Nächste-Nachbarn-Klassifikation mit P5.js

Natürlich kann ich Euch nicht ins Wochenende entlassen, ohne Euch die neuesten unglaublichen Dinge vorzustellen, die Daniel Shiffman mit P5.js, dem JavaScript-Mode von Processing, anstellt. Diese Woche hat er sich wieder in den Bereich »Künstliche Intelligenz« und »Maschinelles Lernen« vorgewagt und konstruiert mit Hilfe der Bibliotheken Tensorflow.js und dem darauf aufsetzenden ml5.js einen Nächste-Nachbarn-Klassifikator (engl. k-Nearest-Neighbor, (KNN)). Es sind (bisher) insgesamt drei Videos und das ist sicher sehr spannend und wird (unter anderem) auch mein Fenrsehprogramm für die nächsten Tage sein.

Die Reihe ist (noch) keine Playlist, daher hier die Links zu den beiden folgenden Videos:

• In Teil 2 trainiert Shiffman den KNN Image Classifier mit Hilfe der ml5.js-Bibliothek
• und in Teil 3 zeigt er, wie man das gewonnene Modell speichern und zur späteren Verwendung wieder laden kann.

Den Quellcode gibt es – wie immer – auf GitHub und hier noch ein paar von Daniel Shiffman vorgeschlagene zusätzliche Links und Ressourcen zur Vertiefung:

• Teachable Machine (with Google)
• Machine Learning for the Web by Yining Shi
• How to build a Teachable Machine with TensorFlow.js by Nikhil Thorat
• MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

Und wer das alles nachvollziehen möchte, aber keinen Bock auf JavaScript hat: Pythonistas können so einen Klassifikator auch mit OpenCV und Scikit-learn realisieren. Das ist sicher eine Herausforderung, die Spaß macht, aber vermutlich meine Fähigkeiten übersteigt. Dennoch hätte ich Bock, mir das mal genauer anzuschauen. Schaun wir mal …

(Kommentieren)