KI-Beispiele

Beispiele eingebetteter und mobiler KI-Anwendungen

Um KI-Anwendungen im mobilen und eingebetteten Bereich in einzelne Klassen bezüglich ihres Schutzbedarfes einzuteilen, wurden im Projekt zahlreiche existierende KI-Anwendungen funktional evaluiert. Die evaluierten Anwendungen stammen aus einer großen Bandbreite von Anwendungsbereichen (Biometrie, Smart Home, Smart Living, Smart Devices, etc.), um eine möglichst allgemeine und auf eine Vielzahl von Anwendungen passende Klassifizierung zu ermitteln. Aus dieser funktionalen Evaluierung wurden im Projekt dann die einzelnen Klassen abgeleitet.

Im Folgenden werden vier unterschiedliche Anwendungen anhand der ermittelten Klassen evaluiert, um beispielhaft aufzuzeigen, wie eine Klassifizierung erfolgen kann, und um zu beispielhaft zu validieren, dass die ermittelten Klassen auf solch vielfältige Anwendungen anwendbar sind.




Gang-Authentifizierung (Seamless.me)
Einordnung Teilaspekte
Input Woher kommen die Daten?
  • Sensoren
Anzahl der Datenklassen?
  • One Class Classification / Novelty Detection
Art der Daten?
  • Sensordaten
Training Wo findet das Training statt?
  • dezentral, entkoppelt
Wann kommen neue Trainingsdaten hinzu?
  • Kontinuierlich (online learning)
Modell Wo ist das Modell deployt?
  • on-device
Was ist bekannt?
  • Supervised Learning
  • Eigener Histogramm-basierter Novelty Detector
  • Scikit-learn framework
Output Wie sieht der Output aus?
  • Probability Scores
ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Einordnung Teilaspekte
Input Woher kommen die Daten?
  • Sensoren
Anzahl der Datenklassen?
  • Multiclass
Art der Daten?
  • Bilddateien
Training Wo findet das Training statt?
  • dezentral, entkoppelt
Wann kommen neue Trainingsdaten hinzu?
  • Einmalig zum Deployen des Modells
Modell Wo ist das Modell deployt?
  • on-device
Was ist bekannt?
  • Supervised Learning
  • GAN
  • Tensorflow
Output Wie sieht der Output aus?
  • Bild, Generation Simularity Score
Echtzeit Objekterkennung (YOLObile)
Einordnung Teilaspekte
Input Woher kommen die Daten?
  • Explizite Benutzereingabe
Anzahl der Datenklassen?
  • Multiclass
Art der Daten?
  • Bilddateien
Training Wo findet das Training statt?
  • zentral
Wann kommen neue Trainingsdaten hinzu?
  • Einmalig zum Deployen des Modells
Modell Wo ist das Modell deployt?
  • on-device
Was ist bekannt?
  • Supervised Learning
  • DNN, group Lasso method
  • YOLOv4
Output Wie sieht der Output aus?
  • Klassifizierung und Bounding Boxes
Objekterkennung (R-CNN)
Einordnung Teilaspekte
Input Woher kommen die Daten?
  • Explizite Benutzereingabe
Anzahl der Datenklassen?
  • Multiclass
Art der Daten?
  • Bilddateien
Training Wo findet das Training statt?
  • keine Angabe
Wann kommen neue Traininfsdaten hinzu?
  • Einmalig zum Deployen des Modells
Modell Wo ist das Modell deployt?
  • on-device
Was ist bekannt?
  • Supervised Learning
  • CNN
  • Tensorflow
Output Wie sieht der Output aus?
  • Klassifizierung

Zuletzt geändert May 24, 2022: fix broken ref AI_Classes (5588506)