Refine
Document Type
- Article (1)
- Bachelor Thesis (1)
Language
- German (2) (remove)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Keywords
- AI (2) (remove)
Institute
- Informatik (1)
CDR - Corporate Digital Responsibility - soll analog der CSR - Corporate Social Responsibility - die Verantwortung von Unternehmen bei der Digitalisierung betonen und entsprechende Strategien und Maßnahmen umfassen, die einen nachhaltigen und verantwortlichen Umgang mit digitalen Ressourcen bewirken. Damit stehen auch die negativen Nebeneffekte des Einsatzes von KI im Fokus, wie etwa der sogenannte "KI Bias", die Diskriminierung durch automatisierte Datenauswertungen. Der Kampf gegen diese Auswüchse stellt Forschung wie auch die Unternehmenspraxis vor erhebliche Herausforderungen. Der Beitrag beschreibt die allgemeinen Ziele für CDR wie auch die daraus abgeleiteten spezifischen Herausforderungen beim Umgang mit KI-Bias im Unternehmen.
In einer Vielzahl an Branchen kommen Objekterkennungsverfahren neben anderen
Methoden des maschinellen Lernens in unterschiedlichsten Anwendungsfällen zum
Einsatz. Ein mögliches State of the Art Object-Detection Verfahren, das für
Anwendungsfälle mit Echtzeitanforderungen genutzt werden kann, ist You Only Look
Once (YOLO). Nach seiner Veröffentlichung wurde YOLO in den Versionen v2-v4
mehrfach schrittweise verbessert. Um einen möglichst großen Vorteil aus der Nutzung
von YOLO als Objekterkennungsverfahren zu ziehen, ist es wichtig, stets die neuesten
Verfahren zu evaluieren und zu verwenden.
Die Arbeit „Object-Detection mit You Only Look Once (YOLO) - Einführung in die
Objekterkennung mit YOLO sowie die Weiterentwicklung in den Versionen v2-v4“ ist ein
Ausschnitt aus einer Bachelorarbeit, in der erforscht wird, ob und welche einzelnen
Verfahren, die in YOLOv4 für die verbesserte Objekterkennung vorgeschlagen werden,
ein bestehendes YOLO - System für einen speziellen Anwendungsfall maßgeblich
verbessern können. Im vorliegenden Ausschnitt wird in das Thema der Objekterkennung
mit maschinellen Lernverfahren eingeführt sowie YOLO im Detail erläutert. Außerdem
wird auf die in den Versionen YOLOv2-YOLOv4 vorgeschlagenen Verbesserungen des
YOLO - Objekterkennungssystems eingegangen. Insbesondere in der zum aktuellen
Zeitpunkt neuesten Version YOLOv4 werden eine Vielzahl an neuen Verfahren in YOLO
integriert, sodass im Hauptteil dieser Arbeit intensiv auf alle neuen Verfahren, die die
Autoren von YOLOv4 für das Objekterkennungssystem empfehlen, eingegangen wird.