Für die Verbesserung und die Weiterentwicklung des Ampel-Pilot freuen wir uns über jede Unterstützung. Die einfachste Form an der Entwicklung teilzunehmen ist es, mit Hilfe der App LightsCatcher Bilder von Fußgängerampeln zu sammeln.
Für alle, die tiefer in die Entwicklung eintauchen möchten, besteht die Möglichkeit, den Quellcode der App anzusehen und direkt an der Entwicklung mitzuarbeiten. Natürlich stehen auch das künstliche neuronale Netz, das wir verwenden, und die gesammelten annotierten Bilder als Trainingsdaten zur Verfügung.
Mitmachen: Ampeln "knipsen"
Um das künstliche neuronale Netz Öffnet ein neues Fenster zu trainieren wird das sogenannte Überwachte Lernen (supervised learning) Öffnet ein neues Fenster eingesetzt. In unserem Fall wird dem künstlichen neuronalen Netz dabei jeweils ein Bild vorgegeben und dessen Ausgabe - die Pixelposition der Ampel im Bild sowie deren Ampelphase - mit den tatsächlichen Informationen des Bildes verglichen. Durch diesen Vergleich der Soll- und Istausgabe können die sogenannten Gewichte (quasi das Gedächtnis des künstlichen neuronalen Netzes) angepasst werden. Dieser Vorgang wird viele Male wiederholt, solange bis das Ergebnis genügend nah an der Realität ist. Mit jedem Bild lernt das Netz dabei mehr, wird flexibler, und kann dadurch auch Ampeln in zuvor unbekannten Szenen erkennen.
Die einfachste Form das Projekt Ampel-Pilot zu unterstützen ist es, einfach mit der LightsCatcher-App Fotos von Fußgängerampeln zu machen. Ob auf dem Weg zur Arbeit, in die Schule, zur Uni oder nach Hause, in der Freizeit oder im Urlaub, jedes einzelne Bild einer Fußgängerampel hilft!
Viele Freiwillige haben in den letzten Monaten Fußgängerampeln fotografiert und zur Verfügung gestellt. In der Karte sieht man, wo überall in Deutschland und sogar Europa die Freiwilligen unterwegs waren und vor allem, wo überall noch Ampeln fehlen.
Insgesamt wurden bis jetzt
Fußgängerampeln von
Freiwilligen fotografiert und
Fotos überprüft und für das Training verwendet.
Mitmachen: Mitentwickeln
Wer Interesse am Quellcode der verschiedenen Apps hat oder zu deren Entwicklung beitragen möchte, findet diesen als Open-Source
auf GitHub.
Ampel-Pilot für iOS
LightsCatcher für iOS
Ampel-Pilot für Android
LightsCatcher für Android
Mitmachen: KI selbst trainieren
Für die Erkennung der Fußgängerampeln wird das Deep-Learning-Framework YOLOv2 Öffnet ein neues Fenster verwendet, das eine Echtzeit-Objekterkennung
ermöglicht. Für das Training wurde ein Datensatz von ca. 3.000 Fotos von Fußgängerampeln verwendet, die von Freiwilligen mit der LightsCatcher-App gesammelt und klassifiziert wurden. Alle Fotos wurden anschließend von den Studentinnen und Studenten der Projektgruppe kontrolliert und annotiert.
Mit diesen Daten kann natürlich auch jedes andere Deep-Learning-Framework trainiert werden. Die notwendigen Fotos, zusammen mit den Annotationen stehen auf GitHub als Open-Source zur Verfügung.
Öffnet ein neues Fenster
Sammlung von Fotos von Fußgängerampeln mit Annotationen
Sammlung von 3.696 Fotos von Fußgängerampeln mit 4.311 Annotationen (63 % Rot, 37 % Grün).
Zusätzlich zu den Fotos steht auch ein trainiertes Modell für die Verwendung in YOLO zur Verfügung, so daß ohne großen Aufwand getestet werden kann.
