wird es wieder ein „Deep Learning Lab“ geben, so Projektleiter Samy Elshamy. Aufgrund der hohen Nachfrage denkt das Team darüber nach, das Angebot auch im Wintersemester anzubieten.